编辑 | 姜篇

"better than at least 90% of humans at writing software"

马斯克：在编写软件方面，AI 已经超过至少 90% 的专业软件工程师。

这句话出现在一场关于就业的追问里。

主持人问马斯克：AI 究竟会以多快的速度取代人的工作？

马斯克先给工作分了类。

现实世界里的工作还要等待机器人拥有可靠的 " 手和脚 "。办公室里的工作已经全部数字化，只要一台电脑或一部手机就能完成，因此会更早受到影响。

说到这里，马斯克点名了软件工程。

他判断，AI 写软件的能力已经超过至少 90% 的专业工程师。这个比例还会继续升到 99%。

马斯克认为，程序员也会遇到类似的时刻：人类继续写代码，单纯比拼实现速度已经没有胜算。

马斯克没有说明这个 90% 来自哪款模型，也没有公布测试任务。

因此，我们更关心 90% 背后的工作变化：AI 会先代替程序员手里的哪些任务？开发者还能依靠什么建立优势？团队又该怎样检查一个比人写得更快的 Agent？

以下为访谈内容，我们进行了翻译与整理。

马斯克声称 AI 写软件已超过 90% 的专业软件工程师

主持人先提到了 Anthropic 联合创始人 Dario Amodei 对初级白领岗位的警告，随后问马斯克：AI 究竟会以多快的速度替代工作？

马斯克：我认为，数字化岗位会先感受到变化。凡是主要通过电脑和手机完成的工作，都更容易被 AI 接手。

软件工程已经走在前面，因为代码、文档、测试和运行日志本来就存在于数字环境中。

马斯克随后给出了 90% 的判断，并把终点称为：

"Stockfish level"

马斯克：达到 Stockfish 时刻。

备注：Stockfish 是一款顶级国际象棋引擎。它在普通设备上运行，也能轻松击败人类顶尖棋手。人类仍然会下棋，职业比赛也没有消失，只是 " 谁能算得更快、更深 " 早已没有悬念。

马斯克用国际象棋引擎 Stockfish 形容 AI 未来的编程能力

马斯克认为，写代码也会到这一步。

现在的 Agent 已经很强了。很多原本需要程序员花几个小时完成的编码任务，Agent 可能几分钟就能做完。

但写完代码，并不代表软件可以直接上线。

国际象棋的规则固定，输赢也很清楚。

软件开发没有这么简单。代码通过测试，只能说明其中一部分工作完成了。需求是否理解正确、系统能否稳定运行、出了事故由谁处理，仍然需要工程师负责。

" 超过 90% 的工程师 " 听起来很震撼，但马斯克没有解释这个数字是怎么算出来的。

让 AI 补全一个函数、修改一个文件，和让它负责真实项目，完全是两种难度。

在明确告诉 AI 哪里出错、应该运行哪些测试时，它往往能很快完成修改。但真实开发中，问题可能同时涉及多个服务、数据库和旧版本。代码即使通过测试，上线后仍可能影响用户。

所以，在判断这个 90% 之前，还要弄清几个问题：

AI 处理的是一道独立编程题，还是运行多年的真实项目？

代码通过测试以后，用户遇到的问题是否已经解决？

AI 能不能查看日志、运行命令并使用部署工具？

修改失败以后，谁负责发现问题、撤回代码和处理损失？

这些信息在访谈中都没有出现。

因此，" 超过 90% 的工程师 " 只能算马斯克的个人判断，目前还不是一项经过公开测试的结论。

不过，变化确实已经发生。

升级项目依赖、替换旧接口、补测试、批量修改重复代码，这些过去由开发者亲手完成的工作，正在逐渐交给 Agent。

开发团队接下来要解决的，是怎样检查 Agent 交回来的代码，怎样发现它遗漏的问题，以及怎样保证这些改动能够安全上线。

访谈开场，主持人让马斯克描述 2036 年的世界。

马斯克给出的时间表比就业预测更加激进：

"AI may exceed the sum of human intelligence"

马斯克：AI 的智能可能超过全人类智能的总和。

他把时间放在大约五年后。再过十年，除了成为人类本身，他预计 AI 会在绝大多数任务上做得更好。

马斯克给出 AI 超过全人类智能总和的时间预测

预测会不会准，现在没有人能给出答案。

马斯克自己也承认，未来的路不会平稳。

但他对数字 AI 和物理 AI 的区分，能解释为什么程序员会站在变化的第一排。

数字 AI 只需要处理信息。物理 AI 还要等待机器人、传感器和执行机构成熟。软件开发已经完全数字化，模型能够读取输入，生成改动，再从编译器、测试和日志中获得反馈。

马斯克认为电脑和手机上的工作会更早受到 AI 影响

更重要的是，代码天然带着一套机器可以读取的验收信号。

编译失败、类型错误、单元测试和性能回归，都能推动 Agent 进入下一轮修改。

所以，软件开发可能率先形成完整闭环：接收任务、修改代码、运行验证、读取失败、继续修复。

AI 先接走的通常是执行过程清楚、结果容易检查的部分。需求含糊、边界冲突和生产责任依然要由团队处理。

岗位不会消失，岗位里面的工作会先被重新切分。

AI 写代码的速度提高以后，测试和可观测性不再只是质量保障，它们还决定 Agent 能独立走多远。

一个只有 README 和零散单元测试的仓库，模型再强也得频繁向人确认。一个把启动命令、测试入口、代码规范和服务边界写清楚的项目，更容易让 Agent 稳定推进任务。

开发团队可以先补四类基础设施。

第一类是可执行的验收条件。需求里写 " 优化查询 " 没有明确终点，写成 "P95 延迟低于 200 毫秒，结果与旧接口一致，数据库连接数不能增加 "，Agent 才知道什么时候停下。

第二类是权限边界。读仓库、改代码、运行测试和访问生产数据库应该使用不同权限。删除、付款、发布和密钥操作需要人工确认。

第三类是完整记录。Agent 调用过哪些工具、修改了哪些文件、为什么选择这条方案，都要留下日志。出了问题，团队需要能够重放过程。

第四类是回滚路径。代码通过测试以后仍可能影响线上数据。灰度发布、版本锁定和一键回退要在 Agent 动手之前准备好。

程序员的优势会逐渐从 " 我比模型写得快 "，转向 " 我能让模型在可控范围内把事情做完 "。

谈完软件工程，马斯克继续把时间线推向远处。

他认为，数字 AI 与机器人都成熟以后，工作可能像园艺一样成为个人选择。人们不需要亲手种菜，仍然可以因为兴趣保留这件事。

马斯克认为未来工作可能成为个人选择

这是整场访谈里最大胆的预测之一。

对今天的开发者来说，手上的工作不会因此取消。AI 带来的第一种变化，往往是同样人数承担更多需求，过去没有预算的小工具也进入排期。

代码便宜以后，公司会提出更多自动化设想，维护范围也会继续扩大。

马斯克承认，这条路会很颠簸。过去一些计算岗位随着计算机消失，AI 带来的区别在于速度明显更快。

马斯克表示 AI 带来的就业变化不会一路平稳

" 工作可选 " 可以留给 2036 年讨论。

开发团队现在要面对的是另一问题：哪些任务已经能交给 Agent，哪些改动必须由人审核，怎样计算模型费用，以及事故发生后谁来接管。

开发者无需和 Agent 比赛一天能生成多少行代码。更值得投入的，是把模糊需求变成可执行任务，把测试和日志接进 Agent 循环，再给高风险动作留下人工确认。

可以从一项维护任务开始：选一个范围清楚、失败成本较低的任务；写明允许修改的目录和禁止触碰的接口；把测试命令、性能指标和完成条件交给 Agent；要求它提交计划、diff、测试结果和风险说明；人工检查以后再进入灰度发布。

这套流程跑通以后，再逐步增加 Agent 的权限和任务长度。

Stockfish 出现后，人类没有停止下棋，但职业棋手早已不再和机器比计算深度。AI 进入软件开发以后，程序员也需要换一条赛道。

代码生成可以交给模型。定义问题、建立约束、验收结果和承担上线责任，仍然是软件工程。

参考链接：

https://www.youtube.com/watch?v=XuoqKYxDHVc&t=900s

——好文链接——

AI 想要落地其实很难！马克 · 库班：Agent 会逐渐失效，也会慢慢偏离原来的运行状态

旧 Prompt 正限制新模型！Claude Code 创始人：CLAUDE.md 写得太满，反而会带偏新模型，每隔 6 个月，清空一次旧规则

只会写代码的人不够用了！Netflix CPTO 谈程序员未来十年：会写代码和 " 理解系统 " 是两回事