程序员大面积"认知萎缩"：几亿人用 AI 编程，能懂代码的却在灭绝！

如果一个程序员每天都在写代码，却已经好几年没在脑子里真正"跑过"一段代码，他还算得上程序员吗？

当几亿人都能靠 AI 一键生成几万行程序，为什么工业界能读懂底层的人反而越来越稀有，甚至开始被当作"活化石"来抢救？

故事得从某个大厂的凌晨两点讲起。监控大屏上一条血红色的延迟曲线拉成了垂直的直线。

核心支付链路的吞吐量在几十秒内直接掉了九成，网关上堆着几百万笔卡在半路的交易，客服后台的红点闪得像除夕的爆竹。可日志里干净得诡异，没有异常，没有 OOM，只有 CPU 被莫名其妙地打满。

值班的年轻工程师翻着几天前刚合入的一段代码，眉头越皱越紧。那段几千行的逻辑，是他用最新款的 AI 补全工具一口气生成的。缩进整齐，注释详尽，命名规范得像教科书样板。

问题就出在这份"漂亮"上。AI 在处理并发的时候，非常"体面"地套用了它在训练语料里最常见的互斥锁模式，看起来无懈可击，实际上在两处不显眼的调用之间埋了一个隐式的循环等待。

没有人真正在脑子里推演过这段状态机怎么走，包括写下它的那个人。他只是按了 Tab，然后按了合并。

这就是软件工程眼下最尴尬的悖论：一边是史无前例的生产力狂欢，每天有数十亿行代码被 AI 从概率云里挤出来；另一边，是人类对系统底层运行机制的掌控力，跌到了近三十年来的最低点。整个行业正在悄悄进入一场没人愿意承认的"大脑萎缩"。

十年前，你去问一个刚入行的程序员什么时候最爽，他多半会跟你聊自己熬了一整夜，终于用 C 语言手搓出一个内存池，看着指针稳稳跳到该去的位置那种狂喜。

今天你再问同样的问题，得到的答案大概率是："在编辑器里按下 Tab，AI 把剩下的五十行帮我补完了，连单元测试都写好了。"

从"代码的建造者"到"提示词的审核员"，只花了不到三年时间。更贴切的比喻，其实是预制菜包加热员——AI 递给你一袋看上去精致的成品，你撕开塑封扔进微波炉，叮的一声，一份软件就热好上桌了。

至于这道菜里的防腐剂是怎么配的、肉在分子层面究竟发生了什么变性，没人关心，也没人有耐心搞懂。

普渡大学有一支团队做过一次不大不小的实验，抓了 517 个 Stack Overflow 上的编程问题，让 ChatGPT 挨个回答，再请人工去逐条核对。

结论挺刺眼：足足 52% 的答案含有错误信息，其中相当一部分是逻辑错误或者 API 用法错误。但真正让人后背发凉的是另一个数字——参与实验的开发者，有将近 40% 的时候根本识别不出这些错误，反而觉得 AI 写的更靠谱、更有条理。

这让人不由自主地想起 2009 年那架栽进大西洋的法航 447。事故复盘的时候大家才发现，皮托管一结冰、自动驾驶一交出控制权，长期靠系统吃饭的机组，几乎在极短时间内做出了一连串违反空气动力学常识的操作，把好端端一架 A330 硬生生拍进了海里。

今天的软件工程，正在批量制造这种"和平时代无所不能、异常时刻手足无措"的工程师。

问题的根子，其实藏在 AI 编码的底层机制里。生成式模型写代码，本质上是一场超大规模的概率拟合，而不是确定性的逻辑推演。

它并不理解"架构生命周期"这几个字，它只知道在千亿级 Token 训练出来的分布里，接在这一行后面的最可能的几行是什么。它擅长把局部看起来合理的东西堆起来，至于全局是不是自洽，那不是它的 KPI。

一家软件质量分析机构，从 2020 年起一路追踪到 2024 年，把超过 1.5 亿行代码变动摊开来看，看完之后得出了一个让业内人心里一沉的结论：AI 编码工具普及之后，两周内被回滚或者大改的"垃圾代码"比例几乎翻了一倍；

与此同时，代表长期健康度的"重构"操作量，直接腰斩。后续几年更新的数据里，这个趋势还在恶化，重构占比一路跌到了个位数。

一句话概括就是：AI 极其讨厌重构，它只喜欢往后追加。就像一个懒得动脑的建筑工人，房子哪儿漏水了，他不会去检修墙里的水管，而是在漏点上再糊一层报纸，再抹一层水泥，看起来干净利落，等到某天梅雨季一来，整面墙轰然坍塌。

比这更可怕的是达克效应在赛博世界的回魂。斯坦福有位密码学教授叫波恩，他带着团队做过一次对撞实验，让一批开发者在有 AI 助手和没有 AI 助手两种条件下分别写代码。

结果发现，用了 AI 的那一组，写出带有严重安全漏洞代码的概率明显更高；可当研究员反过来问他们"你觉得你写的这段代码安全吗"，这些漏洞更多的人，反倒表现出更强的自信。

这就像一个天天靠导航开车的人，慢慢连东南西北的直觉都丢了，却依然坚信自己是老司机。我们把在脑子里"跑代码"的那点算力交出去了，还错觉自己拥有了神明之力。

当然，会有人跳出来反驳：技术史不就是一部不断抽象的历史吗？从汇编到 C，老一辈骂过新一辈不懂寄存器；从 C 到 Java 和 Python，又骂过新一辈不会手动管理内存。今天用 AI，无非又叠了一层壳而已，有什么好大惊小怪的？

这个类比听着顺，其实漏了最关键的一环。汇编到 C，隐藏的是硬件寻址，但逻辑流是人一手搭的、编译过程是完全确定的；C 到 Java，隐藏的是内存分配和垃圾回收，但类、接口、并发模型，还是要人在脑子里严丝合缝地推演出来。

前两次抽象，都是规则清清楚楚的确定性翻译。而这一次不同——人类第一次，把"逻辑构造本身"外包给了一个连开发者自己都解释不清的黑盒。

这里绕不开斯波尔斯基 在 2002 年那篇著名短文里提出的"抽象泄漏定律"：所有非平凡的抽象，多少都是有漏洞的。Java 的 GC 一旦发生长时间的 Stop-The-World，你必须懂 JVM 才能救场；

TCP 一旦掉包重传引发雪崩，你必须懂链路层才能定位。抽象叠得越厚，泄漏的时候底层刺出来的锋芒就越锋利。

那么问题来了：当 AI 这层史上最厚的抽象开始泄漏，底下漏出来的不是明确的机器指令，而是一座由概率碎片拼出来的逻辑迷宫，谁来当那个递螺丝刀、看得懂电路图的人？

现实是，能递螺丝刀的人，正在被行业主动清理出场。这两年在"降本增效"的旗号下，不少公司大规模优化掉了那些价格昂贵、脾气执拗、坚持要看懂每一行代码的资深架构师，转而批量招聘更便宜、更听话、更会写提示词的年轻工程师。

管理层的算盘打得响：一个能熟练调 AI 的应届生，产出速度看上去是老兵的好几倍，为什么还要留着那些"效率不高"的老家伙？

于是出现了一种颇为荒诞的产业生态：底层地基，是五年前那批真正懂底层的人一砖一瓦砌下来的；上面的业务楼，则由不懂底层的新人靠 AI 每天以数万行的速度往上加盖。远远看过去楼群闪闪发光，走近一瞧，全是钢筋外露、承重不明的赛博违章建筑。

代码库慢慢演变成一片数字考古现场。系统一旦出现深层故障，新一代工程师就像面对一整面刻满象形文字的石壁，语法都认得，意思一个都读不出来。

资深工程师被高价请回来，做的已经不是设计新东西，而是拿着放大镜，一层一层剥开 AI 留下的冗余逻辑，判断哪些是真需求，哪些只是模型顺嘴接出来的概率废话。

这些人有一个新的身份，叫"代码考古学家"。他们大多是那批在指针错误里熬过三天三夜、在死锁现场逐行打印状态的老兵。

也正因为经历过那种苦，他们对代码天然有一份敬畏心，也才有那种在脑子里"运行"整段程序的肌肉记忆。而这份敬畏和直觉，是刷再多提示词也刷不出来的。

技术从来不是中性的，它会反过来重塑用它的人的器官。几亿程序员一起欢呼"写代码越来越简单"的时候，那个曾经由极客们用硬核逻辑和极致手艺一点点搭起来的数字世界，正在悄悄收缩自己的边界。

效率狂欢的另一面，是整个群体的认知能力，正在以肉眼可见的速度萎缩。

所以真正让人不安的问题也许是这个：如果哪天全世界的 AI 服务器因为某种不可抗力停机整整24小时，等着人类的，会是无数陷入停滞的工程项目，还是整整一代程序员面对闪烁的光标，突然发现自己连一个像样的 HTTP 服务，都写不出来？