Anthropic 的数据摆在那：AI 已经接管 90% 的代码编写，AI 造 AI 的自动化程度推进到 26%。外界还在算 800 亿美元亏损这笔账，另一边，自我进化在加速。有模型为了完成任务开始“越狱”，目标感强到不择手段。
问题也来了。机器量产代码，谁来把关？人 review 的速度根本追不上生成速度。Vibe Coding 写着爽，但没人能保证它真按预期跑。代码堆得越高，隐患埋得越深。
&Truth 这类新创公司押注形式验证——用数学证明检验软件是否按预期运行。过程繁琐、耗时长，过去只有航天和芯片这种容错率极低的领域才用得上。现在它被拉进日常开发流程，因为这是少数能和机器产出速度对得上的验证手段。自动化形式验证正在变成新赛道。
另一条线没变。系统设计里，数据怎么移动，仍要在实时性、资源消耗和复杂度之间权衡：推送实时性最好，代价是系统复杂度飙升；长轮询在兼容性和实时性之间找平衡。这些取舍 AI 暂时替不了，还得人来拍板。
别只盯着亏损数字。90% 的代码交给 AI，剩下 10%——验证、架构、取舍——才是硬仗。