随着程序员在工作中越来越多地使用生成式人工智能，他们的职责正迅速从从零开始编写新产品，转变为监管大型语言模型拼凑出的代码。

芯片优化软件公司Infinity的创始人Jeremy Nixon告诉《商业内幕》，一些工程师已经无法理解AI生成的代码内容。

这一现象令人担忧，因为研究发现，广泛使用AI可能导致认知能力下降和技能退化，包括计算机科学领域。开发者担心，随着雇主不断推动更多AI自动化，软件工程师正逐渐远离实际编写代码和学习构建大型项目所需的新技能。

甚至在前沿AI实验室工作的员工也对同行无法理解AI模型输出感到震惊。今年早些时候，独立研究机构SemiAnalysis的技术人员Jordan Nanos在采访中透露，OpenAI的工程师在浏览自己公司图形处理单元内核代码时，根本不明白自己在看什么。该内核是公司优化硬件以训练和运行AI模型的核心程序。

Nanos告诉Fireside Alpha的Mansour Karam：“那些和我们一起浏览代码的人，显然对硬件和系统概念非常了解，但他们完全不清楚DeepSeek展示的MLA内核具体做什么。”

他补充道：“你逐行查看代码，发现完全看不懂。AI理解代码，AI测试代码，结果显示它生成的内核性能非常好。”

当时，Nanos认为“实际代码不一定需要人类深入理解”，因为“AI知道如何操作你提供的硬件上的数据流和处理单元”。

一个潜在风险是，随着人工监督减少，错误或幻觉可能被忽视。今年早些时候，亚马逊因一系列导致客户订单中断的故障，被迫实施了为期90天的“代码安全重置”。尽管公司否认AI是原因，但内部会议记录显示管理层担心“生成式AI辅助变更”的“高爆发风险”。

软件公司Undo最近的分析显示，向AI代理的转变正在打开闸门。该公司称，约35%的AI生成代码“在工程团队推向生产前未被充分理解”。

同时，29%的软件工程师表示他们每月多次遇到因“需要拆解AI生成代码”而导致的生产力下降，94%的人在过去六个月至少遇到过一次此类情况。

工程师们每天花大量时间审查AI生成代码，这引发了一个令人担忧的问题：使用这项技术是否得不偿失？

对Nanos等人来说，这并非能力不足，而是“软件开发范式转变的体现”，正如AI研究员Sergey Cleftsow在近期Medium文章中所说。

他写道：“换句话说，AI已经发展到无需担心许多细节的地步。开发者只需定义架构和正确性标准，神经网络会处理剩下的部分。”

然而，随着软件开发变得越来越难以识别，这种乐观态度是否能持续仍是未知数。

此外，研究人员同样担忧，新一代工程师成长于一个削弱代码理解价值的环境中，这对日益数字化且以AI为核心的世界秩序来说并非好兆头。