有兩個站在硅谷最深處的AI天才，喬治·霍茲（George Francis Hotz）和卡帕西（Andrej Karpathy），為了AI編程這件事吵起來了，而他們背后，正是硅谷乃至美國AI市場的撕裂。

到 6 月 1 日，喬治·霍茲那篇博客已經發酵了一個多星期。5 月 24 日，他斷言把 AI Agent 引入軟件開發，將是這個行業史上最昂貴的錯誤之一——起初像是一個著名黑客的牢騷，可接下來幾天說明，這不是他和卡帕西兩個人之間的口角。

以唱衰大模型著稱的加里·馬庫斯當即把它拔到了萬億市值的高度——當連霍茲這樣的硬核 AI 擁躉都開始說"代碼就是垃圾、會拖垮大公司"，整個生成式 AI 運動就成了一場巨大的謊言——因為編程正是它的頂梁柱，一旦人們想明白，泡沫就會破。

當 AI Agent 開始替人寫代碼，軟件行業最核心的爭論已經不再是"它有沒有用"，而是：它到底是在提高生產率，還是在用最貴的Token制造一場更難被識別的工程災難？

而這，不是兩個普通程序員之間的技術口水仗。

——導語

01 兩個天才之爭

卡帕西背后，是辛頓、李飛飛、OpenAI、特斯拉和 Anthropic。

他是 OpenAI 最初十一位聯合創始人之一、特斯拉前 AI 負責人、李飛飛的學生，曾在斯坦福那間改變了計算機視覺史的實驗室里讀博。他是"vibe coding"（氛圍編程）這個詞的發明者，也是過去十年最擅長把復雜 AI 系統講給普通人聽的人之一。現在，他走進了 Claude 的研發腹地。

霍茲背后，是iPhone破解、PlayStation 3逆向、索尼官司、馬斯克和自動駕駛黑客文化。

17歲那年，他是全球第一個破解iPhone的人；后來他逆向了PlayStation 3，被索尼告上法庭；再后來，他創辦comma.ai，想用后裝設備挑戰特斯拉的 Autopilot。他不是學院派，也不是大廠高管。他的成名方式一直很簡單：拿起螺絲刀，撬開系統，找到那枚真正起作用的螺絲。

這兩個人都站在 AI 世界很深的地方，只是位置相反。一個在權力中心內部，看見模型能力正在重寫軟件工程；一個站在系統之外，認定 Agent 編程會把軟件工業推向一場昂貴的自我欺騙。

而 AI 代替人類編程這列火車，已經隆隆開出了車站——谷歌說 75% 的新代碼已經由 AI 生成、再由工程師批準；扎克伯格預測，AI 很快將編寫和審查 AI 團隊的大部分代碼。

在工具一側，Claude Code、Codex、Cursor、Devin 把"讓 AI 寫代碼"從編輯器里的補全，推到了一個更激進的位置：讓機器讀需求、改文件、跑測試、查文檔、提交補丁，甚至同時調度多個子 Agent。

霍茲想攔下這列火車，卡帕西則試圖攔下霍茲。

為了剎停它，霍茲站出來說：這可能是軟件開發史上最昂貴的錯誤之一。他在博客里寫道："Agent 不會編程，而且我們意識到它們不會編程這件事，正在變得越來越難。"

他說這句話的五天前，卡帕西剛剛加入 Anthropic，并公開表達了一個相當明確的態度：AI Agent 已經改變了軟件開發。

這兩句話，剛好把整個行業的矛盾撕了開來。問題不再是 AI 有沒有用——那太淺了。真正的問題是：當低水平的人也能用最貴的 Token 生成天量代碼，而且很多大公司（也包括中國科技巨頭）正把"AI 使用率"當成組織進步的指標，以及更多的"一人公司"都在依賴AI編程講故事……這些“將得利益者”會產生巨大的焦慮和自我矛盾。

因為他們也想搞清楚，軟件工業到底是在迎來了一次生產效率革命，還是在此之前，必須先把技術債、漏洞、維護成本和人才斷層這些賬單統統結清？

霍茲和卡帕西，就是這場爭論中，最戲劇化的兩張臉。

一個一生都在拆機器，直到把封閉系統撬開為止。一個一生都在解釋機器，直到把復雜系統講給所有人聽。他們都癡迷于理解復雜系統。

02 一個用撥片撬 iPhone，一個在油管教人玩魔方

這兩個人為什么會在 AI 編程上吵得這么有代表性，要從他們的少年時代說起。

2007 年，新澤西州格倫羅克鎮，一個 17 歲少年握著一臺當時全世界最封閉、也最誘人的電子產品：初代 iPhone。它只能在 AT&T 一家運營商的網絡上工作，軟硬件都被蘋果層層鎖死。霍茲想讓它自由。

他沒有先去寫一個漂亮的軟件工具，而是直接動手。他用修眼鏡的小螺絲刀擰開機背的螺絲，拿一片吉他撥片沿著外殼那道幾乎看不見的縫隙滑了一圈，把殼子撬開。接下來是焊接，是改電路，是硬件層面的攻堅。幾天后，他成了世界上第一個公開解鎖 iPhone 的人。然后他做了一件很霍茲的事：跑到網上炫耀。一夜成名，他從此有了個代號，geohot。

這一幕幾乎是他一生方法論的預告。面對封閉系統，他的第一反應永遠不是接受接口，而是拆開它——哪顆芯片決定了邊界，他都要親眼看見。

幾乎在同一段時光，另一個少年也在跟復雜系統較勁，只不過他不是把東西撬開，而是把它講明白。

卡帕西 1986 年生于當時捷克斯洛伐克的首都布拉迪斯拉發，15 歲隨家人移居多倫多。2006 年，他在 YouTube 開了個頻道叫 badmephisto，發魔方速擰教程，把一個看上去無從下手的系統拆成一步步誰都能跟著做的指令。那些視頻后來累計播放超過 900 萬次，連世界級速擰高手 Feliks Zemdegs 都看過。

這件事不是花邊。卡帕西后來做的很多事都帶著同一種氣質：他有一種極強的分享欲，幾乎是一種解釋的沖動。看到復雜系統，他不只想弄懂，還想講給別人聽。魔方如此，神經網絡如此，ImageNet 如此，GPT 如此，vibe coding 也如此。

兩人連師承都涇渭分明。霍茲從沒走完任何一條體制內的學術路徑，是典型的自學成才、誰也管不住。

卡帕西走的是一條金光閃閃的正統血脈：多倫多大學本科上過"深度學習教父"辛頓的課，斯坦福讀博師從"ImageNet 之母"李飛飛。

一個在體制外破墻，一個在體制最核心的傳承里登堂入室。多年以后，正是這兩條路，把他們送到了同一個問題面前：當機器開始寫代碼，人到底還需要怎樣理解機器？

03 五個律師、一個人肉基準，和都做過馬斯克的朋友

成名的代價，霍茲很快就嘗到了。撬完 iPhone，他轉向索尼，2009 年底拿到 PlayStation 3 的讀寫權限，把能打開整臺機器的關鍵信息公之于眾。

索尼派律師把這個二十出頭的年輕人告上法庭。霍茲沒有躲，反而把事情鬧大：他網上募捐、兩天籌夠辯護費，甚至錄說唱視頻懟索尼，主張始終只有一句——我花錢買下的東西，憑什么由他們批準我能拿它做什么？

最后，2011 年雙方和解，他承諾不再逆向任何索尼產品。但這場官司激怒了黑客社群，此后索尼遭遇一系列攻擊，其中 PSN 事件波及約 7700 萬賬戶、服務中斷二十多天。霍茲一再聲明與攻擊無關。

這件事說明了一點：技術沖突一旦和封閉生態、法律機器、社群情緒纏在一起，就會外溢成更大的系統性事件——他后來對一切復雜系統都保持距離，這是他的執念。他關心的從來不是表面功能，而是它能不能被看懂、被控制、被拆開——這件事在他對AI編程缺乏底層信任起到了極大的作用。

而在大陸另一端，卡帕西正在做一件聽起來樸素、卻堪稱他一生隱喻的事：親自去和機器比賽"看東西"。

2014 年，深度學習剛在圖像識別上顯出鋒芒，最強的卷積網絡在 ImageNet 上的錯誤率已經低到驚人。要判斷機器有沒有逼近人類，得先知道人類水平是多少。

于是卡帕西坐下來，做了一個普通人絕不會做的工作——他模仿機器，一張張看圖、歸類，給人類這一方測出了真實成績：top-5 錯誤率 5.1%，而他那些耐心更差的同事高達 15%。其中，他發現人類最吃力的，是極其細微的區分，比如一百多種長得幾乎一樣的狗。從此他給自己起了個半玩笑的稱號："ImageNet 的參考人類"。

一個人用肉眼去和機器比賽看世界，親手測出人與機器之間那條線在哪——這是他正統履歷背后的內心狂野。

也是那前后，2015 年，他寫下后來被無數人引用的《循環神經網絡不可思議的有效性》。

那是他訓練的一個很小的字符級模型，讓它模仿莎士比亞、模仿數學排版，甚至模仿 Linux 內核源代碼。結果那玩意兒吐出來的東西乍看像模像樣，細看處處似是而非——它學會了代碼的"樣子"，卻不懂代碼的"意思"。卡帕西為這個會產出"看著像樣、實則破碎的代碼"的小模型感到驚訝和嘆息。

某種意義上，卡帕西的經歷比霍茲更貼近AI編程這件事，也更矛盾——他嘗試過這件事，為這件事的結果不滿意而嘆息過，但最終他成了力挺這件事的人，這其中有多少心路上的轉折？

真正把兩人的人生放進同一個尺度的，是埃隆·馬斯克。

2015 年前后，馬斯克想招霍茲去特斯拉做新一代 Autopilot，開出據說帶數百萬美元獎金的條件。霍茲拒絕了，公開說馬斯克"不斷改變條件"，并撂下狂言：這套自動駕駛他一個人就能做出來。然后他真就回家，在車庫里花約一個月把一輛本田謳歌改成了自動駕駛原型車，彭博社為此做了篇著名報道。

他還向馬斯克下戰書，要拿這輛謳歌去洛杉磯 405 號高速對決一輛開著 Autopilot 的特斯拉，但馬斯克沒有應戰。

霍茲拿到頂級風投投資成立 comma.ai，做 999 美元的后裝智能駕駛改裝套件，2016 年秋天發布。然后監管來了——加州車管所禁令，緊接著是美國國家公路交通安全管理局一封措辭客氣卻威脅著每天最高約兩萬美元罰款的信，里面有一句讓他無言以對：幾乎可以肯定，會有司機以超出預期用途的方式使用你的產品。

霍茲當場把產品砍了，發推說寧可把人生花在開發牛逼的技術上，也不愿對付監管和律師，然后開源方案、轉身走人。

這個母題在他身上反復出現：退出 iPhone 越獄，砍掉 comma one，2022 年又自薦去給剛接管Twitter 的馬斯克當了一個月"實習生"，只換舊金山生活成本。

臨走前，他學馬斯克發投票問粉絲該不該辭職，六成多說別走，他照樣走，留下一句"該回去寫代碼了"——這是一個永遠站在體制之外、永遠相信"一個真正看懂系統的人能干翻一支大軍"的人。

卡帕西的選擇正好相反。2017 年他接受馬斯克的邀請加入特斯拉，出任 AI 高級總監，直接向馬斯克匯報，主管 Autopilot 視覺系統，一干五年，期間提出影響深遠的"軟件 2.0"理念：未來的軟件不再完全由程序員一行行寫出，而是由數據訓練出來。

離開特斯拉后，他短暫回 OpenAI 參與 GPT-4 和 ChatGPT的工作，之后創辦了一家AI教育公司，做回他從魔方時代起就最擅長的事——把最艱深的東西講給最普通的人聽。

正是在這段做老師的日子里，他隨手在X上造了"vibe coding"（氛圍編程），火遍全球。他最初的描述很輕快——完全交給感覺，擁抱指數曲線，忘掉代碼本身的存在。為此，他還說過那句被引用無數次的話：最熱門的新編程語言，是英語。

一個拒絕馬斯克、揚言單干，一個接受馬斯克、走進核心。他們對馬斯克的相反選擇，恰好對應著對一個更古老問題的不同信任：面對龐大系統，你該信任那個看懂了一切的個人，還是那臺不斷變強的機器？

04 同一個冬天，反向對穿

2025年的冬天是這個故事真正的轉折點。迷人之處在于：兩個人都翻轉過，方向相反，時間幾乎重合，用的還是同一批剛剛成熟起來的模型。

先說卡帕西。很多人不知道，就在 2025 年下半年，這位"vibe coding"的發明者本人還在唱衰 AI Agent，公開說這些產品遠未成熟、外界炒作過頭。可見造詞的人，自己并不那么信AI編程這件事。

但讓他翻轉的是一個具體的周末：他想給自家監控攝像頭做一個能分析視頻的小看板，幾個月前這是一整個周末的活，這一次他只用大白話把任務交給 Agent，看著它自己干了大約半小時——自己排錯、自己上網查方案、自己寫代碼配服務，最后把一個能用的成品交到他手里。

這段經歷讓他改了口，他說，“編程正在變得"面目全非"。他說 Agent 在 12 月之前基本不能工作，之后基本能工作了。他為此下了很重的判斷——這絕不是軟件行業"一切照舊"的時刻。

于是他把那個輕佻的"vibe coding"往更嚴肅的方向推了一步，叫"agentic engineering"。

但卡帕西從沒變成AI編程的無腦鼓吹者，這一點決定了他比看上去難對付得多。

因為即便最興奮時他也守著分寸，他強調：Agent 本質上還是"實習生"，你必須替它把控審美、判斷、品味和監督；它只在能被清楚界定、能被驗證的任務上才真正管用；一個人深厚的技術功底在這個時代不是更小的乘數，而是更大的乘數。

某種程度上，他是對的，他謹慎對待的，甚至和霍茲的關注是相通的。但從自身經驗出發，他是被證據改變了主意的人，而且改得很誠實——他承認自己幾周前還站在反方。

霍茲的方向恰好相反，而且很多人忽略了一點：在這場翻轉之前，他并不是一個從不碰 AI 的老派程序員。他試過，深度試過，而且是在自己最在意的真實項目里試——用各種 Agent 寫 tinygrad，用它們做硬件逆向。對一個一生都要把機器拆到底的人來說，這早已不是"玩一玩"。

六個月下來，他的結論很難聽：Agent 會把所有進展都提前堆在最前面，然后遞給你一根老虎機拉桿，讓你一遍遍去拉，指望它把最后的打磨做完，可它永遠差那么一點。

他真正討厭的就是這"差一點"。在普通人眼里，能跑就行、能演示就行、能交差就行。但對霍茲這樣的人，軟件工程里最值錢的部分，往往恰恰在最后那一點：為什么這個抽象成立，為什么邊界要這樣切，為什么這里不能走捷徑，為什么這個 bug 不能靠再生成一次就解決……這其實是他一生中第一個只能反對，但無法用螺絲刀撬開的復雜系統。

他甚至懷疑，整套"再不用 AI 就會被淘汰"的恐懼敘事，本身就是一場"為了賣 Agent 而制造出來的心理戰"。他給出了那句日后被反復引用的判詞：這將是一個垃圾代碼成噸涌出的黃金時代，也是高質量精品的黑暗時代。

最后，他亮明站隊的位置：在 LLM 這個問題上，他站到了 LeCun 和 Marcus 那一邊——LeCun 近期又一次否認 LLM 擁有智能，理由正是：智能是在陌生情境里找到解法，而不是以不同精度去模仿已有的東西。

在霍茲看來，真正的編程 Agent 需要的是世界模型，而不是現在這套他刻薄形容為"把失敗的測試注釋掉、再告訴你所有測試都通過了"的東西。

把兩人的翻轉并排放在一起：一個曾經測量"人能看見、機器看不見"那條線的人，承認那條線已經被推到了新位置；一個一生都在物理地拆開機器的人，宣布機器寫出的壞代碼正變得更像好代碼、更難分辨，也因此更危險。一個說差距變小了，一個說理解變少了。

這不是兩個意見領袖的對罵，是軟件行業在同一個冬天，突然照見了自己的兩種未來。

05 把賬算清：低水平的人用最貴的 Token 量產垃圾，是真的嗎？

AI 編程是不是偽命題？

不是，這個問題已經過時了。從 Cursor 到 Claude Code，從 Devin 到 Codex，它早已不在演示視頻里，而是進了公司工作流、管理層的效率敘事、投資人對軟件公司成本結構的重新想象。在一些創業公司那里，它甚至成了估值邏輯的一部分：一個小團隊為什么能做過去幾十人的事？因為他們帶著一隊 Agent。

這恰恰是它危險的地方。一件事一旦被放進估值邏輯和組織指標，就不再只是技術問題。它會被 KPI 化，被管理層要求"必須用起來"，也會被低水平使用者當成遮羞布。

要判斷霍茲是不是太悲觀，得把現實世界的證人請上來——而他們的口徑，是完全站在論點的兩端。

第一個證人來自實驗室。METR 是一家專門研究 AI 能力和風險的非營利機構，它做過一次隨機對照實驗：讓有經驗的開源開發者在自己熟悉的成熟項目里，用或不用 AI 完成任務。結果很刺眼：用了 AI 之后，他們反而慢了 19%。更刺人的是后半句——這些開發者事前預測 AI 會讓他們快 24%，事后即便已經慢了，仍堅信自己快了 20%。

感覺變快，實際變慢，本人毫無察覺。這幾乎就是霍茲那句"壞得越來越隱蔽"的實驗室版本。

后來 METR 想用更新的工具重做實驗，卻發現做不成了，因為越來越多開發者已經不愿意在"不許用 AI"的條件下工作。工具可能在變強，但組織越來越難知道自己到底強了多少——因為采用率本身，開始遮蔽真實產出。

第二個證人來自代碼本身。代碼分析公司 GitClear 連續兩年分析了超過兩億行代碼變更，數據干脆得不留情面：2024 年，復制粘貼的代碼塊激增到從前的數倍，并在歷史上第一次超過了被重構、被復用的代碼；衡量"重構"的"移動代碼"占比，從 2021 年的約四分之一，跌到 2024 年的不足一成；而新寫的代碼在兩周內就被推翻重改的比例，幾年間幾乎翻倍。

這組數字翻譯成人話就是：人們在飛快地往系統里堆新代碼，卻越來越懶得去整理它、復用它、讓它保持連貫。這不是某個程序員的懶，這是工具的默認傾向——AI 擅長生成，不擅長收拾。而代碼重復，恰恰是 bug 的溫床。

第三個證人本不該站在這一邊。Mario Zechner 是知名游戲框架 libGDX 的作者，Armin Ronacher 是 Flask 的作者，幾乎每個寫過 Python Web 應用的人都繞不開他的影響。他們還親手打造過爆火 AI 編程工具的核心組件——按理說他們最該為這波浪潮歡呼。但他們反而發出警告，把眼下很多 AI 編程叫做"vibe slop"，這句話的意思是：程序員不再認真設計和測試，而是讓 AI 快速拼出一套東西，最后產出一堆經不起時間考驗的軟件。

Zechner 警告說，基礎設施正在崩潰，軟件比以前漏洞百出；這游戲還能再玩幾個月甚至幾年，但它最終會讓我們付出代價。這句話的分量在于，他不是站在門外罵，他就在屋里。

第四個證人，是錢。

如果說前三個證人是技術語言，Uber 提供的是 CFO 和 COO 能聽懂的語言。Uber 的首席運營官在訪談里說，公司內部 AI 成本正變得越來越難被論證為"合理投入"；此前其 CTO 抱怨公司已經提前花光了 2026 年的 Claude Code 預算。這句話在 Uber 內部引發了認真討論：token 消耗到底換來了什么？

COO 和多位高級工程負責人溝通后得到一個不舒服的結論——token 用得更多，并不意味著公司能同比例交付更多真正有用的功能。他說："這個關聯現在還不存在。"

把這四個證人擺在一起，一個共同的事實浮了出來：采用，不等于價值。

一家公司可以讓 95% 的工程師都在用 AI，燒掉巨量 token，在儀表盤上看到使用率飆升，卻仍然說不清楚：消費者得到的功能有沒有同比例增加？系統質量有沒有提高？事故有沒有減少？

事實上，AI 編程最棘手的地方就在這里——局部體感極強，整體核算很難。程序員寫個腳本真的覺得快，創業者做個 Demo 真的覺得神，但上升到組織層面，token 是真金白銀，代碼審查是真工時，未來維護是真成本，線上事故也是真損失。

所以，"低水平的人用最貴的 Token 生產天量垃圾代碼"這個說法，雖然難聽，卻抓住了要害。它不是在罵初級程序員，它說的是一種組織激勵的扭曲——當公司開始獎勵 AI 使用率、獎勵更多 commit、獎勵更快交付、獎勵"十倍代碼量"，最先被放大的未必是最好的工程判斷，而是最容易量化的表面產出。

這件事在大組織里尤其致命——反饋循環慢，責任分散，代碼庫龐大，歷史包袱深。一個 Agent 能生成看似正確的代碼，卻不知道十年前為什么有人刻意避開這個方案；一個新人能用 Agent 飛快提交 patch，卻不知道它觸碰了哪個業務雷區。

更重要的是，當管理者看到“采用率”提高，就以為生產率提高，卻看不見未來三年的維護成本正在悄悄堆積——這件事，目前在中國也在頻繁發生——各大AI巨頭目前講的都是“采用率”和“替代率”的故事，沒人敢提醒風險，沒人公開討論代價。

這就是霍茲觀點的真正價值所在。他要反對的，不是"AI 能不能寫代碼"——AI 顯然能寫，而且會越來越能寫。他反對的是一種偷換：把"生成速度"誤認為"工程能力"，把"通過測試"誤認為"理解系統"，把"AI 使用率"誤認為"生產率"。

在他看來，Agent 學的是"編程產物"的分布，而不是人類工程師在真實系統里形成判斷、權衡邊界、承擔后果的過程。

代碼和文章不一樣——一篇社論"只要有一部分事實是真的"，就有傳播價值，可代碼的價值不在于“部分代碼可能是對的”，而在于它在關鍵狀態下正確、在系統變化時不成為障礙。

AI編程給這件事上的難度是——過去的壞代碼一眼能看出壞，現在的AI編出的壞代碼極具隱蔽性——它們風格統一、變量名漂亮、注釋完整、測試也綠，它不是以笨拙的方式失敗，而是以流暢的方式失敗。

語法、風格、測試這些過去用來判斷"值不值得信任"的質量信號，正在被模型批量、廉價地偽造出來。

卡帕西是誠實的，雖然他的立場就擺在那里，但他本人都不回避這一點。在近期一檔播客里，他一邊堅持用對了 Agent 能把生產率抬高十倍不止，一邊承認：真去讀 Agent 寫出來的代碼時，他有時會"心臟一驚"——臃腫、滿是復制粘貼、抽象脆弱，能跑，但很糙。最大的鼓吹者，親口印證了 GitClear 的那組數字。

當然，樂觀派的反駁并不弱：模型會進步，上下文會更長，記憶會更好，今天像實習生不代表明天還是實習生。最公允的中間證人是 Simon Willison——Django 框架的共同作者、"提示詞注入"概念的提出者之一，一向對 AI 的可靠性極其警惕。但連他都承認，過去一年 AI coding 工具發生了真實變化，他甚至說 vibe coding 和 agentic engineering 正在變得比他希望的更接近。這句話很微妙：工具確實變強了，連最謹慎的人都在更多地用它；但也正因如此，邊界更難劃了。

于是真正的問題不再是"這列火車要不要緊急剎車"。它已經停不下來，也沒必要簡單停下。真正的問題是：這列火車，到底有沒有剎車系統。

06 兩難：剎車，還是不剎車？

把霍茲和卡帕西的分歧放進真實的產業環境里推演，會得到兩條都很難走的路。

假如霍茲是對的，就相當于，行業某天將集體承認 Agent 編程從根上靠不住，那將不是一篇博客能帶來的后果——所有 AI 模型公司的估值邏輯會被一刀斬斷——編程是當下大模型最大、最能講錢的應用場景，抽掉它，華爾街不會答應，投資基金不會認可，那些把"AI 寫了多少代碼"寫進財報和路演的巨頭與創業公司，市值會瞬間失血。

更要命的是另一頭：那些已經習慣了 Agent 的程序員和組織，被要求切換回舊模式——重新一行行手寫、一個個手調。可他們回不去了。初級工程師的成長路徑已經改道，團隊的工作流已經重建。

假如霍茲的對手是對的，也就是說Agent 編程的能力不會從根底上被否認，而是會一路上升，那場面只會更熱鬧——代碼生成更容易，AI 公司和工具公司的估值繼續上揚，引入 Agent 的大企業市值飆漲，"一人公司""一個人造出十億美元工具"的神話會被一遍遍重講。

但是你是否想到，如果霍茲真正的恐懼在這種鮮花著錦、烈火烹油的時代節奏里真的實現了，那么，很有可能的是——海量"以流暢方式失敗"的代碼，會被持續合并進支付系統、航空調度、電網、交易引擎這些沒人能完全看懂、也沒人愿意承擔后果的龐大系統里，崩塌不會以"今天這個函數寫錯了"的方式到來，而會以一次災難的方式出現，甚至在某個誰也沒預料的邊界條件上，一次性結清。

兩條路之所以值得深入的討論，是因為它不僅僅是樂觀者與悲觀者在斗嘴，而是兩個同時成立的問題——

AI Agent 是否會改變軟件開發？答案已經是會。AI Agent 是否會自動讓軟件工業變得更好？答案遠沒有那么確定。

結語

他們可能都對，也可能都錯。霍茲也許低估了工具進化的速度——歷史上太多看似不可委派的技能，最后都被工具吸收、封裝、商品化。卡帕西也許低估了組織退化的速度——同一件工具，在高手手里是杠桿，在低水平組織里可能是債務機器，而技術的進步從不自動帶來紀律的進步；有時候，它最先摧毀的，恰恰是那些看起來變得"沒那么必要"的紀律。

而我們其余所有人，正生活在他們這場對賭的支票還沒到期的日子里。

       原文標題 : 兩個硅谷天才吵起來了：AI 編程引發現實大災難？