北京
幾個星期前，《財富》雜志悄悄登了一篇報道，標(biāo)題就足夠讓不少人愣一下：山姆·阿爾特曼和達(dá)里奧·阿莫迪正在收回他們早前那個“AI將淘汰絕大多數(shù)軟件工程師”的預(yù)言。是的，你沒看錯，這兩位親手把代碼替代論炒成頭條的人，現(xiàn)在口風(fēng)全變了。阿爾特曼換上了“情況更微妙”這種外交辭令，阿莫迪也開始強(qiáng)調(diào)“工程判斷依然不可或缺”。同一個阿爾特曼，就在不久前還在訪談里描述未來程序員的工作主要是“告訴電腦你想干什么”，同一個阿莫迪，那份恨不得給人類工程師倒計時的公開路線圖曾讓所有人神經(jīng)緊繃。如今，他們選擇了后退一步。
先別急著說打臉。回頭看他們當(dāng)初憑什么敢放這種話，其實邏輯一點兒也不復(fù)雜——那根本不是中立的行業(yè)分析，而是一套披著數(shù)據(jù)外衣的募資演講。當(dāng)你需要說服別人掏出幾百億美元時，“軟件工程師很快就會過時”這句話太好用了。它讓你的技術(shù)聽起來不可阻擋，讓競爭對手后背發(fā)涼，讓你的公司顯得像是唯一真正看透未來的人，還能給企業(yè)客戶、監(jiān)管部門和人才市場同時制造壓力。別忘了，這幾位CEO還需要巨量算力預(yù)算、需要監(jiān)管豁免條款、需要讓投資人相信購買GPU比利潤報表更重要。他們沒撒謊。他們只是撿了一個在當(dāng)時對自己的生意最有利的未來版本，現(xiàn)在這個版本越來越不好使了，因為企業(yè)客戶開始追問更尖銳的問題，而實際部署的數(shù)據(jù)根本撐不起那個簡單粗暴的消亡劇本。
有趣的是，模型的真實能力并沒有縮水。今天的大模型比起他們放話時要強(qiáng)得多。出問題的不是技術(shù)，而是大家對“軟件工程到底包含什么”這件事的認(rèn)知終于追上了現(xiàn)實。原來的設(shè)想很直白：AI寫代碼越來越溜→人類寫代碼的需求雪崩→軟件工程直接塌縮成提示詞工程。但走進(jìn)實戰(zhàn)一看，畫面要粗糙好幾個量級。
先說代碼審查。AI生成代碼的速度是上來了，但生成的每一行都得有人把關(guān)。審代碼本來就比寫代碼更耗心力，偏偏大模型輸出的那種“看起來合理、實際上藏著坑”的片段特別多，排查起來簡直折磨人。然后是系統(tǒng)這一層。一個跑在生產(chǎn)環(huán)境里的應(yīng)用，遠(yuǎn)不止一摞代碼文件——它背后掛著依賴樹、基礎(chǔ)設(shè)施合同、合規(guī)紅線、用戶積攢下來的行為預(yù)期、出過事故后的應(yīng)急手冊，還有某個去年悄悄改過行為的支付接口，這些爛熟于心的上下文AI幾乎一片空白。模型擅長產(chǎn)出代碼，但讓整個系統(tǒng)活下來、活得好，完全是另一碼事。
驗證才是真正的瓶頸。哪怕模型碰巧生成了正確代碼，判定它對于“這個特定系統(tǒng)、這組特定約束、這種特定運行條件”確實是正確的，終究還是要靠人的判斷力。自動化測試能幫上忙，但理解力和責(zé)任歸屬，不是跑幾條用例就能交差的。加上非確定性這個實實在在的麻煩——同一段提示吐出的結(jié)果未必一致，這件事本身就在工程流程里埋下不少雷。所以不難理解，當(dāng)企業(yè)把AI插進(jìn)真實流水線后，發(fā)現(xiàn)最先被耗掉的不是人力成本，而是工程師們用來改錯和解釋差異的額外時間。
兩位大佬改口，不是因為模型突然又不靈了，而是因為他們當(dāng)初推銷的那個無人工廠的敘事，碰上真實世界的復(fù)雜泥潭之后，連他們自己都圓不下去了。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
