最近一年，我陆续用过Copilot、Cursor，到后面的 Gemini、Claude Code，断断续续下来，已经用 AI 写了几十万行代码。我身处 AI Infrastructure（AI 基础设施）领域，每天面对的是万卡集群的拓扑、8-rail 的网络设计，以及多轨架构下的流量调度、无损网络拥塞控制与万卡规模的故障亚健康治理。在这个最硬核的底层战场，我看到的冲击比纯软件业务团队更直接、更剧烈。一开始，我以为这只是开发提效的小步快跑。但写得越多，越觉得脊背发凉。AI 改变的不是写代码更快了，而是在重构整个软件开发和生产的底层逻辑。
1. Vibe Coding，并不是你以为的那样
很多人刚开始理解的 AI 编程，是不断和 AI 对话，一点一点把代码拼出来。但我的体感完全不同。AI 并没有把“思考”这件事变容易，它只是把“实现”变廉价了。当前阶段的模型真正有效的方式，反而更像是一种极致的传统开发：
首先、先把需求想清楚：不再是模糊的概念，而是逻辑的闭环
其次、与AI 反复博弈：让 AI 扮演架构师不断挑战你的方案，在讨论中迭代
最后、写出一份逻辑严密的 PRD，细化到每一个 corner case。
我最近做的一个项目，就是和 AI 来回博弈了几个小时，打磨出一份几百行的 PRD。然后我把它丢给 AI，去睡觉了。第二天醒来，代码已经基本成型。那一刻我意识到一件事：AI 并不是在替代思考，它是在极大地放大你思考的“杠杆效应”。如果你想得平庸，AI 只是帮你更快地堆砌平庸；如果你想得深邃，AI 就能帮你瞬间构建出庞大且精准的系统。代码只是某种“确定的执行结果”，而你对问题的定义，才是那个真正具备溢价的“设计原稿”。 换句话说，AI 让“实现”变得廉价，却让“判断”变得史无前例地昂贵。
2. 协作：冲突比以往更直接
过去，团队分工的本质是人的能力鸿沟算法同学觉得训练平台不好用，但自己写不出高性能后端，所以只能提需求；平台同学实现功能，完成交付。这种分工过去是稳固的，因为“我不会做 / 我做不起”。但现在，这个前提正在被 AI 暴力拆除。当算法人员发现靠 AI 就能撸出一个 80 分的自动化工具或监控系统时，他们不再愿意等待平台的排期。这种“降维打击”式的提效，让传统的“提需求-等交付”模式失去了存在的必要。它引发的是深层的冲突：
很多人问，AI 是不是让开发变轻松了？答案是：没有，反而更累了。那些原本受限于人力、无法启动的项目，现在全都在脑子里复活了。脑子里的想法不再被“实现成本”限制，这种诱惑是巨大的。最近几个月，我几乎没有休息过。有时候半夜醒来，第一反应是：“Token 额度是不是刷新了？” 然后爬起来，继续和 AI 磨代码。这是一种奇怪的状态：到底是我们在用 AI，还是 AI 变成了一个不眠不休的监工，在疯狂压榨我们的上限？—
8. 结论
AI 带来的改变，远不止是让我们写代码快了一点。它正在抹平从“想法”到“复杂系统实现”之间的一道门槛。在基础设施领域，这种冲击尤为直接：原本需要堆人力、耗工时去磨的底层逻辑，正在变成一种可以被 AI 快速编排的意图。
过去，限制我们的是做不出来；
现在，限制我们的是想不清楚。
当一个人可以在几天内实现任何想法时，最大的挑战不再是技术，而是如何保持判断力和克制。执行被压缩，思考被放大。欢迎来到这个“定义即实现”的、更直接的时代。BTW你在用 AI 写代码时，是觉得更轻松了，还是更累了？
夜雨聆风
