纽约时报专栏作家Kevin Roose最近发表了一篇文章，核心观点是：门外汉借助AI就能开发应用程序，初级程序员甚至所有软件工程师迟早会被AI取代。这篇文章写得相当精彩，很可能成为周末的爆款。

然而，另一位专家马库斯却公开炮轰，认为Roose只是在重复别人的创意，贩卖焦虑，误人子弟。他警告说，如果孩子们信以为真不再学编程，美国科技业将万劫不复。

这场争论的导火索，是Roose的一次“编程实验”。

他并非程序员，连一行代码都不会写，但过去几个月里，他凭一己之力创作了4款应用：一个转录和总结长播客的工具、一个整理社交媒体书签的数据库、一个判断家具能否放进汽车后备箱的网站，以及一个名为LunchBox Buddy的应用程序——能分析冰箱内容，帮他为儿子准备午餐。

在他看来，这一切全靠AI对编程的“降维打击”。像他这样的门外汉，只要有想法，就能开发出想要的应用程序。

Karpathy推动新潮流

这股新趋势名为“自动编程”（vibe coding），由AI大佬Andrej Karpathy推广。简单来说，就是通过文本提示（prompt），让非技术用户直接创建完整应用和网站。不需要会写代码，只要有想法和耐心，人人都可以参与。

Karpathy在社交平台上形容：这根本不是真正的编程，只是看东西、说需求、跑代码、复制粘贴，但它大多数时候都能正常工作。

这意味着，每个人都能打造“个人专属软件”。AI工具极大地降低了开发门槛，让更多人实现自己的创意。用一两句话描述问题，强大的AI模型就开始构建定制工具——这种体验确实令人震撼，甚至会让Roose产生一种AI眩晕感，类似第一次使用ChatGPT时的感受。

他表示：“这也是向怀疑者展示当今AI能力的最佳方式——模型现在可以自动化大部分入门级别的编程任务，并且很快在其他领域可能实现类似的进展。”

过去一两年里，完全不懂编程的用户，利用一系列新工具，能像专业开发者一样创建软件。这些工具的工作原理大同小异：用户输入需求后，AI自动完成设计，选择合适的编程语言和软件包，开始构建产品。

对于非程序员来说，自动编程简直像魔法：输入一句描述需求，神秘的代码飞速滚动。几秒钟后，一个可运行的原型就出现了。用户可以进一步调整和修改，直到满意为止。整个过程可能几分钟，也可能数小时，取决于项目的复杂程度。

Roose使用bolt，开发了那款帮儿子打包午餐的应用。

AI在接收到指令后，迅速分析任务并拆解为多个组件，自动执行：生成基础网页界面、选择图像识别工具、开发推荐算法。大约10分钟后，AI自动命名的“LunchBox Buddy”应用成功生成。

初级程序员前途堪忧

现在，只要按几次按钮，Roose就构建了以前需要一个工程师团队才能完成的产品。他认为，这一过程充分展示了AI在软件开发中的强大能力。

当然，AI偶尔也会犯错。有一次，他为当地社区的轮胎店构建网站时，AI从该店的外卖平台编造了虚假评论。另一次，在将一篇长篇文章转化为互动网站时，AI只包含了大约一半的内容。

换句话说，自动编程仍然需要人类监督。它可能最适合业余项目，而不是关键任务。但这种情况可能不会持续太久：许多AI公司正在开发可以完全取代人类程序员的软件工程智能体。AI已经在竞争性编程测试中取得了世界级成绩，包括谷歌在内的几家大型科技公司，已经将许多工程工作外包给AI系统。

根据Anthropic的说法，2025年是人类优于AI的最后一年：“到2025年底，AI编程能力将达到非常高的水平，并可能在2026年底与最优秀的程序员相当。”

初级程序员最有可能被AI取代。Roose并非盲目乐观，但他认为，构建应用程序来自动化生活中烦人或耗时的任务，似乎是AI的一个好用途。所以他会继续利用自动编程——至少直到他孩子能自己打包午餐为止。

马库斯：纽约时报可真能吹

马库斯则认为，Roose的文章充分暴露了他根本不懂软件工程。文章聚焦AI在编程领域的应用，充满了理想化色彩，却有意无意地淡化了实现这一愿景面临的重重阻碍。坦率地说，这类文章很多都像是为大科技公司做营销，只会让科技寡头变得更强大。

Roose在文中描述了用AI工具开发应用的“令人震撼的体验”——仅用寥寥一两句话描述问题，AI便开始自动构建定制工具。这种描述让读者对AI编程的未来充满憧憬。然而，深入剖析细节，却发现许多严重问题。

代码和应用并非原创

从创新来看，Roose提出的从照片生成食谱的点子并非原创。网上早已存在大量拍摄冰箱照片并推荐食谱的代码库与教程，比如“深度美食”（deep-food）项目。他所使用的AI系统很可能是基于这些已有代码进行训练的。他似乎并未深入思考技术的原创性和独特性，只是在重复已有的成果，而忽略了编程中最关键的创新要素。

Roose不懂编程实际困难

其次，Roose对“二八法则”存在严重的误解。在AI领域，获得正确率达到80%的解决方案相对容易，但要实现最后的20%的精准度却异常困难。以汽车无人驾驶为例，几十年来一直面临这种困境。Roose虽然承认当前AI系统存在缺陷，却严重低估了实现更高精准度的难度。2023年，在他对聊天机器人的报道中，也犯了类似的错误，低估了“幻觉”问题的顽固性。新的研究表明，即使是最新的GPT 4.5系统，在标准化测试中仍有超过三分之一的输出结果存在“幻觉”现象。

AI编程中的代码错误，很可能会在未来数十年内持续存在。Roose从未真正编写过代码，所以缺乏对实际编程困难的认识。

调试与维护才是重头戏

编写代码只是第一步，调试代码以及长期维护代码才是更为艰巨的任务。对于非程序员来说，修复AI编写的代码更是难上加难。如果“午餐盒伙伴”的图像识别系统出现故障，用户将面临诸多困扰。而在自动电子邮件编写等场景中，代码错误可能造成更严重的后果。Roose却对调试和维护方面的挑战避而不谈，这无疑扭曲了AI编程系统的实际应用难度。

几乎任何一位专业人士都能指出，他所用的例子过于简单，根本无法有效测试AI编程能力。同时，他严重低估了调试及更复杂场景所需的工作量。很多专业程序员对Cursor AI等自动编程工具深感沮丧：

“我取消了Cursor订阅。在设计和构建UI及交互方面，它们并没有太大帮助。我发现自己浪费了大量时间，试图引导它们生成更好的内容。最终我总是感到沮丧和疲惫。我自己可以做得更好。”

科技作家Mayo Olshin一针见血地指出：“如果因为缺乏专业知识，或者不愿意仔细检查结果，而盲目信任AI的输出，那么长远来看，它所带来的危害，将远远超过短期内的生产力提升。”

盲目炒作、误人子弟

这种对AI的盲目炒作影响深远，尤其是教育领域。许多家长和教育工作者会对《纽约时报》中的观点深信不疑。这可能导致越来越多的人劝阻孩子学习编程——认为随着AI发展，学习编程已不再重要。然而，至少在未来一二十年甚至更长时间内，大型项目开发仍然离不开经验丰富的软件架构师。

如果这种不切实际的炒作导致孩子们对编程望而却步，科技发展将面临严重的人才短缺问题。曾经出现过类似情况：2016年，Geoff Hinton断言“我们现在就应该停止培训放射科医生，因为深度学习将在五年内超越他们”。九年过去了，数百家相关初创公司涌现，但至今没有一位放射科医生被完全取代。这充分说明，对技术发展的预测不能过于盲目乐观。

对自动编程技术的大肆炒作，很可能导致程序员短缺的困境。不加批判地鼓吹技术，实际上是在增强科技寡头的影响力，而社会最终将为此付出沉重代价。