Linux之父当众发飙:说99%代码是AI写的?你100%的代码都是编译器写的!

台上的火药味

2026年5月，明尼阿波利斯，Open Source Summit North America。

Linux之父Linus Torvalds坐在台上，对面是他的老朋友、Verizon开源项目负责人Dirk Hohndel。这是一场炉边对话式的主题演讲，气氛本来很轻松——直到话题转向AI编程。

他的语气突然变了。

"AI is a great new tool, but it's a tool, and when I see people saying, 'Hey, 99% of our code is written by AI,' I literally get angry."

「AI是个很棒的新工具，但它就是个工具。当我看到有人说'嘿，我们99%的代码是AI写的'——我真的会生气。」

▲ @IntCyberDigest 发布的现场视频剪辑，35.7万次观看

这段4分钟的视频目前已有35.7万次观看，3900多个点赞。但真正击中所有人的，是他紧接着甩出来的一个反问。

「你100%的代码都是编译器写的，你怎么不说？」

"Those same people — I can pretty much guarantee — that 100% of their code is written by compilers. But they never say that."

「这些人——我几乎可以打包票——他们100%的代码都是编译器写的。但他们从来不这么说。」

这个类比精准得像手术刀。

你用Python写了一个函数，编译器/解释器把它翻译成机器能执行的指令。从技术上说，最终在CPU上跑的每一个bit，都是编译器"写"的。

但从来没有程序员站出来说"我的代码是编译器写的"。

为什么？因为逻辑是你定义的，架构是你搭的，出了bug你来扛。编译器只是翻译员。

AI也一样。你给了prompt，AI生成了代码——但架构、验证、维护全在你身上。

那些说"99%代码是AI写的"的人，做了一件危险的事：他们把自己从责任链条上摘了下来。

从手敲数字到用AI

Linux之父在台上回忆了自己的编程起点。这段话让台下不少年轻开发者听得目瞪口呆：

"I grew up writing machine code, and when I say machine code, I don't mean assembly language, I mean the numbers..."

「我是写机器码长大的。这里说的机器码，跟汇编语言可不一样——就是纯粹的数字……」

他说过了好一阵子才意识到，手动输入数字、自己计算分支偏移量有多蠢。然后有人发明了汇编器，再后来他发现编译器也挺好用。现在，他觉得AI工具同样好用。

"Just as compilers increased productivity by a factor of 1000, AI will increase your productivity by a factor of 10."

「编译器让生产力提升了1000倍，AI会让你的生产力再提升10倍。」

注意这组数字：1000倍 vs 10倍。

Linux之父在说一件微妙的事——AI确实带来了效率提升，但幅度远不及编译器当年的革命性跨越。它是一次重要的演进，远够不上颠覆。

"I'm 100% convinced that AI is changing programming, but it's not changing the fundamentals."

「我100%相信AI正在改变编程，但它没有改变根本的东西。」

根本的东西是什么？人必须理解系统。

内核提交量暴涨20%

Linux之父承认了一个硬事实：Linux内核最近两个版本的commit数量比以往多了大约20%。

一开始他以为是版本号从6.x跳到7.0带来的社区兴奋。但后来他发现，真正的推动力来自AI——

"AI tools actually got good enough."

「AI工具终于好用到能产出有价值的东西了。」

35年历史的Linux内核，贡献节奏向来稳定。突然多出20%的提交量，说明AI工具确实降低了参与门槛，让更多人能提交有用的补丁。

但Linux之父话锋一转，指出了硬币的另一面。

"打一枪就跑"的人，正在拖垮维护者

"Sometimes, obviously, AI reports a bug, and when you ask for more information, the person has done that drive-by and doesn't even answer your question."

「有时候AI发现了一个bug，你问对方要更多信息，结果人家已经跑了，连你的问题都不回。」

Linux之父管这叫"drive-by"——打一枪就跑。

典型场景：有人用AI工具扫描了一个开源项目的代码，工具报出一堆疑似bug，这个人把报告往issue tracker一丢，消失了。维护者打开一看，要花好几个小时验证这些报告到底是真bug还是误报。想追问细节——没人应。

对Linux内核这样的大项目来说，团队人多，还勉强扛得住。

但开源世界里有成千上万个项目，全靠一两个人撑着。这些维护者本来就在burnout（精力耗竭）的边缘挣扎。AI把"发现问题"的成本降到了接近零——但"理解和修复问题"的成本一分没降。涌入的是信息，留下的是负担。

"Of all the projects that people maintain that are not the Linux kernel... they get really burned out."

「所有那些Linux内核以外的项目……维护者真的在崩溃边缘。」

▲ @twtayaan 整理的完整引语，当时流传最广的长文版本之一

安全规则被迫改写

AI带来的冲击甚至迫使Linux内核修改了安全漏洞的披露流程。

过去，发现内核安全漏洞后，研究者会通过私密的安全邮件列表提交报告，由核心团队秘密修复后再公开。

现在，这套流程撑不住了。内核安全邮件列表被AI生成的重复报告淹没。

Linux之父宣布了一个新原则：用AI发现的bug，默认当作已经公开的信息处理。

逻辑很简单——你用一个公开的AI工具找到一个漏洞，几乎可以肯定，还有几十甚至上百人用同一个工具找到了同一个洞。你以为是秘密，它早就不是了。

唯一的底线：不要公开可用的exploit（漏洞利用代码）。发现bug可以说，但教别人怎么利用它搞破坏——这条线不能跨。

AI把"找漏洞"从一种需要深厚安全功底的稀缺能力，变成了几乎任何人都能批量操作的廉价行为。当漏洞发现被规模化，原来那套"负责任披露"的社会契约就需要重新设计了。

编译器类比，到底对不对？

Linux之父的这个类比在社区引发了激烈争论。

▲ ZDNet 报道了完整的对话语境与安全披露新规

支持者认为Linux之父抓住了本质：无论工具多强大，定义问题、验证结果、对系统负责的始终是人。历史上每次出现新抽象工具，都有人喊"编程死了"，最后只是参与者更多了，核心系统照样需要真正理解的人来把关。

反对者指出，编译器和AI有本质区别。编译器做确定性翻译——同样的输入永远得到同样的输出；AI做概率生成——同一个prompt可能给出截然不同的代码，甚至引入原本不存在的逻辑漏洞。拿确定性工具类比概率性工具，低估了AI引入的新风险维度。

还有一批务实派注意到一个耐人寻味的细节：Linux之父自己也在用AI写个人玩具项目。他说即便如此，他也会把AI生成的代码仔细过一遍，甚至看汇编输出——

"Because it's what I grew up with."

「因为我就是这么长大的。」

而他最尖锐的警告，留给了那些不理解系统却在大量使用AI的人：

"People who know what they're doing to understand systems will be able to prompt tools to write good code. People who don't understand the complexity of systems will also prompt systems and write processes that will fail."

「懂系统的人能用AI写出好代码。不懂系统复杂性的人同样会用AI——写出来的东西会崩。」

▲ The New Stack 对这场演讲做了最详细的拆解

工具越强，人的责任越重

从穿孔卡片到汇编，从汇编到C，从C到Python，再到"给AI说一段话就能出代码"——每一次抽象跃迁，都让更多人能参与编程。

但每一次，都没有消灭"理解底层"的需求。相反，随着系统规模膨胀，真正理解全栈的人变得更加稀缺。

Linux内核有35年的代码遗产，全球数十亿设备依赖它运行——手机、服务器、自动驾驶系统、火星车。在这种级别的系统里，"代码能跑"只是最低标准。能不能维护十年、极端场景下能不能稳定、后来的人能不能看懂——这些才真正决定生死。

Linux之父的愤怒，归根到底指向一个问题：当"AI写了99%的代码"变成流行口号，它培养的是一种"反正代码不归我负责"的心态。

在关键基础设施的世界里，这种心态可能是灾难性的。

他自己总结得最到位：

"I actually really like it from a technical angle. I love the tools. I find it very useful and interesting, but it is definitely causing pain points."

「从技术角度，我真的很喜欢AI。我爱这些工具，觉得它们非常有用、非常有趣。但它们确实在制造痛点。」

他爱AI带来的生产力提升，但拒绝围绕AI编织的神话。

他用工具，但从不外包自己对系统的理解。

这或许就是一个写了35年内核的人，能教给这个时代最值得记住的一件事——你可以让AI帮你写代码，但你不能让AI替你理解代码。