Dario Amodei 对 2025 年 AI 编程的预测与 Matthew Berman 的回应

原标题Dario Amodei’s 2025 AI Coding Forecast and Matthew Berman’s Response

Berman 讨论 AI 编写代码的快速增长预测、编程智能体的兴起,以及软件工作可能发生的长期变化。

DADario Amodei嘉宾 · AnthropicMZMark Zuckerberg嘉宾 · Meta
频道
Matthew Berman
发布
2025年3月13日
视频
9:02
阅读
5 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

2025 年 3 月,Matthew Berman 讨论 Anthropic 首席执行官 Dario Amodei 的预测:AI 可能在三到六个月内编写 90% 的代码,并在一年内编写几乎全部代码。Berman 认为这个时间表过于激进,但认为 AI 辅助编程和智能体工具可能增加机器生成的代码量。 他也承认代码错误以及处理大型代码库的困难,并提出自己对开发者角色和面向机器的代码的推测性设想。所引用的百分比和时间表是预测,不是测量结果;视频没有定义全球范围的测量方式,也没有证明这两项预测已经实现。

  1. 1Amodei 的预测Anthropic 首席执行官预测 AI 编写的代码将迅速增加;片段没有证明这一时间表已经实现。
  2. 2Vibe CodingBerman 介绍如何使用自然语言指令和 AI 工具构建软件并迭代。
  3. 3一个公司案例他引用 2024 年关于 Google 在人工监督下使用 AI 生成代码的报道。
  4. 4智能体与工具他提到可以搜索文档、在容器中工作和执行代码的智能体。
  5. 5当前局限Berman 说 AI 生成的代码可能出错,而大型代码库会让修改更加困难。
  6. 6工作的可能阶段他预测首先会有更多人构建软件,随后自动化程度提高;这些是他的设想。
  7. 7对未来语言的推测Berman 设想代码可能变得更难被人类阅读,但没有声称这已经发生。

要点建议

  1. Amodei 所说的 90% 和接近全部代码是 2025 年的预测,并非观察到的全球统计。
  2. Berman 区分了通过对话构建应用与专业工作流中的 AI 辅助代码补全。
  3. 智能体工具可以搜索、使用运行环境并执行代码,但 Berman 说其输出仍有错误,质量也可能不佳。
  4. 生成代码所占比例是否上升取决于如何统计代码,本身不能证明软件工程工作已经消失。
  5. Berman 对开发者角色变化和面向机器的编程语言提出的是推测性设想。
全文

按章节阅读整理后的全文

只看原始文稿
01

关于 AI 编写代码的预测

Amodei 预测 AI 编写的代码将迅速增加。Berman 讨论自然语言编程工具如何可能让这一预测看起来合理,同时认为时间表过于激进。

在一段视频片段中,Anthropic 首席执行官 Dario Amodei 预测,AI 可能在三到六个月内编写 90% 的代码,并在一年内编写几乎全部代码。我认为这个说法令人震惊,时间表可能过于激进,但也相信这种转变可能比许多人预想的更近。这些是 2025 年作出的预测,不是表明结果已经发生的测量数据。

我从“vibe coding”说起:一个人向 Windsurf 或 Cursor 等 AI 编程工具描述自己的需求,然后对结果进行迭代,而不必亲自编写每一行代码。我认为这种方式让更多人能够制作网站、游戏和应用等软件,但并不能保证结果可用且可靠。

02

公司与编程智能体

Berman 引用 Google 的历史数字和 Mark Zuckerberg 预测的片段。他介绍智能体工具及生成代码的局限。

我引用了一篇 2024 年报道:Google 首席执行官 Sundar Pichai 表示,Google 超过 25% 的新代码由 AI 生成,并由人类工程师审查。我猜测其中很大一部分可能来自补全工具,但视频没有确定具体比例。这是特定公司的历史数字,不是全球所有代码的测量结果。

另一段视频显示,Mark Zuckerberg 预测 Meta 将在 2025 年拥有能发挥中级工程师作用的 AI。我将其作为另一项行业预测,而非证明某个系统后来已经达到这一角色的证据。

我认为,当编程编辑器和智能体让模型使用工具、检查环境并迭代时,它们会获得更强的实际能力。举例来说,我讨论了 Manus 搜索文档、创建文件夹和容器化环境、记录笔记以及运行代码的能力。这些是所描述的功能,并非对可靠性的受控评估。

为思考 90% 的预测,我区分人类编写的代码量与 AI 生成的代码量。我认为,由于系统能够快速生成文本,且越来越多人使用这些工具,AI 输出可能增长得快得多。这个比例取决于代码的定义和统计方式,不能直接衡量完成、审查过或有价值的软件。

我也承认局限。AI 编写的代码并不总是正确;根据我自己的经验,在大型项目中增加功能和进行修改可能困难得多。我见过使用自然语言工具制作的出色项目,但这些例子不能证明自主编程总体上可靠。

03

工作、意义与可能的转变

另一段 Amodei 访谈考虑社会可能需要如何重新思考有用性的概念。Berman 提出软件工作的短期、中期和长期设想。

我回到 Amodei 对工作和意义的更广泛讨论。在片段中,他说,如果技术改变人们能够做的事情,社会可能需要以不同方式思考有用性,并拒绝认为人会变得无用这一虚无主义结论。他表示自己不知道解决方案。

我的短期期待是,更多人能够构建有用的软件,因为他们无需了解每一行代码就能指挥工具。中期来看,我预计智能体会在更少干预下承担更多工作。这些是我的设想,不是经过测量的就业预测。

我再次提到 Manus,将其视为一种较长时间运行的智能体的初步示例:它接收提示,工作数分钟或数小时后返回结果。我也说它远非完美,仍有错误和 bug,最终输出也不总是好。这个例子向我展示了一种方向,而不是证明它已经完全自主。

从更长远来看,我推测 AI 生成并使用的代码可能不再需要像今天人类可读的编程语言一样。我设想它可能使用人类难以理解的符号或其他形式。这是关于未来可能发生什么的理论,并不是对已经展示出来的编程语言替代品的描述。

我提到 GibberLink,作为两个 AI 系统交换编码音频的例子,同时指出它由人类创建,而且可以解码。我用它设想未来机器通信可能变得更难理解,但这个例子并不能证明这样的未来已经到来,也不能证明现有模型的内部机制完全不可知。

同频道的其他文章

5 张幻灯片14:45EN → 简体中文
Matthew Berman· 2026年10月29日Matthew Berman 解读 Google 的 Gemini 4 Carbon 公告Matthew Berman · Forward FutureMatthew Berman 回顾 Google 公布的 Gemini 4 Carbon 基准结果、分阶段开放计划与定价,同时指出自己尚未使用该模型。Foundation ModelsBenchmarksAI cost & performance+2
7 张幻灯片21:11EN → 简体中文
Matthew Berman· 2026年10月28日Matthew Berman 实测 DeepSeek V4.1 Flash:编程、视觉与本地应用Matthew Berman · Forward Future从视觉编程、图像推理到本地应用和服务商价格,实测既展示了模型的能力,也暴露出明显缺陷。编程智能体Multimodal AILocal inference+2
12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media