选择AI还是程序员
从业软件开发25年，博客开一个硬罡栏目系列，把一些过往硬罡上司技术总监的经历写出来。如果你有硬刚的历史，欢迎联系我讨论
技术总监：我们使用了AI，通过在IDE中安装某某AI Coding插件，我们提升了开发效率和交付速度，为计划未来减少60%-80%的普通开发人员，或者使用AI完全代替程序员。
程序员硬刚: AI未来5年来不可能做到替代程序员，不能做到减少程序员后还能提升开发效率和交付速度，使用AI不能让交付的软件成品有本质提升
内容提要：本文从各个方面来解释，AI Coding能提高效率，但AI还未能代替程序员，或者让普通程序员人力减大半的可能。本文分别是哲学角度，AI 实战的不足，以及企业生态三个方面。最后会贴出一些名人对AI的看法。本人对AI编程只是稍微了解，如果有任何错误，欢迎讨论纠正
1 哲学层面
1.1 生产力和生产关系
学过高中《道德》课程的都知道一个知识点『生产力和生产关系：生产力决定生产关系，生产关系对生产力具有反作用』。其中生产力包括劳动资料，劳动对象和劳动者。 如果AI能替代程序员，那么AI是劳动者吗？那些考虑用AI替代人类，或者程序员的人，有没有考虑过对生产关系，对社会的影响。好莱坞已经拍出来这种AI末世电影，如《终结者》的天网，刘慈欣的小说《赡养人类》中的哥哥文明。 如果AI只是定位成劳动资料，类似一种汽车替换马车的高效工具呢，我觉得这种场景下的AI是没有问题，AI它具有明确的作用，明确的替换某个效率底下的劳动工具（非程序员）。然而，他在生成代码方面，我认为仍然被AI公司或者企业成本负责人夸大了，这会在后面说
我模仿了刘慈欣的三体，并结合分布式原理，写了个外传《三体外传：文明的开始》，可搜索阅读
1.2 如果AI已经能做到，为何还没有看到
如今自媒体和信息混乱时代，推论一件事情真假不再是这个事情本身被多少人，多少次反复宣讲，而是从那些未宣讲，被隐藏的事情中去发掘真相。如果AI Coding真的有那些AI厂商说的那么好，那有些事情应该被AI产商大书特书，但AI产商和其媒体代言人（如培训机构）还没有做到，包括
完全使用AI做的开源应该挂在Github或者Gitee上
使用AI做的大中型游戏
一本使用AI自主开发某软件的21天入门书。
中大型企业，互联网大厂声称使用AI开发出的企业应系统，或者80%都是AI开发。或者至少是软件外包公司宣城AI Coding替代（为啥是外包公司，后面有说到）
AI 能进化AI自身，比如从AI 1.0到AI 2.0都是通过AI完成。这有点像开发语言能编译构建本身。
还有些其他具体技术场景AI应该要实现了，这会在下一节实战中列出来。
希望有一天如上事情发生和普及。我才相信AI 真的能编程了。
2 实战层面
上一节从高层次哲学角度描述了AI的局限，这一节从具体技术上来看看AI是否能替换程序员或者裁剪80%的程序员。
2.1 采纳率，准确率，知识沉淀
现在使用AI Coding最经常碰到的话术是使用AI产生的代码采纳率高，生成准确率高，能完成知识沉淀。然而事实是什么呢？目前准确率超过40%都算非常不错的，你能想象一个普通新手程序员给你写的代码，你作为项目经理，只采纳期中40%的代码么？这样的程序员肯定会熬不过试用期。
另外，AI厂商和媒体渲染这种采纳率和准确率，其实暗示了需要程序员花时间去衡量代码的，我认为在准确率没有到达80%前，程序员需要花费时间判断其生成代码准确与否，这同样是低效的的，可能还不如程序员自己手写代码，毕竟好记性比如烂鼻头，自己写的代码自己也好改
还有所谓的知识沉淀，目前看来是代码的调用逻辑图或者文档，这在我看来是一种低级别的，在正儿八经软件系统工程里不会有此产出物。它太低级了，低级到没有被任何软件工程理论说重视。高级的有应该是功能说明书（包含映射到实现代码），或者更高级的流程，或者更更高级的业务架构，数据架构等。如果AI能代替程序员，我们就能问AI要到系统的 TOGAF 全文档。
2.2 AI在软件工程的位置
当考虑用AI替代程序员，或者裁剪80%的程序员时候，你需要知道程序员目前做的事情，是不是真能被替代。从软件公司角度看，大多数门外汉或者公司成本负责人 认为程序员只是编码，所以能被AI或者未来更先进得AI代替。问题是，程序员并不是做Coding这样单纯的工作内容
即使最好的外包公司的程序员，程序员仍然有相当复杂的工作要做，会对接了业务架构（或者功能说明书），数据架构和物理架构，也可能对接详细的用例。如果是维护了多年的企业项目，程序员还接收了系统的历史演进，系统的折中处理。很长一段时间，AI都不太可能从如此多的输入条件中产生正确的代码
比如，你可以让AI学懂围棋规则，能战胜任何人，但你不能要求AI，对方是个领导，要求AI得险胜。
现在AI做不到的，将交给所谓的中间层去做，如Spec，SKill，Plan等等概念，以提高准确率. 甩锅到中间层或者使用AI的程序员上，AI需要这些东西，但最初级的程序员不需要。
2.3 程序员编码真的占用很长时间？
企业用AI本质上是为了提高软件交付速度，以及提高运维系效率。 然而在软件工程里，Coding只是占了程序员很少一部分工作。我在传统企业（电信，金融），以及互联网电商大厂，物联网家电大厂都担任个一线高级程序员。我的编码时间占用了最少的部分。比如，一个从企业高层规划的1年后交付的项目，可能到程序员这里就一个月开发（还可能并行开发和维护其他项目），其他都是业务分析，架构和测试等占用（包括我还要配合他们做事情，以测试为例子，我要对测试内容整理和宣讲，测试用例进行评审以及后期改BUG）。事实上，我可能单纯只有2周的开发时间。如果这个情况在读者你那里也是符合事实，那么用AI工具到底为企业节省了多少时间呢？
我之前一个企业新老板上任，特意统计过程序员提交代码的工时，后来看汇报后大怒：说程序员工作不饱满。那个时候，其实公司好多程序员已疲倦常态化，包括我也是。
2.4 分布式系统下的AI
我的从业经验，都是分布式系统编程，分布式编程除了端功能需求外，还有基础中间件的使用，整体的可观测性。以及高性能，高可用，故障恢复等是系统质量要求 。 驱动分布式系统的架构和实现，是架构质量驱动的！ 实现这些质量实质上是需要权衡和平衡
比如一个有状态应用，那么状态存在本机，还是存在redis里，都需要权衡，取决于性能要求，可靠性要求，已经工时
再比如限流为例子，即可以发送端限流，也可以中间件限流，也可以接受端限流。架构师或者高级程序员需要做出平衡决定。
因此分布式编程，对于AI来说，面领更多的输入选择以及平衡，面领更多的上下游系统。在我看来，光靠AI Coding目前还做不到。
2.5 架构下的AI
如果现在或者未来，某些AI生成能完成技术架构这种高难度的活，这种浮夸我不感觉到意外。对于一个正常流程来说，有了业务架构，数据架构后，才有可能有技术架构。同时，技术架构深受质量驱动，比如高可用，高性能，再比如数据强一致还是最终一致，AI需要面对如此多的输入条件，才有可能完成技术架构，选择合适技术方案。
问题在于，这么多输入条件，并没有统一的形式，比如类似BPM，UML那种，AI就无法做到技术架构。我觉得相比于AI Coding，AI架构更不可能在5年内出现。
2.6 单元测试到可管理的单元测试
我们知道，单元测试如果有100%的覆盖率是最好的，在有100%覆盖率前提下，那就会产生海量的单元测试方法，如何管理这些海量方法，通常会使用Cucumber这种既是可视化的文档，又能直接执行单元测试的工具。
回到AI是否能替代程序员或者能裁剪80%的程序员，我的一个认可标准是AI能完成上面的工作，既生成100%的单元测试+100%的Cucumber可视化文档，且这些文档能自顶向下的组织良好。
我认为只有这样，才表示AI真正理解你的系统（尤其是那种运营了很多年的系统），且能组织好feature特性文件（以对系统知识进行沉淀）。
目前看来，AI Coding生成准确的单元测试都够呛。万里长征只走了第一步。
2.7 分工和外包
任何一个软件系统实现，都依赖其实现的组织机构，AI如何融入这个机构？你也许想着，如果组织能做好分工，把架构级，质量驱动级别的问题留个架构师或者高程，功能特性留个中程。然后用AI去代替初级程序员，是否可行？
我对此表示怀疑，我的从业经验表明，真正的分工是很少这么明确的。架构也许就是程序员本生。而程序员也许是最懂业务的那帮人（一些公司的业务架构或者技术架构可能都需要咨询这些程序员）。你开掉的一个初级程序员，也许就丢失了某些业务知识。 除非是传说中的日本外包公司，据说他们的外包人员对系统一无所知，只拿着用例文档去开发，用例文档详细规定了开发过程，内容近似一个伪编程语言写的
当一个企业想用AI 替代程序员的时候，需要先问一下，自己企业组合结构和运作方式是否跟日本外包一样？
3 企业生态
当公司的高层或者成本负责人畅想AI替代程序员的时候，他们肯定会想到，用少量的程序员辅助AI工具实现系统。想当然认为这些程序必须是资深的，懂业务的。问题是：这些少量程序员从哪里锻炼出来的，他们目前通过手工Coding和老程序员的手把手教导，能锻炼出来，未来能从AI 锻炼出来吗？这些程序员会停滞不前，会从事一辈子在跟AI絮叨工作？（我想出一个职位，AI絮叨员，就是跟AI聊天产出代码那种）。我在想会不会出现老程序员断代的情况，想想为什么美国能在60年代登录月球，现在确没有这个能力了。
AI Coding打破了传统的程序员锻炼和晋升的道路，如果程序员（包括对接的技术和业务架构师）不站出来告诉老板，AI的实际体验和对整个项目的提升效果实情，那堪比996的新的压榨会出现，程序员无法承受的压榨。而这无法像996那样能确实提高·企业的研发速度和系统稳定性。企业和个人是双输。
4 名人对AI的评价
在写本文章的时候，找了一些名人对AI的评价。
4.1 AI攻下奥数，“AI教父”预言数学家将失业，数学界会“变天”吗？
一种声音认为，AI到目前为止只是一个辅助工具，距离独立解决前沿数学研究问题，还需要很久。就在去年，复旦大学上海数学中心青年研究员林伟南通过结合计算机算法，与合作者共同解决了持续大半个世纪之久的126维Kervaire不变量（几何拓扑学中的一个重要概念）问题，获得广泛关注。在林伟南看来，目前的AI更像是“聪明的字典”。自ChatGPT出现以来，AI在数学方面还没有出现新的“颠覆性时刻”，大部分只是技术性的提升。就以考试打比方来说，“好比最好的是80分，明天有AI达到了81分，另一个82分，再一个83分……虽然每走一步都会有报道，但实际上进步不是特别大。
林伟南指出，AI目前在处理高度抽象的数学概念时，仍面临AI幻觉和专用语料库不足的挑战。所以，数学家目前更多是利用AI来补全形式化证明中的琐碎步骤或LaTeX（一种排版系统）代码，核心的思路框架仍需人类主导。对于“AI取代数学家”的说法，他持保留态度：“至少十年内不太可能。
......
数学家陶哲轩在公开分享中提到，他更愿意把AI当作嵌入式助手，而不是“直接吐答案”的黑箱：先由人把问题写成一份可执行的“规格书”（Spec）——包括目标、约束条件、分步计划与每一步的验收标准；再让AI按步骤推进，并在关键节点进行对齐确认；最后再用外部计算工具（如Python）做一次独立核验，确保结果确实满足事先设定的约束。
作者注: Spec,或者其他任何处在AI和人类的中间层事务，都是用来弥补AI不足的，或者AI甩锅用的。 显然，一个低级程序员都不需要SPEC，但AI需要。
4.2 Linux之父谈AI泡沫
更扎心的是他对vibe coding的评价，用AI辅助入门编程确实轻松，但后期维护简直是灾难。很多新手现在疯狂copy代码，根本不理解底层逻辑，项目一大就崩。
4.3 15年老码农被Vibe Coding逼到崩溃
他粗略估算，自己的时间分配大致是：
● 50% 用来写需求
● 10%~20% 用来让 AI 写代码
● 30%~40% 则花在修复 AI 搞出来的 Bug 和冗余代码
换句话说，通过 Vibe Coding 真正节省下来的时间并不多。
更让他头疼的是，AI 并不擅长“系统性思维”。例如，一个经验丰富的开发者会写一个通用模块，然后在多处复用；而 AI 可能在五个地方写出五个不同实现，既增加了维护成本，也让项目变得十分混乱。