惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
Vulnerabilities – Threatpost
Google DeepMind News
Google DeepMind News
Scott Helme
Scott Helme
NISL@THU
NISL@THU
T
Tor Project blog
T
Tenable Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
P
Privacy International News Feed
Cyberwarzone
Cyberwarzone
Project Zero
Project Zero
S
Schneier on Security
C
Cybersecurity and Infrastructure Security Agency CISA
P
Proofpoint News Feed
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
O
OpenAI News
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
美团技术团队
Hugging Face - Blog
Hugging Face - Blog
V2EX - 技术
V2EX - 技术
H
Help Net Security
C
Check Point Blog
T
The Exploit Database - CXSecurity.com
Forbes - Security
Forbes - Security
人人都是产品经理
人人都是产品经理
U
Unit 42
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Microsoft Azure Blog
Microsoft Azure Blog
D
Docker
I
InfoQ
Schneier on Security
Schneier on Security
K
Kaspersky official blog
罗磊的独立博客
Cisco Talos Blog
Cisco Talos Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
S
Security Affairs
Microsoft Security Blog
Microsoft Security Blog
GbyAI
GbyAI
雷峰网
雷峰网
G
GRAHAM CLULEY
Cloudbric
Cloudbric
IT之家
IT之家
Stack Overflow Blog
Stack Overflow Blog
AI
AI
L
LINUX DO - 热门话题
云风的 BLOG
云风的 BLOG
博客园_首页
T
Threat Research - Cisco Blogs
S
Secure Thoughts
有赞技术团队
有赞技术团队

宝玉的分享

tsshd v0.1.9 已经发布,低延迟的 ssh - OSCHINA - 开源 × AI · 开发者生态社区 一文看懂ChatGPT、Codex、Work 的差别 从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” 大多数公司根本没有为 AI 做好准备 Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品 Cat Wu 面试了几百个 PM 候选人,几乎没人答对一个问题:AI 产品经理到底应该干什么? 两小时激辩:黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制? 设计圈的 Claude Code 时刻来了 使用 Claude Code:会话管理与 100 万 上下文 Vibe Coding 是中年男人的钓鱼 为什么你的"AI 优先"战略可能大错特错? “多智能体协作指南:五种主流模式怎么选、怎么用?” 访谈|Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点 Claude Code 省 Token 指南:慎用 1M 上下文,不开新会话或者总是开新会话都不对 编程智能体的核心组件【译】 Claude Code 源码泄漏了,但我不打算写源码分析分析文章 OpenAI 总裁 Greg Brockman:AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张 Notion 联合创始人 Simon Last:我从去年夏天起就没写过一行代码了 飞书 CLI 开源了,为什么 AI Agent 时代,大家都在做命令行工具? 在中国 AI 生态圈摸底了两周,我学到了什么 AI 发展太快跟不上?一张四象限图帮你做减法 被美国遣返、禁止入境 5 年,他在温哥华的卧室里做出了日处理 400 万工作流的 AI 平台 构建 Claude Code 的经验:我们如何使用 Skills 智能体工程的 8 个等级 编程 Agent 如何重塑工程、产品和设计 当 AI 写了几乎所有代码,软件工程会怎样? 品牌时代 我用 AI 翻译的三个阶段:提示词时代 → 推理模型时代 → Agent 时代 多稿合并:从手动比稿到一键 Skill 陶哲轩最新演讲:AI 不是来抢数学家蛋糕的,是来把蛋糕做大的 设计流程已死:Anthropic 设计负责人 Jenny Wen 谈 AI 时代的设计变革 Greg Brockman(OpenAI 联合创始人)把“那场宫斗”讲完整了:董事会、请愿书、马斯克与控制权 被封杀当晚,OpenAI 拿到了相同条款——Amodei 首次专访揭开 Anthropic 与五角大楼冲突内幕 从写代码到管 Agent:斯坦福首门 AI 软件开发课的讲师说,大多数工程师还没准备好 Anthropic CEO Dario Amodei:海啸已在地平线上,但没人在看 驾驭工程:在「智能体优先」的世界里借力 Codex Coding Agent 有个甜蜜点,多数人直接跳过了 92.6% 开发者每月使用 AI 编码助手,但每周节省时间只有 4 小时 同样的模型,为什么 Cursor 跑不过 Claude Code? Cursor 设计负责人:只会画按钮的设计师,有麻烦了 OpenAI Codex 产品负责人:代码不再由人类编写,但我们会有更多构建者(Builder) OpenAI 应用 CTO 和 Codex 负责人:AI 正在重塑构建软件的方式 Notion CEO:不能被 Agent 用的产品没有未来 提示词救不了平庸的 AI 写作 用 Claude Code 的 Hook + Skill,实现每次提交后自从 commit 提交变更 高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家 59% 用户投票选了更便宜的那个:Sonnet 4.6 全面解读 Jeff Dean 深度访谈:一页纸备忘录促成 Gemini 的诞生,Google AI 的反击与 10,000 Token 的未来 快不等于好:Anthropic 和 OpenAI 的快速模式藏着什么 别再用提示词去 AI 味了,方向就是错的 Anthropic CEO Dario Amodei 访谈:我们正在接近指数的终点 只有 30 个工程师的 X,是怎么重新杀回 App Store 第二的 OpenAI 智能体工程指南:10 条实战技巧和 3 种构建模式 我们真的变成巫师了:OpenAI API 负责人谈 AI 如何重塑软件工程 xAI 全员大会实录:递归自我改进、5000 万视频/天、月球上的质量驱动器 PC 软件为手机重做了一遍,现在轮到 Agent 了 2026 编程巨变:Anthropic 报告揭示 Agent 编程八大趋势 既然 AI 越来越聪明,那么学习提示词不是浪费时间吗? 【访谈对话】造过 Codex 的人,为什么每天用 Claude Code 深度解析:Claude Code /insights 命令的运作机制 马斯克三小时访谈实录:36 个月后,太空是训练和运行 AI 最便宜的地方 Claude Code 团队的 10 个内部技巧,但你不一定都要学
马斯克说今年编程就要死了,你信吗?
宝玉 · 2026-02-13 · via 宝玉的分享

最近一条推文在技术圈刷屏了。大意是:

马斯克预言编程今年就会消亡。不是演变,是消亡。AI 将跳过所有编程语言,直接生成机器能运行的二进制代码。再接上 Neuralink 脑机接口,你脑子里想什么,软件就自动生成。不需要键盘,不需要屏幕,不需要任何编程知识。整个编程职业将在一年内被抹除。

“We're not automating programming. We're erasing it from existence.”

我们不是在自动化编程,我们是在把它从世界上抹掉。

传播效果很好。引发了大量讨论、恐慌和嘲讽。

只有一个问题:马斯克没这么说过。

马斯克到底说了什么

前几天 xAI 开了一场全员大会,马斯克讲到编程模型时说了这么一段话:

“I think actually things will move maybe even by the end of this year to where you don't even bother doing coding. The AI just creates the binary directly. And the AI can create a much more efficient binary than can be done by any compiler.”

翻译过来:我觉得也许到今年年底,你甚至不用写代码了,AI 直接生成二进制,比任何编译器都高效。

注意他的措辞:“I think”、“maybe even”。这是一个即兴推测,不是一个经过论证的技术预言。

看看上下文。就在马斯克说这番话之前,xAI 编程团队负责人 Mro 刚刚做完汇报,他说的是:

“The models, they actually produce good, decent quality code. You still need to review and give feedback, but it's easy to see how they can accelerate you quite a lot.”

模型确实能生成不错的代码了,但你仍然需要审查和反馈

Mro 说完,马斯克接过话头就跳到了“年底不用写代码了”。他自己团队说的是“你还得审查”,他说的是“不用写了”。同一场会,相隔不到一分钟。

至于"Neuralink 读脑"、"想象力即软件"、"编程职业彻底崩塌",在这场 45 分钟的全员大会里一个字都没出现过。全是推文作者的二次创作。

马斯克原话 vs 谣言版本

但即便只看马斯克真正说的那句话,“AI 直接生成二进制、比编译器更高效”,这个判断本身站得住脚吗?

“AI 直接生成二进制”,听起来酷,但有三个硬伤

做个类比。我们平时写的程序,不管用什么语言,最终都要被翻译成机器能执行的二进制代码,就是一堆 0 和 1。这个翻译过程叫编译。编程语言是人类写给机器的信,编译器是翻译官,二进制是机器真正读得懂的语言。

马斯克的意思是:以后不需要写信再找翻译官了,AI 直接用机器的母语跟它沟通,而且比翻译官说得更地道。

AI 在底层代码优化上确实做出过一些真东西。Google DeepMind 的 AlphaDev 用强化学习找到了比人类更快的排序算法实现,已经进了 C++ 标准库。Google 的 MLGO 框架把机器学习引入了编译器的优化决策。

但这些成果有一个共同特点:都是在定义清晰、输入输出明确、正确性可以自动验证的小问题上做到的。从这里跳到"给 AI 一个目标,它直接生成整个软件的可执行文件",中间隔着三座山。

AI 直接生成二进制的三个硬伤

第一座:跨平台。

二进制代码是写给特定硬件和操作系统的。Intel 芯片和苹果 M 系列芯片指令集不一样,Windows 和 Linux 运行环境不一样,手机和服务器架构也不一样。你想让同一个功能在不同平台上跑,就得有某种中间抽象层来屏蔽差异。这就是编程语言存在的理由之一。AI 直接生成二进制不是消灭了这个问题,只是把它藏起来了。

第二座:可审查。

在真实的软件工程里,代码需要被人审查、对比修改记录、出了问题能回溯。你得知道上次上线改了哪三行,今天的 bug 是不是那三行引起的。如果 AI 只吐出一堆二进制,没人能看懂它做了什么。在金融、医疗、航空、自动驾驶这些行业,监管机构不会接受一个黑盒子上线。马斯克自己的特斯拉就在被审查自动驾驶系统的安全性,他应该比谁都清楚这一点。

第三座:可靠性。

传统编译器有一个 AI 做不到的特性:确定性。给同样的源代码,编译器永远输出同样的二进制。整个现代软件工程的安全和测试体系都建立在这个基础上。AI 天然是概率性的,同一个需求问两次可能得到不同结果。哪怕每次结果都能跑,你怎么确定行为一致?怎么做回归测试?怎么在出事后复现问题?

同一场大会上,xAI 的 ML 基础设施负责人讲了训练 Grok 3 的故事:十万块 GPU 要同步工作,一个训练步骤 5 秒,期间交换机抖动、GPU 烧毁、数值溢出,什么都可能出错。他们最终把训练系统的软件“几乎重写了一半”才搞定。15 个人的团队,啃了一个极其具体的工程问题。

这种活,你觉得“告诉 AI 目标,它直接生成二进制”就能搞定?

编程不会死,但正在变

马斯克的方向判断没有错。AI 确实在大幅减少人类手写代码的工作量。写样板代码、生成测试用例、做文档注释,AI 已经做得不错了,这个趋势会继续。

但更可能的走向是:编程语言和工具链继续存在,只是从**"人写"变成"AI 写、人审"**。人类的工作从“敲每一行代码”变成“描述需求、定义约束、审查输出、承担责任”。

历史上每一次新的抽象层出现都有人说“编程要死了”。汇编语言出来时有人说不需要写机器码了,C 语言出来时有人说不需要写汇编了,低代码平台出来时有人说不需要开发者了。每一次的实际结果:软件系统变得更复杂,工程师不是更少而是更多

编程要死了预言史

程序员的角色在变,从“敲代码的人”变成“AI 系统的架构师”。这跟“编程死亡”是完全不同的事。

Neuralink 那段就更不用说了

传播最广的 Neuralink 叙事是推文作者自己编的。马斯克在大会上谈太空的部分是关于算力部署,月球上建质量加速器发射 AI 卫星,跟脑机接口没有任何关系。

Neuralink 目前的实际进展:全球 21 名临床试验参与者,主要用途是帮助重度瘫痪患者控制光标。脑机接口读取的是运动皮层的神经信号,不是你脑子里的“想法”。你“尝试动手指”的电信号可以被解码,但你“想象一个带支付功能的电商网站”时脑子里那团模糊的念头,当前技术完全无法触及。

做过软件项目的人都知道,需求沟通是最难的环节。人在动手之前往往不知道自己到底要什么,跟表达能力没关系。脑机接口解决不了这个问题,它连问题的边都没摸到。


同一场大会上,xAI 每一位团队负责人讲完自己的方向后,几乎都以**"我们在招人,请加入我们"**结尾。编程团队在招、基础设施在招、内核团队在招。马斯克本人也说 xAI 编程模型"两到三个月达到最先进水平"。不止是 xAI,所有前沿 AI 公司都在招开发工程师。

言行不一:不用写代码 vs 疯狂招人

一边说年底不用写代码了,一边疯狂招写代码的人。你要信哪个?

别听他怎么说,看他怎么做。