大模型带火了AI，这是大家的共识。
大模型的应用场景，目前最火的是内容创作和代码编写这两大领域，这也是大家的共识。
在代码编写或者说编程领域，连很多大佬都表达观点：AI将取代程序员。
- OpenAI 首席产品官 Kevin Weil
- 他在播客中表示，AI 的编程能力已超越人类，且不可逆。到 2025 年底，AI 代码自动化将达到 99%，程序员需适应 “监督 AI 工程经理” 的新角色。他进一步预测，十年后“人类手动写代码”将像手工耕田一样过时。
- Anthropic CEO Dario Amodei
- 他认为 AI 在编程领域的进步是 “指数级的”，并直言 12 个月内 AI 将编写几乎所有代码。Claude 模型的实际应用数据显示，37% 的用户交互与编程相关，远超其他领域。
- NVIDIA CEO 黄仁勋
- 他在 2025 年 GTC 大会上称，编程可能已走到尽头，建议年轻人转向生物学、农业等 AI 尚未深度渗透的领域。
甚至，在编程领域还蹦出一个新概念：氛围编程（vibe coding）。由 OpenAI 联合创始人 Andrej Karpathy 于 2025 年 2 月提出的概念。不得不说，外国人在发明概念上的能力也是蛮强的。氛围编程的相关产品，鼓吹的是通过一个聊天窗口就把代码给写了，软件给实现了。
然而，我今天要说的是，无论是“AI将取代程序员”、“氛围编程”，还是“AI + 软件工程”……都是扯淡。
为什么说氛围编程是扯淡？
氛围编程到今天，鼓吹的是一个智能体的黑盒子，帮你搞定编程领域的一切。为什么说这是扯淡，我讲两条最朴素的底层逻辑，大家就能立刻理解。
逻辑一：合取谬误
合取谬误的通俗表达：假设一件事情由 5 个步骤组成，每个步骤的成功率是 90%，那么最终成功率是多少？
答案是：59%（不及格），见下图。
逻辑二：AI 的本质是概率
AI 的发展曾经有两个流派：联结主义和符号主义。我这里不详细解释联结主义和符号主义，简单地说，联结主义呈现的是相关性，是概率；符号主义是因果性，是逻辑。
但是，符号主义失势了，现在的大模型都是基于联结主义的。
上面两条逻辑结合起来分析：软件开发因自身复杂性被称为软件工程，它被视作一个包含若干阶段和过程的流程，远不止 5 个阶段和过程。如果每个过程的执行准确率是90%，那最终结果将是灾难性的！！！ AI 能保证单个过程的 100% 准确率吗？AI 的概率本质决定了其不能，这里还没考虑 AI 的幻觉问题，也没算流程上游过程的错误会对下游过程产生的误导。
所以，用一个 AI 黑盒子完成整个软件工程是不可行的。
更进一步说，任何可被称为工程类的复杂领域，让一个 AI 黑盒子包揽所有工作，同样不可行（大家可以想想，市面上哪些吹嘘的 AI 产品，其实是在鼓吹海市蜃楼般的幻想）。
软件工程与 AI 的结合，并非 “AI + 软件工程”，而应是筑牢软件工程地基后的 “软件工程 + AI”—— 在整个软件工程流程中，于多个环节运用 AI 的能力进行赋能。
补充理由：在软件工程领域，系统的可维护性远比系统的创建更重要。在演示 “氛围编程” 类产品时，一群人总会惊叹于 AI 的智能：一句话就能创建出一个可正常运行的复杂电商系统，太厉害了。
殊不知，电商系统第一次被正确创建，其实微不足道；更重要的是系统的可维护性，包括后续对系统的修改、优化、功能升级等。试想，第一次用 AI 生成了一个复杂系统（包括代码），之后我们发现某些地方不合适，手工做了一点小修改 —— 比如系统上线后，修改了某个配置项。这时，如果要增加一个小功能，让 AI 基于之前生成的代码重新生成，它能智能识别我们手工修改的地方并保留吗？
本篇文章仅仅是简单聊聊 AI 与软件工程的结合，给当下的 AI 热潮泼一瓢冷水。这并非 AI 本身有问题，而是我们使用它的方式存在问题。AI 在软件工程领域大有可为，至于 AI 与软件工程结合的正确方式是什么，后续文章我会和大家继续唠嗑唠嗑。
最后，留一个问题共同思考：AI 落地成功的三要素是算力、算法、数据，当前算力与算法都不是核心，数据才是。若想让 AI 在软件工程领域发挥重大价值，应该如何打通软件工程领域的上下游数据？
感谢阅读，如果觉得不错就点个“赞“吧。如果喜欢我的文字，WX关注“鹿爷聊数智化”，一起交流吧。
