为什么Linux与C++之父都对AI写代码保持怀疑

原因在于，写代码只是软件工程的一部分。开发者仍然需要：

• 验证代码是否正确
• 调试边界情况
• 与现有系统进行集成
• 确保代码的安全性和可维护性

如果AI生成的代码只是“差一点正确”，工程师仍然要花时间去验证和修复。Mihalcea认为，一旦把这些额外工作计算进去，所谓的效率提升往往被大幅削弱。

一些行业数据也支持这种观点。Stack Overflow 2025 年开发者调查显示，66% 的开发者表示他们花了更多时间修复“几乎正确”的AI代码，而这种情况是开发者最常见的挫折之一。

还有研究发现，经验丰富的开发者在使用AI工具时完成任务的时间反而平均慢约19%，尽管他们主观上感觉自己更快了。

企业叙事：AI工程师与自动化

与工程师的谨慎态度相比，科技公司的高管往往更强调AI带来的潜在变革。

例如 Meta 首席执行官马克·扎克伯格曾表示，公司正在开发能够与中级软件工程师相当的AI系统，未来可能在内部承担大量编程工作。

更广泛地看，科技行业的一些领导者预测，AI最终可能生成大部分软件代码，甚至在未来几年内完成大多数开发任务，这也引发了人们对初级开发岗位自动化的讨论。

与此同时，亚马逊等公司也在持续加大AI投入。亚马逊CEO 安迪·贾西在股东信中表示，人工智能将重新塑造许多数字体验，并改变企业开发技术产品的方式。

真正的分歧：什么才叫“生产力”

这场争论的核心，其实不在于AI是否有帮助，而在于如何定义生产力。

科技公司通常关注的是输出速度，例如生成代码的效率、团队发布功能的速度。

而资深工程师更看重软件开发的完整生命周期，包括：

• 系统架构设计
• 正确性与稳定性
• 安全性
• 调试与测试
• 长期维护成本

在这些因素被考虑进去后，仅仅更快地产生代码，并不一定意味着整体效率显著提升。

可能出现的现实中间路线

大多数经验丰富的开发者其实并不认为AI没有价值。

相反，他们普遍认为AI在一些场景中非常有用，例如：

• 生成样板代码（boilerplate）
• 编写原型
• 生成文档

但他们也提醒：软件工程远不只是写代码。系统架构、问题诊断、复杂调试以及对系统整体的理解，仍然是高度依赖人类经验的工作。

因此，在许多资深程序员看来，AI确实正在改变开发方式，但短期内并不会取代经验丰富的软件工程师。