软件正在系统性地崩塌

从重大云宕机到被 AI 挖出的长期隐藏漏洞,软件可靠性问题正引发争论:系统究竟是变得更脆弱了,还是只是因为规模更大而更显眼。许多人认为,核心问题并不新:复杂性不断上升、依赖链日益密集、云集中化,以及把速度和成本置于稳健性之上的商业激励。也有人把 AI 和现代工具视为一把双刃剑:它们一方面加速了粗糙工程带来的变更,另一方面也让对支撑关键基础设施的大量脆弱遗留代码进行更快的审计、测试和重构成为可能。

今天的故障有多新?

  • 许多人认为软件一直都很脆弱;只是如今软件更多了,可见性也更高了。
  • 也有人觉得,由于规模、互联性和集中化,系统性故障的比例和影响正在上升。
  • 还有人指出,之前的重大事件(病毒、Y2K、Heartbleed、log4j、重大宕机)削弱了“2026 年特别糟糕”这一说法。

复杂性、依赖关系与集中化

  • 大家普遍同意,依赖蔓延,以及“万物都依赖少数几个云/SaaS 供应商”,会造成相关性高、连锁性的故障。
  • 有人把责任归咎于对小型包的鲁莽使用(例如 npm 文化);也有人认为真正的问题是缺乏高质量、可复用的组件,以及管理这些组件的工具不足。
  • “去相干”:大量在本地都成立、但彼此不一致的模型和服务,使变更与排障变得极其困难。

AI 在软件质量中的角色

  • 观点分裂:
    • AI 作为混乱的加速器:vibe-coded 代码、崇拜速度、每单位“人类时间”更多事故、工程师去技能化、组织变成“肉身代理”。
    • AI 作为超级审计员/增强器:暴露长期存在的 bug,支持大规模重构、移植和写测试;一些人报告每次变更的成功率更高。
  • 大家一致认为,AI 会大幅降低利用漏洞的成本和攻击者所需技能。
  • 许多人强调,AI 代码仍然需要人的判断、测试和规格说明;“一次性提示”被认为很危险。

开源、包管理器与“业余主义”

  • 对开源和轻松发布包是否是核心原因存在争议。
  • 有人把问题归咎于“对平庸的崇拜”和速度优先文化:连基础都写不好的人却依赖不透明的依赖项。
  • 也有人认为依赖是必不可少的;真正的问题是频繁变动、筛选不足、供应链风险,以及核心库缺乏资金支持。

组织激励与文化

  • 一再出现的说法是:企业不会为可靠性、风险分析或文档付费;速度和降本占主导。
  • 关键知识是分散的;没有人对跨系统结果“负责”。
  • 许多人认为管理层过度炒作 AI,是为了裁员并推动不切实际的吞吐量。

可靠性、监管与关键系统

  • 有些人预计,一旦宕机/安全损失变得不可容忍,就会出现监管;这与其他行业在灾难之后才建立标准的情况类似。
  • 也有人指出,任务关键领域(流程极重)与那些“快速迭代”的消费级/企业软件之间,长期存在鸿沟。

云 vs 裸机

  • 一派认为,云集中化会放大脆弱性,但对大多数无法很好运行基础设施的组织来说又是必要的。
  • 另一派坚持认为,只有具备相关技能时,内网部署仍然可行、更便宜、也更有韧性,但也承认这种专业能力无法规模化。

文档、测试与“正确使用 AI”

  • 一个强烈主题是:在扎实的规格说明、SOP 和技术写作指导下,AI 表现最好;而许多团队缺乏这种纪律。
  • 有些人正在用 AI 来强制执行模式、生成测试,并逐步提高健壮性;另一些人则担心“编排色情”和人类理解能力的流失。

总体展望

  • 没有共识认为“软件正在崩塌”,但大家广泛同意:
    • 复杂性、耦合和激励机制与可靠性并不匹配。
    • AI 同时放大风险与能力。
    • 这个行业正处于动荡转型期,对 AI 时代几乎没有公认的“最佳实践”。