Hugging Face联合创始人预测的软件5大转折点

Thomas Wolf发表了一篇颇具挑衅性的文章。他的核心论点是：在AI写代码的时代，软件的底层结构本身将被颠覆。读完之后我思考了很久。有些观点我深以为然，有些则觉得过于激进，所以做了一番梳理。

大量引用库的时代即将结束

一直以来，拿别人写好的包来组装是理所当然的事。自己从头写太耗时间了。但如果让AI agent来做，从零开始重写变得切实可行。减少外部依赖意味着更少的安全漏洞、更小的应用体积和更快的运行速度。

最近用Claude Code工作时，我发现npm依赖层级明显变浅了。这是不是在走向”零依赖”的时代？

• 一个外部包被攻破就连锁危及数千个项目的结构将不复存在
• 包体积缩小的同时，启动速度和响应速度都会提升

”老代码不能随便动”的时代结束了

你听说过林迪效应吗？存活时间越长的技术，越有理由继续存活下去。不轻易改动遗留代码也是类似的逻辑, , 万一改出问题，谁都不知道会在哪里爆雷。

但如果AI能通读数万行代码并用另一种语言重写，这个逻辑就站不住了。不过Wolf也坦诚承认了一点：意料之外的bug和边界情况，AI同样会遗漏。所以，用数学方法证明代码按预期运行的形式化验证，不再是可选项，而是前提条件。

• 重写遗留代码所需的时间和成本降至过去的十分之一以下
• 没有形式化验证就把AI写的代码上生产环境，仍然近乎赌博

人类觉得难的语言，AI反而觉得轻松

编程语言的流行标准，说到底更接近心理学而非技术。好不好学？社区友不友好？对找工作有没有帮助？但LLM不在乎这些。类型系统严格、能在编译阶段就发现错误的语言，对AI来说反而更好用。

Rust就是典型例子。人类学起来出了名地难，但对AI而言，规则清晰、犯错空间小。

• Rust、Haskell等强类型语言正在AI时代被重新审视
• Python能否维持当前的统治地位，五年内见分晓

支撑开源的核心动力本身在动摇

开源从来不仅仅是分享代码。它是人们一起构建、一起学习、获得归属感的文化。当AI写代码、AI读代码成为常态，这个动机结构本身就会改变。

Wolf更进一步预测：AI模型之间将形成自己创建和共享库的社区。如果真是这样，AI的对齐方向将决定整个开源生态的走向。

• 失去学习和归属感这些人类动机后，开源的未来变得不确定
• AI对齐问题将不仅影响代码质量，还将左右生态系统的运作方式

为AI而非人类设计的语言可能出现

人类设计编程语言时始终面临一个取舍：提高表达力就增加复杂度，增强安全性就降低自由度。Wolf认为，没有什么能保证AI会面临同样的困境。如果人类不再需要阅读代码，全新形态的语言完全可能出现。

这是他文章中最激发想象力的部分。

• 编译时捕获还是运行时捕获这个古老争论，对AI来说可能毫无意义
• 如果语言不需要人类可读，设计约束将彻底改变

现实与想象之间

五个预测中，库依赖的减少和强类型语言的崛起是已经能在实际工作中感受到的变化。其余的需要三到五年来验证。

有一点是确定的：理解代码如何被创造出来的结构性能力，将比写代码的能力更有价值。