GitHub Discloses 7.4 Billion AI Code Commits per Month, Adding 4 Million CPU Cores in a Year
English text is being prepared.
At the GitHub Universe 2026 conference, Jay Parikh, Executive Vice President of Microsoft CoreAI, disclosed that code commits on the GitHub platform grew 6x year-over-year, reaching 7.4 billion in September alone, with more than 40% of Pull Requests initiated by AI agents. To handle the traffic, GitHub added 4 million CPU cores, 160PB of high-speed storage and 50Tb/s of network bandwidth this year, and is refactoring its underlying architecture to decouple compute from storage, with peak throughput expected to increase by up to 35x. The conference also introduced Copilot Fusion, a multi-model orchestration and routing layer that dynamically distributes requests among multiple models based on task type.
Why read this
AI score 72
The commit volume and compute expansion figures disclosed by GitHub reveal the real-world pressure on CI/CD and infrastructure after AI agents began committing code at scale.
Topics
Body
GitHub披露：AI代码增6倍需耗费400万核CPU来源：半导纵横发布时间：2026-10-30 18:40存储CPU生成海报GitHub年度算力账单曝光：AI代码月均74亿次提交，消耗400万核CPU与160PB存储。
近日，在旧金山GitHub Universe 2026大会上，微软CoreAI执行副总裁Jay Parikh披露了一组让整个开发者行业侧目的数字：过去一年，微软旗下GitHub平台月代码提交量暴涨6倍，仅9月单月就达到74亿次；为了接住这波AI代码洪峰，公司今年紧急新增了400万个CPU核心、160PB高速存储和50Tb/s网络带宽；超过40%的Pull Request（拉取请求）是由AI智能体发起的。
提交量翻6倍，AI智能体从“尝鲜”变“主力”
此次披露的数据显示，GitHub平台内代码提交量同比增长6倍，合并完成的拉取请求规模同比提升4倍。更夸张的是增长的加速度，今年4月平台月均代码提交量尚在14亿次，8月已翻倍至29亿次，9月更是直接跳升至74亿次，单月内实现了2.5倍的爆发式增长。
过去12个月，GitHub全球推送（pushes）总量达179亿次，超过2024年和2025年两年的总和。从年度累计数据看，推送量从2024年的52.8亿次增长到2025年的67.8亿次，再到2026年的179亿次；年度提交量从2024年的100.6亿次跃升至2026年的454.8亿次；合并PR从4.6亿增至13.8亿。
GitHub的活动曲线图在2026年年中之后，几乎是一条垂直拉升的直线，而这恰恰与AI编程工具爆发式普及的时间窗口完全重合。
（来源：GitHub平台）
真正的算力黑洞：代码提交后触发的自动化流程
如果只是代码变多了，增加存储和算力或许就够了。但真正的压力，来自代码提交之后触发的自动化流程。
截至9月，在GitHub上超过40%的拉取请求由代理（agent）发起。而今年3月，这一比例仅为17%，半年内翻了一倍之多。
更夸张的是，从AI代理启动的代码仓库，其活动量通常是人工操作仓库的8倍。这意味着，AI不是在“辅助”人类多写几行代码，而是在以车队规模并行地生成、验证、测试、提交代码。
这股流量对CI/CD管道造成了不成比例的压力。在现代开发流程中，每一次commit或PR合入都会触发一连串自动化动作：代码规范检查（linting）、单元测试、集成测试、安全扫描，每一项都消耗计算资源。当人类开发者一天提交几次代码时，这套系统运转良好；当一支AI代理车队一小时提交几百次时，后端的算力需求呈乘数级膨胀。
为填补算力黑洞，一年新增400万个CPU核心
面对这种量级，GitHub能做的第一件事就是扩容。今年以来，该平台新增了400万个CPU核心、160PB高速存储和50Tb/s网络带宽。但这并非一次到位，早在8月，GitHub就因为连续多次可靠性事故，紧急追加了300万核心和120PB存储。换句话说，两个月后这个数字又翻了一轮。
当前，单纯堆叠硬件资源已经无法匹配业务增速了。GitHub正在对底层核心架构进行重构，其核心设计思路是实现计算与存储的完全解耦。Jay Parikh公开表示，这套全新架构可将平台的吞吐量上限最高提升35倍，整个重构过程围绕三条核心设计原则推进：简化底层操作原语、实现存储与计算模块的解耦、将跨模块的协调开销降至最低。
与此同时，GitHub正在向Azure多区域部署迁移，预计2027年初完成。这套基础设施不仅要撑住当前的流量，还要为Jay Parikh口中的“下一个五年”预留空间。他判断，人类迄今写过的所有软件，在未来五年产出的软件总量中占比将不到1%。
Copilot Fusion：给AI代理装上成本大脑
流量爆发式增长的背后，是平台运营成本的持续高企。为了破解这一矛盾，GitHub在本次大会上正式推出了Copilot Fusion。作为一套智能多模型编排路由层，它可自动识别判断当前任务的具体类型，在接入的多个AI模型之间动态分配请求，针对推理、代码生成、调试与工具调用等不同场景，自动完成最优模型组合选择。
从400万核心算力集群的扩容，到多模型智能路由层的落地，GitHub正在回应一个全行业都在关注的问题：当AI生成代码的效率已经远超人类人工审查的处理速度时，算力调度、存储架构与模型策略选择本身，就已经成为新一代软件工程体系下，制约整体编程效率的全新瓶颈。
GitHub的基建账单，本质上是整个软件行业AI化的先行指标。当代码提交量一年翻6倍、PR由代理发起的比例从17%跳至40%，意味着算力需求曲线已经脱离了人口红利的支撑。下一轮瓶颈不在模型能力，而在数据中心、网络架构和成本控制。对于半导体行业而言，这组数据传递的信号再清晰不过：AI推理侧的算力需求，才刚刚开始释放。
本文转自媒体报道或网络平台，系作者个人立场或观点。我方转载仅为分享，不代表我方赞成或认同。若来源标注错误或侵犯了您的合法权益，请及时联系客服，我们作为中立的平台服务者将及时更正、删除或依法处理。 评论暂无用户评论最新资讯更多 相关推荐
快充红利耗尽，氮化镓能跟上AI浪潮吗2026-10-30 19:39
凛冬已至，AI正在抛弃手机和PC2026-10-30 19:36
算聚广州 芯创未来——遇贤微电子成功主办广州市算力芯片产业生态大会2026-10-30 19:36