跳转到内容
导航
AI 编程实践

编程没有被解决,只是被解决的那部分恰好最不重要

敲代码从来就不是编程中最难的部分。AI 解决了翻译,但理解问题、做出判断、构建共识——这些才刚开始。

全文核心摘要

红杉资本 AI Ascent 2026 大会上,Claude Code 的创建者 Boris Cherny 说了一句话,搅动了整个科技圈。

「编程已经被解决了。」

他没在夸张。2026 年到现在,没手写过一行代码。每天从手机上审几十个 PR,巅峰日 150 个。几百个 agent 在后台跑——有的自动修 CI,有的每 30 分钟帮他聚类 Twitter 反馈,有的替他跟同事的 Claude 在 Slack 上沟通。

主持人 Lauren Reeder 问他:「Anthropic 的三大赌注之一就是编程,什么叫『被解决』?什么还没被解决?」

Boris 先做了个现场举手调查——谁 100% 手写代码?谁 100% 用 agent 写?大部分人卡在中间。他的评价:「大概解决了一半。」

对他自己,是 100%。

我在屏幕前看这段的时候,心情复杂。

我也是那种 AI coding 重度用户。非科班出身,编程全靠项目驱动——遇到问题、搜方案、改代码、跑通、踩坑、循环。这个过程里,「敲代码」大概只占三成。

另外七成是什么?搞清楚我到底想解决什么问题。搞清楚现有方案为什么不行。判断这个 tradeoff 值不值得做。

这三件事,AI 一个都没帮我解决。

编程时间分配:敲代码 vs 理解问题

所以当 Boris 说「编程已被解决」,我心里冒出来的第一反应不是反对,而是一个问题:如果你说的「编程」是指把想好的方案敲成代码——那确实。但那个环节,从来就不是编程中最难的部分。

Boris 自己其实知道这一点。

他说,写会计软件最好的人不是一个工程师,而是一个顶级会计师。「Coding is the easy part, knowing the domain is the hard part.」代码容易,懂业务才是真功夫。

那他为什么还说「编程被解决了」?

因为他自己的代码确实 100% 由模型写了。他维护的 Claude Code 代码库只有 TypeScript 和 React,没用什么复杂架构。选这两个技术栈的理由很实在——当时模型还不够强,语言和框架在训练数据中的覆盖度直接决定生成质量。从去年十月开始,这个代码库里就再没有人类手写的行了。

对他个人来说,确实被解决了。但对所有人?他自己也说了,大型复杂代码库、冷门语言——「通常的答案是,等下一个模型就好了。」

product overhang:比结论更有价值的产品思维

Boris 在访谈里讲了一个更值得琢磨的概念:product overhang。

模型能做到的事,远超市面上产品能释放的。2024 年底,编程领域最先进的交互方式还是逐行补全——打开 IDE,按 Tab,一次补一行。Claude Sonnet 3.5 让这件事成为可能。但 Boris 他们看到,模型其实已经可以走得更远——不需要补全了,直接让 agent 写完所有代码。

于是他动手做了 Claude Code。坦率地说,前六个月完全不是人用的东西。他自己只拿它写 10% 的代码。发布之后也没有爆发式增长。

真正的拐点是 Opus 4。然后每一次模型迭代都带来一次跃升——4.5、4.6、4.7。他的使用比例从 10% 跳到 30%,再跳到 100%。

product overhang 是一种很特别的产品思维:你不是在看现在的市场要什么,而是在看模型进化后会释放出什么。而且在没有 PMF 的六个月里扛住不退。

大多数人在 PMF 到来之前就放弃了。

Product Overhang:模型能力远超产品能力

但 product overhang 也暗含一个判断:产品价值很大程度上依附于模型能力。Boris 坦率地说,模型越强,产品 harness——那些安全机制、权限控制、prompt injection 防护——就越不重要。「一年后模型会直接做对的事。」

我对这个判断不完全放心。

不是因为模型不会变强。是「做对的事」本身就是个模糊到没法执行的标准。在代码生成里,「对」可能是能编译、能跑通测试。但在软件工程里,「对」意味着符合团队规范、不引入安全风险、跟现有架构一致、考虑了未来三个月的演进方向。

这些不是技术问题。是组织共识问题。模型再强也读不了你团队的 meeting notes。

印刷术的类比,漏了一环

Boris 做的最有价值的一个类比,是 15 世纪的印刷术。

那时候欧洲只有 10% 的人识字。识字是被国王和领主雇佣的抄写员垄断的技能。印刷术出现后,50 年内出版的文字超过了过去一千年。书籍成本降低了 100 倍。几百年后,全球识字率到了 70%。

他说编程也会走这条路——普及到像发短信一样。

方向我认同。但印刷术的类比漏了一环:识字率的提升靠的不是印刷术本身,而是后续几百年的教育体系、政府投入和社会分工变革。印刷术只是基础设施。

编程的普及也不会只靠模型变强。

印刷术与编程民主化:技术只是起点

最值钱的那句话

Boris 最让我触动的判断,不是「编程被解决」。

而是这句:「同样的工具,谁先把组织流程改造到位,谁就拥有真正的竞争优势。」

有人问他,Anthropic 内部比外部开发者领先多久。他说,模型层面没差距——同一套模型大家都在用。真正的领先在别处。

公司里零手写代码。所有 SQL 模型生成。人的 Claude 通过 Slack 跟同事的 Claude 互相沟通解决未知问题。连工程经理、产品经理、设计师、财务、用户研究员——每一个人都在写代码。

这不是技术代差。是组织代差。

他说未来会有更多跨学科的「全才」——不是那种同时写 iOS 和 Web 的工程师,而是既懂产品工程又懂设计、或者兼修数据科学和工程的人。

Claude Code 团队已经在这么做了。

编程的分层:翻译层已解决,思考层刚开始

所以回到开头那句话。「编程被解决」是一个刻意制造张力的 slogan——不完全对,但它逼你思考一个更准确的问题:编程里哪些部分从来就不是瓶颈?

翻译层被解决了。思考层刚刚开始。

你现在用 AI 写了多少比例的代码?哪部分是你觉得最难被替代的?

Boris Cherny. Anthropic’s Boris Cherny: Why Coding Is Solved, and What Comes Next. Sequoia Capital YouTube 频道,AI Ascent 2026, 主持:Lauren Reeder (红杉资本合伙人). https://youtu.be/PplmzlgE0kg