软件工程走到尽头了吗？AI写代码之后，我们还在等什么

过去两年，氛围编程（vibe coding）让写软件变得异常容易。只要用日常语言告诉大语言模型（LLM）想做什么，模型就能生成页面、数据库和一套勉强能运行的程序。一个原本需要专业训练的技能，突然向更多人开放了。

这件事本来应该带来大量新产品。现实却有点冷清。网上多了许多待办事项应用、Wordle 模仿品、周末做出来的小型角色扮演游戏和定制邮件客户端，普通人的日常生活却没有出现同等规模的变化。很多项目能运行，使用价值却很有限。问题也许不在工具，而在于软件能开出的新空间已经没有人们想象得那么大。

“软件已经完成”到底是什么意思

弗雷迪·德布尔（Freddie deBoer）提出了一个很激进的判断。他说，软件的工程工作还会继续，程序员也不会消失，可软件的新类别已经接近用完。

这里的“完成”不是说以后没有新程序，也不是说产品不会更新。通信、计算、存储、检索、模拟和协调，这些软件最重要的功能方向，已经在过去几十年里逐步成形。接下来仍然会有新界面、新皮肤、新版本和更适合特定人群的小工具，只是它们大多属于已有类别的延伸。

这个判断可以拿地图来比喻。地球仍在变化，河流会改道，海岸线需要重新测量，地图也会不断更新。可供探险家第一次发现的大片空白区域已经消失。软件现在面对的情况，可能也接近这个状态。我们仍然在修路、改标牌和维护城市，却很难再找到一整块此前从未出现过的软件大陆。

手机还能替我们做什么

我觉得一个简单的问题很能说明这件事。手机现在还有什么合理的事情完全做不到。

很多人的答案最后都会落到已有功能的改良上。键盘更好用，设置菜单更清楚，音乐软件少一点广告，社交平台多展示朋友的照片，交友软件给出更合适的匹配。这些愿望都很真实，也很值得做，但它们属于产品质量、商业决策或平台规则的问题，通常不需要一种全新的软件类别。

有些愿望还会被误认成软件问题。扫地机器人吸不干净，牵涉的是机械结构和传感器。汽车完全自动驾驶，除了代码，还需要冗余系统、道路环境、监管规则和面对突发情况的责任安排。两吨重的物体在真实道路上移动，世界不会因为程序写得漂亮就变得整齐。

所以，软件能做什么和人们希望现实变成什么，中间隔着一层物质世界。很多真正重要的愿望都在那一层里。

为什么 LLM 特别会写代码

大语言模型并没有同样擅长所有工作。代码有一个很特殊的优点，它使用形式化语言，结果可以交给编译器、测试工具或运行环境检查。程序能不能运行，函数有没有通过测试，往往能得到相对明确的反馈。

这让写代码很适合自动循环。模型先生成一版，工具报告错误，模型再修改，直到结果通过检查。氛围编程的兴起，正是因为软件工程存在这种可验证性。

很多工作没有这样的反馈回路。法律判断要经过法官，桥梁能否安全要经过真实的材料、施工和检测，医疗决策要面对复杂的人体和责任。你不能让模型反复运行同一个法官，也不能因为程序通过了测试，就证明一座桥不会坍塌。

这也是我看待 AI 编程热潮时最在意的限制。模型在一个有明确规则的符号系统里表现出色，不等于它已经掌握了现实世界的全部复杂性。

技术也会遇到 S 曲线

很多技术的发展更像 S 曲线（S-curve），先在实验室里缓慢爬行，随后进入快速普及期，最后在资源、需求或物理限制下逐渐变平。

人在快速上升段里，很容易把最近几年的速度延伸到未来。等曲线进入平台期，过去的记忆还在，宣传也还在，大家就会继续把局部改进叫成新的革命。软件可能已经进入了这样的平台期。

技术当然可能接上一条新的曲线。真空管之后有晶体管，晶体管之后有集成电路，几条曲线叠在一起，才构成了长期的计算进步。软件已经把大量计算可能性铺开以后，下一个问题也变得很具体，系统能不能理解空间、预测物体的变化，并把判断带回现实行动。

“邻近可能”不会无限延伸

生物学家斯图尔特·考夫曼（Stuart Kauffman）提出过“邻近可能”（adjacent possible）这个概念。一个系统每走出一步，就会获得一些此前无法获得的新材料，新材料又会打开下一扇门。生命演化大致如此，技术发展也经常如此。

早期的软件类别很像树枝。电子表格打开了新的计算方式，浏览器打开了新的信息空间，搜索引擎、社交网络和智能手机又在这些基础上长出新的应用。新类别本身会成为后续产品的原材料。

今天常见的习惯追踪器、饮食计划工具和小型工作流应用，当然可能对某个人有用。可它们更像树叶，完成以后很少会成为下一类软件的基础。新东西仍在增加，能继续打开新房间的东西却越来越少。

AI 生成的是数字世界的丰收

这也解释了一个让人不舒服的现象。LLM 可以快速生成文字、图片、音乐、视频和代码，数字内容因此变得极其充足。问题在于，我们本来就已经拥有大量数字内容。

模型最容易处理的材料，往往也是过去的人类已经生产过、整理过、标注过的符号。它可以把已有东西重新组合得更快，却未必能把我们带到癌症治疗、廉价清洁能源、飞行汽车或太空电梯所在的现实世界。

这些愿望需要面对蛋白质、细胞、等离子体、金属、能源和法律责任。代码能帮助研究、模拟和控制过程，却不能单独改写物理规律。把更多资金、注意力和年轻人才投入到代码生成上，能带来效率，也可能让人忽略真正需要长期建设的材料、设备和制度。

世界模型，可能是下一扇门

这会把问题推到一个更具体的地方。软件接下来还有没有新的方向，取决于它能不能从处理符号，走到理解空间、预测后果并指导行动。世界模型（World Model）正是沿着这条路在走。它试图在系统内部形成一份关于环境的动态表示，理解物体在哪里、它们怎样运动，以及某个动作可能带来什么结果。

“世界模型”这个词现在覆盖了几种不同功能。渲染器（renderer）负责生成观察结果，比如从文字或动作生成一段视频，重点是画面是否逼真。模拟器（simulator）要生成可以计算和交互的状态，几何结构、材料属性和物理规律都要经得起检查。规划器（planner）接收观察和目标，给出下一步动作。三者都处理空间和时间，输出的东西却不同。

这三种能力要接成一个循环。机器人看到桌上的杯子，只得到一部分观察结果。系统需要估计杯子和桌面的状态，预测机械臂伸过去会不会碰倒别的东西，再决定从哪里抓取。动作执行以后，新的传感器读数会回来，系统据此修正下一步判断。观察、状态、动作和反馈连起来，模型才开始参与真实任务。

其中，模拟器可能是最关键的一环。画面做得像，并不表示系统知道物体会怎样受力、碰撞和变化。模拟器让系统可以在低成本环境里反复试验，也给规划器提供可计算的后果。自动驾驶、工业机器人、建筑设计、工程测试和药物研发，都需要某种形式的模拟。

这也是它能否成为新方向的检验。模拟里的摩擦、碰撞、光照、延迟和传感器噪声，未必等于现实中的情况。三维数据、材料属性和真实动作数据也比互联网视频稀缺得多。模型还要保持长时间的一致性，不能在连续动作中不断积累误差。只有当预测能指导行动，行动又能被现实反馈检验，世界模型才会从“会生成画面”走向“能帮助系统做事”。

软件会结束吗

我不认为软件会停止发展。专业程序员会继续工作，旧系统需要维护，新设备需要控制，企业也会不断为已有产品增加功能。把软件说成“完成”，更像是在描述那些成熟软件类别的边界，而不是宣布这个行业关门。

世界模型就提供了一个很好的反例标准。它不能只在屏幕里生成连贯的视频，也不能只在实验室完成一段漂亮演示。它要能让系统在复杂环境中长期预测、行动、纠错，并把能力带回真实场景。做到这一步，软件就不只是给已有需求换一个界面，而是在获得一种新的现实能力。

我会把世界模型看成一个尚待验证的出口。它可能把软件带进空间理解、物理模拟和具身行动，也可能停在更高级的视觉生成和有限场景演示。前者会改写“软件类别已经接近用完”的判断，后者则只是成熟数字世界里的又一次扩展。判断并不复杂，系统能否在现实中稳定工作。