YC掌门4天零代码复活37年古董软件，AGI突破引行业惊呼
新智元报道
编辑：peter东
【新智元导读】一位开发者用四天时间，让AI「盲移植」了拥有37年历史的SimCity代码库。整个过程无人阅读一行原始C代码，仅靠AI生成与自动化测试验证。当AI开始重写软件工程的规则，我们究竟该欢呼还是警惕。
37年老代码，4天完成复活，成本不到30美元。
这是一次足以让软件业重新定价的预演。
当开发者Christopher Ehrlich把OpenAI的5.3-codex对准1989年的SimCity C代码库，并留下目标转身离开时，他交出了一份关于未来软件工程的新答案：
人类不再必须先读懂遗留代码，才有资格改造它；只要能定义行为、建立验证、持续迭代，AI就能把几十年历史的复杂系统重新带回现代平台。
37年老代码，4天AI完成复刻
当Christopher Ehrlich按下回车键时，他可能没意识到自己正在改写软件工程的规则书。
他做的很简单：将OpenAI的5.3-codex指向37年前的（1989）C代码库，设定目标，然后离开。
四天后，这款经典城市模拟游戏在浏览器中复活。不必由人来阅读代码。只涉及极少的干预。只需要一个规格说明和一个不会放弃的 AI。
「我甚至没看代码。」Ehrlich在X上写道，「我只看测试是否通过。」
这份代码有着悠久的历史，最初是Will Wright为Commodore 64编写的汇编代码，后来被移植到C语言，其中的数学运算全靠位运算，变量名如同密码，结构让经验丰富的工程师望而生畏。
整个移植过程运行在每月200美元的ChatGPT订阅上，从未触发速率限制。成本？不到30美元。时间？半周。
对比传统方式：至少需要一支熟练团队工作数月，深入理解每个模块，逐行转换。
想想这意味着什么？
现在每一个现有的遗留代码库都有可能被轻松移植，不论是COBOL 银行系统。古老的政府软件。被困在旧平台上的经典游戏，只需要一个明确的规范。
真正稀缺的，已经不是把代码一行行敲出来的人，而是能把需求讲清、能验证结果的人。
开发者的重心，正在从编码本身，转向规格设计和验证体系。
具体来看，Ehrlich编写了一个「桥接层」，能够调用原始C代码，然后运行基于属性的测试，要求AI生成的TypeScript移植版必须产生完全相同的行为。AI生成代码，之后测试验证，再自动迭代，如此持续循环。
这种方法，可视作是将AI作为引擎，验证作为方向盘的新型工程范式。
SimCity移植项目给了我们一个AGI的预览：当系统能在不完全理解领域知识的情况下，完成复杂领域的工作时，我们就进入了新范式。
这就像第一次看到编译器，我们过去手写汇编，现在只需要描述逻辑。
人类阅读和理解代码的时间，往往超过实际编写时间。
当代码如SimCity般晦涩时，理解成本可能占项目的80%。曾经我们坚持‘理解代码’是移植的前提，现在看来，只需要理解代码的行为。
传统软件工程教育可能需要彻底重构，之前是教学生如何写代码，现在需要教他们如何不写代码也能构建系统。
不过，也不是所有人都这么乐观，毕竟完整的复现现有的功能，只是一个定义明确的任务。正在考验vibe coding能力的，是看它能不能新增功能。
YC初创公司已全面拥抱氛围编程
根据CNBC最新报道，当前Y Combinator初创公司中，25%的企业95%的代码由AI编写。这些公司以不到10人的团队实现1000万美元营收，资本效率达到历史峰值。
「如果你仍然对AI编码持怀疑态度，说明你没在关注。」一位硅谷风险投资人直言，「问题不再是AI是否会改变我们构建软件的方式，而是你是用它来构建，还是在旁观望。」
4天复现Simcity的评论中提到另一个案例：象棋游戏KingsGambitGame「全都是由AI编程的，展示了这种模式已从小型实验扩展到完整的产品开发。
音乐制作人转型开发者创建AI编码框架并被科技巨头采用的例子，进一步强化了「AI赋能个体创造力」的叙事，即专业背景不再是技术实现的门槛。
「应用开发者可以将重复任务卸载或自动化，并利用大语言模型生成新代码。」CNBC记者Kate Rooney在报道中写道，「在某些情况下，AI可以编写整个应用程序。」
Y Combinator CEO Garry Tan在采访中更直言：「过去需要50或100名工程师团队完成的工作，现在10人就能搞定。你不必筹集那么多资金，资本续航时间大幅延长。」
数据佐证：YC 2025冬季批次的公司在聚合层面实现了每周10%的增长。「不仅仅是头部一两家公司——整个批次都在以10%的周增长率增长。」Tan强调，「这在早期风险投资史上从未发生过。」
考虑到全球仍有价值数万亿美元的COBOL银行系统、政府软件、工业控制系统困在过时硬件上。AI移植意味着这些系统可以在不被完全理解的情况下，适配现代化硬件。
当AI能处理人类从未触及的无数Bug和功能积压。未来代码库规模可能增长10-100倍，约束代码库增长的因素正从「人力」转变为「算力」。
面对AI编码的崛起，硅谷出现两种声音：
焦虑叙事担心初级工程师岗位减少，编程的价值下降，传统职业路径断裂。
机遇叙事描述的画面更具吸引力。那些没能在Meta或Google找到工作的工程师，可以用10人团队建立年收入1000万或1亿美元的企业。
YC数据显示，80%的演示日公司聚焦AI，其余为机器人和半导体初创公司。与前几代不同，这些公司更早获得商业验证。
你可以打电话给真实客户，如果他们说：「是的，我们每天都在使用这个软件。」
这就是一个值得投的项目。
参考资料：
https://x.com/garrytan/status/2024260964838940789
https://x.com/ccccjjjjeeee/status/2024160492039811300
https://garryslist.org/posts/ai-just-ported-simcity-in-4-days-without-reading-the-code
https://cnbc.com/2025/03/15/y-combinator-startups-are-fastest-growing-in-fund-history-because-of-ai.html
相关攻略
从零到一：用AI生成一份专业的媒体影响力报告 但凡在内容或运营团队待过的人，大概都对制作《媒体影响力报告》这类活儿记忆犹新。那过程，堪称一场跨部门接力赛：运营同事得先从各个平台后台手动扒拉数据，计算阅读量、粉丝增长和互动率；拿到一堆冰冷数字后，还得拉着账号负责人反复琢磨定位和文案；最后，抱着半成品火
封面新闻记者 邹阿江 图由航空工业成飞提供 2026年“五一”国际劳动节前夕，航空工业成飞的技术专家聂海平，荣获了一枚全国五一劳动奖章。 消息传来，身边同事都说，“大师”拿奖是实至名归。可聂海平自己呢，还是那副老样子——摆摆手，说自己不过是个普通人，幸运地站在一个好平台上，干着点自己感兴趣的事儿罢了
编辑 | 王凤枝 “AI时代，每天干3个小时就足够了。” 这句话出自前亚马逊资深工程师、技术大牛史蒂夫·雅吉（Steve Yegge）之口，算得上是对当前AI狂热的一剂清醒剂。 当整个行业都在为“10倍提效”而欢呼雀跃时，雅吉却点出了一个被普遍忽视的代价：在AI的高强度辅助下，程序员的产出固然爆炸式
一、概述 每天重复相同的操作，是不是感觉有点枯燥？比如，你每天都要煮饭，得经历洗米、加水、按下煮饭键这三步。如果每次都要从头到尾念叨一遍这个过程，那可就太费劲了。 别担心，函数就是来拯救你的。在Python的世界里，函数就像一个“一键煮饭”的智能按钮。你只需要把那些重复的步骤打包成一个固定的“命令”
吃透Pandas两大“数据汇总神器”：透视表与交叉表实战指南 在数据处理的工具箱里，如果说基础的清洗、筛选是基本功，那么多维度、交叉式的数据汇总，往往就是区分新手与熟手的分水岭。面对诸如“按地区加品类统计销售额”、“分析不同省份的商品订单分布”这类需求，如果还停留在手动分组、多层循环的老路上，不仅代
热门专题
热门推荐
分析数字货币基本面需从项目愿景、技术架构、经济模型及团队背景等多维度入手。核心在于评估其解决实际问题的能力、技术实现的可靠性以及代币经济的可持续性。这要求投资者深入研究白皮书、代码进展、社区生态和治理机制，而非仅关注价格波动。基本面分析是理解项目长期价值、识别潜在风险的关键方法。
虚拟币基本面分析需关注项目技术架构、代币经济模型、团队背景与社区生态。技术层面评估共识机制、可扩展性与安全性；经济模型分析代币分配、通胀机制与实际效用；团队与社区则考察开发能力、治理透明度及用户活跃度。综合这些维度，可更客观判断项目的长期价值与风险。
Tokens：数字世界的“多功能凭证” 简单来说，Tokens是一种基于现有区块链技术发行的数字凭证。你可以把它想象成数字世界里的“积分”或者“股票”，它代表着某种权利、价值或功能。 2025年虚拟货币主流交易所： 币安： 欧易： 火币： Tokens到底是什么？ 从技术层面看，Tokens并非独立
加密货币基本面分析着眼于评估数字资产的长期价值，而非短期价格波动。它主要考察项目愿景、技术架构、代币经济模型、团队背景及社区生态等核心要素。通过分析这些内在因素，投资者可以更理性地判断一个项目是否具备可持续的竞争力与发展潜力，从而做出更明智的投资决策。
周一清晨，一家拥有110名员工的农业科技公司，全体员工突然发现自己的Claude账户无法登录。这并非个别现象，而是全员遭遇。从Slack运维频道出现第一张截图开始，短短十分钟内，整个公司都在询问同一个问题：我的Claude出什么问题了？ 答案很快揭晓——问题不在用户，而是Anthropic对所有账号