Solana创始人谈AI编程：效率提升不等于产品增加
AI 正在改变软件开发流程，但距离真正替代开发者，可能还有很长一段路。
Solana 联合创始人 Anatoly Yakovenko（Toly）近日在 X 平台分享了自己对人工智能编程能力的看法。他表示，AGI（通用人工智能）目前依然遥远。以自己的测试项目 Percolator 为例，如果完全由自己全职编写代码，项目现在可能已经完成发布，而 AI 当前最有价值的地方，并不是独立完成整个产品开发，而是在设计阶段、规范研究以及通过模糊测试发现漏洞等环节提供帮助。
Toly 认为，采用这种协作方式，最终代码质量可能会更高，但大模型时代真正推向市场的优质产品数量，并不一定会比 AI 出现之前明显增加。
这番观点并没有否定 AI 编程能力，反而更像是在重新定义 AI 在工程流程中的位置。
过去一年，AI 编程工具迅速普及。从代码补全、自动生成函数，到帮助开发者理解复杂代码库，大模型已经进入大量软件团队的日常工作流程。但一个现实问题也逐渐显现：写代码本身，并不是构建产品最困难的部分。
需求判断、架构设计、用户体验、商业方向，以及长期维护，往往决定一个项目能否成功。
对于基础设施开发者而言，这一点更加明显。
Percolator 是 Toly 此前宣布推出的基于 Solana 的下一代永续合约去中心化交易所。该项目采用分片订单簿设计，目标是实现接近中心化交易所（CEX）的执行速度，同时保持完全开源。(github.com)
这类高性能金融基础设施，并不是简单堆叠代码即可完成。
交易撮合、订单处理、风险控制、链上状态同步，每一个环节都涉及大量工程权衡。AI 可以帮助开发者快速生成代码，也可以通过测试发现潜在漏洞，但如何设计系统结构，依然高度依赖人的经验判断。
Toly 提到 AI 在模糊测试（fuzzing）中的价值，其实对应了软件安全领域一个正在快速增长的方向。
传统开发流程中，测试往往依赖工程师提前设计场景，而 AI 可以帮助生成大量异常输入，寻找开发者没有预想到的问题。对于区块链项目来说，这一点尤其重要，因为智能合约和交易系统中的漏洞可能直接导致资产损失。
但从“发现问题”到“创造产品”，中间仍存在巨大距离。
过去互联网行业也经历过类似阶段。自动化工具提升了工程效率，但并没有让优秀产品数量按照同等比例增长。因为市场需要的不只是生产能力，更需要判断什么值得生产。
AI 编程目前面临的瓶颈，也许不是模型能不能写更多代码，而是人类是否能提出更好的问题。
在加密行业，这种区别更加明显。
区块链项目往往涉及技术创新、经济模型设计以及用户增长三个层面。代码只是其中一部分。一个协议能否吸引用户、形成流动性、建立生态，通常不是单靠开发效率决定。
Toly 的观点实际上反映了部分开发者对于 AI 浪潮的另一种观察：AI 会让优秀工程师变得更强，但未必自动制造更多优秀创业者。
未来的软件开发可能会变成一种人机协作模式。开发者负责方向选择、系统设计和关键决策，AI 负责执行、验证和优化。
对于 Percolator 这样的项目而言，AI 或许能够缩短研发周期，提高安全性，但最终决定产品价值的，仍然是设计者对市场需求和技术路线的判断。
大模型正在改变代码生产方式，但距离改变产品诞生逻辑，还有一段距离。
Tags: Solana
