這些觀點逐漸形成一個對比：企業高層強調 AI 將自動化程式開發，而一線資深工程師則認為現實情況要複雜得多。

「垃圾程式碼」：對輸出品質的質疑

資深程式設計師最常提出的批評之一，就是 AI 可以快速產生程式碼，但品質並不穩定。

Bjarne Stroustrup 曾警告，AI 工具往往會產生品質不佳的輸出，而這些程式碼仍需要經驗豐富的工程師逐行檢查與修正。他甚至形容部分 AI 產出的程式碼是「垃圾程式碼（rubbish code）」。

問題不在於速度。AI 系統確實可以在短時間內生成大量程式碼。

真正的問題在於，這些程式碼往往未必符合良好的軟體架構、可靠性標準或長期可維護性。最後仍需要資深工程師介入審查與重構。

Linus Torvalds：AI 是工具，不是工程師

Linux 創辦人 Linus Torvalds 也對一些過度誇大的說法提出反駁。

他表示，當有人聲稱「99% 的程式碼都是 AI 寫的」時，他會感到非常惱火。Torvalds 認為 AI 可以成為很好的輔助工具，但不應被視為能取代工程師的存在。

在他的觀點中，AI 可能改變程式設計師的工作方式，但並沒有改變軟體開發的基本本質，例如：

• 理解系統如何運作
• 設計整體架構
• 在複雜情境中做出工程判斷

這些工作仍然高度依賴人類工程師的經驗與判斷力。

為何實際生產力提升可能被高估

Java 性能專家與作者 Vlad Mihalcea 提出另一個關鍵觀點：即使 AI 生成的程式碼能運作，整體生產力提升可能仍然有限。

原因在於，寫程式只是軟體工程的一部分。工程師還需要：

• 驗證程式是否正確
• 排查邊界條件與錯誤
• 與大型系統整合
• 確保安全性與可維護性

如果 AI 產出的程式碼只是「差一點正確」，工程師仍需要花時間檢查與修補。把這些時間算進去後，整體效率提升可能並沒有想像中那麼大。

一些調查數據也支持這種觀點。例如 2025 年 Stack Overflow 開發者調查顯示：

• 66% 的開發者表示，他們花更多時間修正 AI 生成但「幾乎正確」的程式碼
• 「差一點正確」的回答是最常見的挫折來源之一

另外一項研究甚至發現，當經驗豐富的開發者使用 AI 工具時，完成任務的速度平均 慢了約 19%，儘管他們主觀上覺得自己變快了。

科技公司的敘事：AI 工程師即將到來？

與資深工程師的謹慎態度相比，科技公司高層往往更強調 AI 的潛力。

例如 Meta 執行長 Mark Zuckerberg 曾表示，AI 很快可能達到 中階軟體工程師的能力，能在公司內部撰寫大量程式碼。

更廣泛地說，許多科技產業領袖預測 AI 最終可能生成大部分軟體。這些預測也引發外界對初級工程師職位被自動化的討論。

Amazon 也正在大幅投資 AI 技術。執行長 Andy Jassy 在股東信中指出，人工智慧將重新塑造許多數位體驗，並改變企業建構科技產品的方式。

真正的分歧：如何衡量「生產力」

這場爭論的核心，其實不是 AI 是否有用，而是 如何定義生產力。

科技公司通常聚焦在「輸出速度」——例如生成程式碼的速度，或小團隊推出功能的效率。

但資深工程師評估的是整個軟體生命週期，包括：

• 系統架構設計
• 正確性與可靠性
• 資安
• 除錯與測試
• 長期維護

當把這些因素都計算進來時，單純的「寫程式速度提升」未必能轉化為整體效率的大幅提升。

可能的中間地帶

值得注意的是，大多數資深程式設計師並沒有否定 AI 的價值。

在許多情境中，AI 仍然非常有用，例如：

• 生成樣板程式碼（boilerplate）
• 建立原型
• 撰寫文件

但他們也強調，軟體工程遠不只是打字寫程式。系統設計、工程判斷、除錯與理解複雜系統，仍然是高度依賴人類經驗的工作。

至少在目前，許多資深工程師的共識是：AI 正在改變程式設計的方式，但短期內不會取代經驗豐富的工程師。

這些觀點逐漸形成一個對比：企業高層強調 AI 將自動化程式開發，而一線資深工程師則認為現實情況要複雜得多。

「垃圾程式碼」：對輸出品質的質疑

資深程式設計師最常提出的批評之一，就是 AI 可以快速產生程式碼，但品質並不穩定。

Bjarne Stroustrup 曾警告，AI 工具往往會產生品質不佳的輸出，而這些程式碼仍需要經驗豐富的工程師逐行檢查與修正。他甚至形容部分 AI 產出的程式碼是「垃圾程式碼（rubbish code）」。

問題不在於速度。AI 系統確實可以在短時間內生成大量程式碼。

真正的問題在於，這些程式碼往往未必符合良好的軟體架構、可靠性標準或長期可維護性。最後仍需要資深工程師介入審查與重構。

Linus Torvalds：AI 是工具，不是工程師

Linux 創辦人 Linus Torvalds 也對一些過度誇大的說法提出反駁。

他表示，當有人聲稱「99% 的程式碼都是 AI 寫的」時，他會感到非常惱火。Torvalds 認為 AI 可以成為很好的輔助工具，但不應被視為能取代工程師的存在。

在他的觀點中，AI 可能改變程式設計師的工作方式，但並沒有改變軟體開發的基本本質，例如：

• 理解系統如何運作
• 設計整體架構
• 在複雜情境中做出工程判斷

這些工作仍然高度依賴人類工程師的經驗與判斷力。

為何實際生產力提升可能被高估

Java 性能專家與作者 Vlad Mihalcea 提出另一個關鍵觀點：即使 AI 生成的程式碼能運作，整體生產力提升可能仍然有限。

原因在於，寫程式只是軟體工程的一部分。工程師還需要：

• 驗證程式是否正確
• 排查邊界條件與錯誤
• 與大型系統整合
• 確保安全性與可維護性

如果 AI 產出的程式碼只是「差一點正確」，工程師仍需要花時間檢查與修補。把這些時間算進去後，整體效率提升可能並沒有想像中那麼大。

一些調查數據也支持這種觀點。例如 2025 年 Stack Overflow 開發者調查顯示：

• 66% 的開發者表示，他們花更多時間修正 AI 生成但「幾乎正確」的程式碼
• 「差一點正確」的回答是最常見的挫折來源之一

另外一項研究甚至發現，當經驗豐富的開發者使用 AI 工具時，完成任務的速度平均 慢了約 19%，儘管他們主觀上覺得自己變快了。

科技公司的敘事：AI 工程師即將到來？

與資深工程師的謹慎態度相比，科技公司高層往往更強調 AI 的潛力。

例如 Meta 執行長 Mark Zuckerberg 曾表示，AI 很快可能達到 中階軟體工程師的能力，能在公司內部撰寫大量程式碼。

更廣泛地說，許多科技產業領袖預測 AI 最終可能生成大部分軟體。這些預測也引發外界對初級工程師職位被自動化的討論。

Amazon 也正在大幅投資 AI 技術。執行長 Andy Jassy 在股東信中指出，人工智慧將重新塑造許多數位體驗，並改變企業建構科技產品的方式。

真正的分歧：如何衡量「生產力」

這場爭論的核心，其實不是 AI 是否有用，而是 如何定義生產力。

科技公司通常聚焦在「輸出速度」——例如生成程式碼的速度，或小團隊推出功能的效率。

但資深工程師評估的是整個軟體生命週期，包括：

• 系統架構設計
• 正確性與可靠性
• 資安
• 除錯與測試
• 長期維護

當把這些因素都計算進來時，單純的「寫程式速度提升」未必能轉化為整體效率的大幅提升。

可能的中間地帶

值得注意的是，大多數資深程式設計師並沒有否定 AI 的價值。

在許多情境中，AI 仍然非常有用，例如：

• 生成樣板程式碼（boilerplate）
• 建立原型
• 撰寫文件

但他們也強調，軟體工程遠不只是打字寫程式。系統設計、工程判斷、除錯與理解複雜系統，仍然是高度依賴人類經驗的工作。

至少在目前，許多資深工程師的共識是：AI 正在改變程式設計的方式，但短期內不會取代經驗豐富的工程師。