他們的批評，其實揭示了科技公司宣傳與一線工程師實際體驗之間的落差。

「垃圾程式碼」？資深工程師最擔心的問題

很多資深開發者的第一個批評，就是 AI 產出的程式碼可靠性不足。

Bjarne Stroustrup 曾警告，AI 工具往往會生成質素很差的程式碼，需要有經驗的工程師逐行檢查與修補。他甚至形容不少 AI 輸出只是「rubbish code」（垃圾程式碼）。

問題並不在速度——AI 的確可以很快寫出大量程式碼。

真正的問題在於：

• 架構設計是否合理
• 安全性是否足夠
• 長期維護是否可行

這些往往是 AI 最容易出錯的地方，而最終還是要由資深工程師負責把關。

Linus Torvalds：AI 係工具，唔係工程師

Linux 創始人 Linus Torvalds 亦對市場上一些誇張說法感到相當不滿。

他曾表示，每當有人聲稱「99% 的程式碼都是 AI 寫的」時，他都會感到非常惱火。

Torvalds 的立場其實很清楚：

• AI 可以是很有用的工具
• 但它仍然只是工具

他認為 AI 可能會改變程式員的工作方式，但 軟件開發的核心本質並沒有改變。理解系統、設計架構、做出工程判斷，仍然是人類工程師的責任。

為何「生產力提升」可能被高估

Java 性能專家 Vlad Mihalcea 提出了另一個重點：即使 AI 能寫出可運行的程式碼，整體生產力提升未必如想像中大。

原因是：寫程式其實只佔軟件工程的一部分。開發流程還包括：

• 驗證程式是否正確
• 處理 edge cases
• 整合到大型系統
• 確保安全性與可維護性

如果 AI 給出的程式只是「差少少就正確」，工程師仍然需要花大量時間檢查與修改。

Stack Overflow 在 2025 年的開發者調查亦發現：66% 的開發者表示，他們花更多時間修正「幾乎正確」的 AI 程式碼。

另外有研究指出，在某些實驗中，資深開發者使用 AI 工具完成任務 平均慢了約 19%，即使他們主觀感覺自己做得更快。

科技公司另一邊的說法

與工程師的審慎態度相比，科技公司高層普遍對 AI 的潛力非常樂觀。

Meta 行政總裁 Mark Zuckerberg 曾表示，公司正在開發可以勝任 中級軟件工程師 工作的 AI 系統，未來可能能夠負責大量程式碼撰寫。

整個科技業也有類似預測。一些 AI 公司高層甚至認為，在未來幾年內 AI 可能會生成大部分程式碼。

另一方面，Amazon 行政總裁 Andy Jassy 在致股東信中亦強調，AI 將會重塑幾乎所有數碼體驗，公司正大規模投資 AI 技術與基礎設施。

爭議其實在「生產力定義」

這場爭論的核心，其實不是 AI 有沒有幫助，而是 怎樣衡量生產力。

科技公司往往用一個指標：

• 程式碼生成速度

但資深工程師看的是整個軟件生命周期，包括：

• 系統架構
• 正確性與穩定性
• 安全
• 測試與除錯
• 長期維護

如果只計「寫得快」，AI 看起來很厲害；但若把整個工程流程算進去，提升就未必那麼明顯。

可能出現的現實情況

大多數資深開發者其實並不認為 AI 沒用。

很多人都承認 AI 在某些場景確實很好用，例如：

• 生成 boilerplate code
• 快速做 prototype
• 寫文件或測試

但他們同時提醒：軟件工程遠不止是打字寫 code。

系統設計、調試、架構判斷，以及理解複雜系統，仍然是高度依賴人類經驗的工作。

因此在不少資深工程師眼中，AI 正在改變開發方式，但 短期內仍然很難取代真正的工程師。

他們的批評，其實揭示了科技公司宣傳與一線工程師實際體驗之間的落差。

「垃圾程式碼」？資深工程師最擔心的問題

很多資深開發者的第一個批評，就是 AI 產出的程式碼可靠性不足。

Bjarne Stroustrup 曾警告，AI 工具往往會生成質素很差的程式碼，需要有經驗的工程師逐行檢查與修補。他甚至形容不少 AI 輸出只是「rubbish code」（垃圾程式碼）。

問題並不在速度——AI 的確可以很快寫出大量程式碼。

真正的問題在於：

• 架構設計是否合理
• 安全性是否足夠
• 長期維護是否可行

這些往往是 AI 最容易出錯的地方，而最終還是要由資深工程師負責把關。

Linus Torvalds：AI 係工具，唔係工程師

Linux 創始人 Linus Torvalds 亦對市場上一些誇張說法感到相當不滿。

他曾表示，每當有人聲稱「99% 的程式碼都是 AI 寫的」時，他都會感到非常惱火。

Torvalds 的立場其實很清楚：

• AI 可以是很有用的工具
• 但它仍然只是工具

他認為 AI 可能會改變程式員的工作方式，但 軟件開發的核心本質並沒有改變。理解系統、設計架構、做出工程判斷，仍然是人類工程師的責任。

為何「生產力提升」可能被高估

Java 性能專家 Vlad Mihalcea 提出了另一個重點：即使 AI 能寫出可運行的程式碼，整體生產力提升未必如想像中大。

原因是：寫程式其實只佔軟件工程的一部分。開發流程還包括：

• 驗證程式是否正確
• 處理 edge cases
• 整合到大型系統
• 確保安全性與可維護性

如果 AI 給出的程式只是「差少少就正確」，工程師仍然需要花大量時間檢查與修改。

Stack Overflow 在 2025 年的開發者調查亦發現：66% 的開發者表示，他們花更多時間修正「幾乎正確」的 AI 程式碼。

另外有研究指出，在某些實驗中，資深開發者使用 AI 工具完成任務 平均慢了約 19%，即使他們主觀感覺自己做得更快。

科技公司另一邊的說法

與工程師的審慎態度相比，科技公司高層普遍對 AI 的潛力非常樂觀。

Meta 行政總裁 Mark Zuckerberg 曾表示，公司正在開發可以勝任 中級軟件工程師 工作的 AI 系統，未來可能能夠負責大量程式碼撰寫。

整個科技業也有類似預測。一些 AI 公司高層甚至認為，在未來幾年內 AI 可能會生成大部分程式碼。

另一方面，Amazon 行政總裁 Andy Jassy 在致股東信中亦強調，AI 將會重塑幾乎所有數碼體驗，公司正大規模投資 AI 技術與基礎設施。

爭議其實在「生產力定義」

這場爭論的核心，其實不是 AI 有沒有幫助，而是 怎樣衡量生產力。

科技公司往往用一個指標：

• 程式碼生成速度

但資深工程師看的是整個軟件生命周期，包括：

• 系統架構
• 正確性與穩定性
• 安全
• 測試與除錯
• 長期維護

如果只計「寫得快」，AI 看起來很厲害；但若把整個工程流程算進去，提升就未必那麼明顯。

可能出現的現實情況

大多數資深開發者其實並不認為 AI 沒用。

很多人都承認 AI 在某些場景確實很好用，例如：

• 生成 boilerplate code
• 快速做 prototype
• 寫文件或測試

但他們同時提醒：軟件工程遠不止是打字寫 code。

系統設計、調試、架構判斷，以及理解複雜系統，仍然是高度依賴人類經驗的工作。

因此在不少資深工程師眼中，AI 正在改變開發方式，但 短期內仍然很難取代真正的工程師。