马斯克：软件工程迎来“Stockfish时刻”51CTO技术栈

“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

马斯克给程序员画了一条“无法竞争”的线

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。

90%的说法很响，访谈里没有那张成绩单

“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。

AI超过全人类，只要五年？程序员站在第一排

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。

开发团队要把“会验收”写进基础设施

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”。

“工作可选”离下一次上线还很远

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。