神他妈的99%代码是AI写的

寂静回声

在当下这个 AI 狂飙突进的时代，技术圈充斥着一种狂热的论调：“未来的软件开发不再需要人类，AI 已经可以包揽一切。”从各种自动生成代码的智能 Agent，到只需输入自然语言就能跑起来的应用程序，似乎“写代码”这项古老的手艺正处在被颠覆的边缘。
然而，在这个被“注意力经济”裹挟的喧嚣时刻，我们有必要停下来，听听真正奠定了现代数字世界基石的人是怎么说的。在最近的一场炉边对谈中，Linux 和 Git 的缔造者、被无数程序员奉为“祖师爷”的 Linus Torvalds，与老友 Dirk Hohndel 进行了一场极为深入的对话。
这场对话不仅揭开了 Linux 内核在面对 AI 洪流时的真实阵痛，更直击了软件工程的本质。Linus 毫不客气地指出，某些关于 AI 编程的流行论调甚至让他感到“愤怒”。



达 20 年的时间里，Linux 内核的发布节奏和流程一直平稳运行，但就在过去的 6 个月里，情况发生了剧变。内核的提交量（Commits）激增了大约 20%
起初，Linus 以为这只是因为版本号更迭（比如迎接大版本发布）带来的短期活跃。但很快他意识到，真正的驱动力是 AI 工具的成熟。AI 大幅降低了编写 Linux 内核补丁的准入门槛，工具承担了极其繁重的基础工作。
这听起来像是一个技术乌托邦的胜利：更多的代码，更多的贡献者。然而，这支不知疲倦的 AI 劳动力大军，给开源社区带来了前所未有的“社会学阵痛”。


Linus 提到，Linux 内核有大约 3500 万行代码。在如此庞大的代码库中，Bug 是每天都在发生的日常。过去，发现深层次的安全漏洞需要极高的技术门槛和敏锐的直觉；而现在，人们只需让 AI 工具无休止地扫描代码库，就能自动挖掘出潜在的问题。

随之而来的是灾难性的后果：内核安全邮件列表被淹没了。几十甚至上百个用户，运行着同样的 AI 工具，发现了同样的问题，然后疯狂地向维护者发送重复的漏洞报告。更棘手的是，过去发现安全漏洞会有一个“静默期”，以便维护者修复后再公布；但在 AI 时代，“如果你用 AI 发现了这个 Bug，意味着其他 100 个人也用 AI 发现了它”。
这就逼迫 Linux 社区做出了一个重大的规则改变：所有由 AI 发现的安全漏洞，默认视为已公开漏洞。AI 抹平了信息差，但也让维护者失去了从容修复的时间窗口。


25 年前，Linux 社区面临的最大危机是“Linus 扩展性危机”——Linus 一个人看不过来所有的代码了，最终逼迫他发明了 Git，并建立了如今的网状信任维护者体系。
而今天，面对 AI 自动生成的代码和 Bug 报告如海啸般涌来，问题变成了“人类维护者无法扩展”。AI 可以一秒钟生成十个漏洞报告，或者“扔下代码

就跑”（Drive-by），但另一端负责审查、理解、回复的，依然是血肉之躯的开源维护者。这种算力与人力之间的巨大剪刀差，正在加速开源维护者的枯竭与倦怠。


如果说 AI 带来的社区管理问题只是“成长的烦恼”，那么业界对于 AI 编程的盲目吹捧，则触碰到了 Linus 作为一个硬核程序员的底线。
在被问及对于刚入行的年轻人有何建议，以及如何看待“所有代码都将由 AI 编写”的悲观论调时，Linus 展现了他一贯的犀利，甚至坦言自己对此感到愤怒：
“当看到有人宣称‘我们 99% 的代码都是由 AI 编写的’时，我真的会发火。因为我可以百分之百地保证，同样是这群人，他们绝对不会说‘我们 100% 的代码都是由编译器（Compiler）编写的’！



这段话可谓是整场对谈的灵魂，它精准地刺破了当前 AIGC 在编程领域的某种认知泡沫。要深刻理解 Linus 的愤怒，我们需要回到计算机科学的历史长河中。
Linus 回忆起自己的极客岁月：他是在编写纯粹的机器码（Machine Code）中成长起来的。当他说机器码时，指的甚至不是汇编语言，而是实实在在的十六进制数字（比如在 6502 处理器上，LDA 指令对应的就是十六进制的 A9）。
那是一个程序员需要在大脑中计算分支偏移量、与硅硬件直接对话的硬核时代。后来，人们发明了汇编器（Assembler），接着又发明了编译器（Compiler）。
编译器出现时，是不是也“剥夺”了程序员写机器码的工作？
是的。编译器是不是自动生成了海量的底层代码？是的。
但我们会因此说“软件是被编译器写出来的”吗？绝对不会。
在 Linus 看来，AI 只是编程工具链进化史上的下一个阶段，它并没有改变编程的底层逻辑。


AI 可能生成了 99% 的代码行，但：
谁定义需求？人；
谁审查代码？人；
谁为 bug 负责？人；
谁做架构决策？人；
就像一本书 99% 的油墨是印刷机涂上去的，但作者是写书的人，不是印刷机。


现在使用编译器将高级语言转化为机器码一样，未来你可能会使用 AI 将自然语言或更高级的抽象逻辑转化为编译器可以理解的代码。

Linus 给出了一个极其冷峻且客观的生产力评估：
·编译器的发明，将人类的编程生产力提升了 1000 倍。它让人类彻底从物理硬件的寄存器和内存地址中解放出来，开启了现代软件工程的黄金时代。
·而 AI，可能会将生产力提升 10 倍。
这是一个伟大的飞跃，足以引发深刻的行业变革，但它依然是在“工具”的范畴内演进，而不是“神谕”。
AI 确实在改变编程的方式，但它并没有改变“构建复杂系统”这一行为的本质要求。

近年来，业内流行起一个新词：Vibe Coding（氛围编程）。这指的是通过不断地向 AI 发送Prompt（提示词），在一种轻松、凭直觉的“氛围”中，让 AI 拼凑出一个能跑起来的小程序或网页。
Linus 对此给出了极其精准的定性：**如果你只是在做一个一次性的、阅后即焚的玩具项目，AI 和 Vibe Coding 简直太棒了。
但软件工程的残酷真相在于，代码写出来的那一刻，才是它生命周期的开始。真正的挑战永远在于维护。


好的开发者写出好代码，而糟糕的开发者写出迟早会崩溃的代码。这个定律在 AI 时代依然适用：懂系统架构的人，能够写出优秀的 Prompt 引导 AI 生成健壮的代码；而根本不理解系统复杂性的人，即使有了 AI，最终生成的依然是一座摇摇欲坠的代码屎山。
当 AI 成为主要的“代码劳动力”时，它实际上在程序员和底层系统之间又增加了一层巨大的“抽象层”。当系统平稳运行时，一切都很美好；但一旦出现诡异的内存泄漏、并发死锁，或者需要在一堆由大模型幻觉生成的“黑盒代码”中排查问题时，灾难就降临了。


面对 AI 生成的代码，Linus 的态度是：我拥抱它，我用它来写我的玩具项目（比如他最近搞的开源吉他效果器踏板），但是，我依然会去审视 AI 生成的最终汇编代码。
这并非是老派程序员的执拗，而是深刻的工程智慧。如果你构建的是一个需要维护 35 年的严肃系统，你不仅需要懂得如何编写精妙的 Prompt 让 AI 干活，你更需要深刻理解 AI 给出的最终结果到底在底层是如何运作的。
Prompt Engineering（提示词工程）固然重要，但它永远无法替代 System Engineering（系统工程）。



Linus Torvalds 的这番话，宛如一剂清醒剂，泼在了当下的 AI 狂热之上。
“AI 是一场革命，但在某种意义上，我们以前也见过这样的革命。”
从纸带打孔，到汇编指令，到高级语言编译器，再到如今的大语言模型，技术的车轮滚滚向前，但工程师的底色从未改变。
对于企业和开发者而言，我们正在经历一场从“获取人类注意力”到“调度 AI 劳动力”的深刻商业与技术逻辑转型。那些只会复制粘贴代码的人，必然会被不知疲倦的 AI 劳动力所替代；而那些深刻理解业务逻辑、掌握系统架构设计、能够精准评估系统风险，并将 AI 作为一种“超级编译器”来驾驭的人，将迎来属于他们的黄金时代。