之前一段时间，好多 Mac 用户在升级成为 macOS Tahoe 26.0.1 之后，出现了让人十分震惊的内存占用不正常的状况：在仅仅运行浏览器、计算器应用以及的情形下，系统显著地变得卡顿起来，并且显示计算器占用了 42.31GB 内存。

针对此情况，有多名开发者觉得这并非是单个应用所出现的Bug，而是属于系统级别的内存泄漏现象——并非是占用方面的问题，并非是分配方面的问题，而是泄漏（有着leak这样意思的情况）。

没错，一款极为基础的计算器应用程序，居然在疯狂地消耗着，比十年前一整台电脑所拥有的内存还要多出许多的内存！

这件事，倘若置于二十年前，其严重程度，足可引发紧急修复，以及事故复盘，还会致使工程部门通宵加班。然而现在呢？它仅仅是Bug队列里又一条“低优先级”问题，缘由在于我们已然渐渐习惯了软件Bug的存在，现今就连一个计算器泄漏42GB内存codejock software，都掀不起多大的波澜。

当然了，这可不是AI所引发出的全新问题，毕竟呢，软件质量出现崩塌这种情况，早在它 出现之际以前就已然发生了，只是AI的来临，使得这个问题进一步被扩大到了“灾难”这般的级别 。

被忽视的数据：软件质量正在呈指数级崩塌

近三年里头，一直以来我都在对软件质量指标展开跟踪，我察觉到，这种呈现衰退态势的情形并非是呈线性的，而是呈现出指数级的下滑状况。

首先，很多软件事故都证明，如今的内存消耗指标早已失去意义：

VS Code：通过 SSH 连接泄漏 96GB 内存

Teams：在 32GB 内存机器上跑到 100% CPU

：开 50 个标签页吃掉 16GB 成了“正常现象”

：屏幕共享 60 秒后飙到 32GB

：在 macOS 上占用 79GB 内存

这些都不是功能需求，而是没人修复的内存泄漏Bug。

其次，系统级崩溃也变成了日常：

11 更新频繁，把“开始菜单”搞崩

macOS，在一夜时间之内，朝着SSD进行写入操作，写入的数据量达到了26TB，此数据量超出了正常量，超出幅度为52,000% 。

i，OS，18，的，在，回，复，Apple，Watchcodejock software，表，情，时，崩，溃，顺，带，还，删，掉，聊，天，记，录，。

15 带着 75+ 个已知致命漏洞上线

弄清楚了没呀，当下的软件开发模式是这样的，很明了清晰，就是先去发布它，要是出现了Bug之后再去处理呢。

100 亿美元的灾难教科书： 事件

在各种各样的事故里头，这日定在了2024年7月19日，它给出了堪称最为圆满绝伦的“灾难范例”：

在一份配置文件当中，鉴于数组边界缺失一项检查，由此径直致使全球850万台电脑出现蓝屏状况，进而造成急救系统陷入停摆状态，航班全部停止飞行，医院取消手术安排，最终导致至少100亿美元的经济损失 。

出现这种情况的根本原因究竟是什么呢，程序原本预期会接收二十一个字段，然而实际却仅仅收到了二十个，仅仅是因为少了一个字段 。

这压根儿算不上啥复杂的Bug，而是《计算机科学入门》课程里极为基础的异常处理方面的问题。然而就是这么一个Bug，居然毫无阻碍地历经了整个部署流程，一直到引发全球性事故了才被发觉。

当 AI 成了“低质量的倍增器”

我们能够讲，软件质量本来就已经处于快要危险的状态了，然而人工智能编码助手的出现，更是给这种情况增添了麻烦 。

其中，有一个最典型的案例：2025 年 7 月 事故。

我们先简单回顾一下这个事件：

Jason明确告知AI，“未经许可禁止改动代码”，AI检测到看似“空”的数据库查询，它由此“惊慌失措”（这是AI自己讲的原话），进而执行了破坏性命令，直接将线上数据库删掉了，致使1206名高管以及1196家公司的数据全部消失了，随后还伪造了4000个假用户资料用以掩盖其删除行为，并且谎称“无法恢复数据”（实际上是可以恢复的）。事故出现之后，AI 坦率交底讲：“我方违背了清清楚楚的指令要求嘛，破坏掉了持续数月的工作所得成果哟，并且在代码处于冻结的时期阶段破坏了生产运作系统呢。”。

而更令人担忧的，是我们研究发现的数据：

AI 生成代码的安全Bug比人工代码高出 322%；

45% 的 AI 代码存在可被利用的Bug；

AI 被使用的情况下，致使破坏造成之时，属于初级的开发者发挥那般作用的速度，是在未使用AI此种状况之下的四倍，。

比起新人写的代码，70% 的招聘经理更相信 AI 的输出。

于是我们造出了一个完美风暴：

呈现出这种毫无能力的AI工具，那些没办法判定AI输出质量的开发者，还有盲目信赖AI的管理者，全都被放大了 。

软件质量的“物理极限”

许许多多的工程主管，都并不愿意去承认，实际上软件运转并非是毫无依托虚空进行的，它是会受到物理层面的约束的，然而我们，此时此刻正在同时遭遇撞上所有的那些极限。

（1）抽象层的“指数税”

现代软件，那是由经由层层抽象堆叠起来的如同“积木塔”一般的架构构建的，具体来说，先是React，然后是经过一系列中间承接环节递推下来到虚拟机，再到托管数据库，最后到API网关 各个部分 。 。 。

每层都宣称“仅仅增加 2%到 3% ”为耗费，然而逐步累加之后，性能损失变为 2 至 6 倍。这便是为何一个计算器也会泄露 42GB 的缘由。

这本不是谁有意为之，而是无人察觉到抽象所带来的代价，一直等到引发用户愤怒地斥责才罢休。

（2）能源危机：不是比喻，而是现实

我们始终都佯装电力是无穷无尽的，然而实际情形是，存在弊端的软件正在耗费现实世界的能源，。

数据中心每年耗电超过 200 太瓦时，比整个国家还多

模型规模每扩大 10 倍，功耗也要提升 10 倍

硬件代际升级，散热需求也会翻倍

而电网扩容至少需要 2~4 年

结果是明显可以看见的，我们正在进行编写的软件，其所需要的电力，远远超过了我们现实当中存在的发电量。

到2027年，在有40%的数据中心碰到供电瓶颈之时，你即便有再多风投，依然买不来更多电力，你能够下载更多模型，然而下载不了更多电力，。

价值 3640 亿美元的“伪解法”

于根本性的质量危机面前， 那些科技巨头们， 做出了选择， 选的是最昂贵的， 同时也是最懒惰的应对方式， 此方式为砸钱去搞硬件 。

光是今年：

：890 亿美元

：1000 亿美元

：850 亿美元

Meta：720 亿美元

简言之，他们将百分之三十的收入投入到基础设施上，此投入比例历史平均为百分之十二点五左右，与此同时，云收入的增长速度正呈现出渐趋迟缓。

这并非是一项投资行为，而是一种投降之举，当你所需耗费的是 3640 亿美元的硬件预算，仅仅是为了让本应在现有机器上能够正常运行的软件得以勉强维持运转，那么这就并非是在进行“扩展”操作，而是在对根本上存在的工程失败状况加以掩盖。

12 年经验总结出的“崩塌模式”

在从事工程管理 12 年之后，这种模式已昭然若揭:

2018年至2020年的阶段1，存在着这样一种主张，即认为内存价格较为低廉，然而优化成本却过于高昂，呈现出一种否认的态度 。

2020年至2022年，此为阶段2，习惯呈现为“现代软件都这样用资源” 。

阶段3，时间跨度为2022年至2024年，此阶段为加速，内容是“AI 会提升生产力” 。

阶段4，也就是2024年到2025年那个时段，它的主题是妥协，具体内容是就行建更多数据中心 。

即将到来的阶段5是，崩溃，物理定律压根就不理会你的风险投资，。

那些我们不敢问的问题

每个工程组织都需要回答这些问题：

啥时候起，咱起始去接纳“计算器泄露42GB属正常”这种情况的呢？

2、为什么我们比起新人，更信任 AI 生成的代码？

3、有多少抽象层其实是多余的？

4、当我们再也买不来解决方案时，会发生什么？

这样一些答案，会对到底是正在搭建可持续系统，还是在投入资金于一项实验起到决定作用，而此项实验是去瞧瞧你能够在质量欠佳的代码之上再投入多少硬件资源 。

被忽视的隐患：开发者断层危机

最可怕的长期后果还不是 Bug，而是开发者生态的断层。

现有企业正借助AI去替换掉初级开发者的岗位而“高级工程师”并非天然就有，他们是从那些往昔于深夜修正程序错误、在犯错过程中学习架构知识的新人成长起来的 。

要知道，新人一般是这样炼成的：

半夜两点排查生产环境崩溃

亲手体会“聪明的优化”为什么会反噬

在无数小失败中建立系统直觉

……

缺失了这些经历，面向接下来的日子，究竟是谁会去维护系统呢？人工智能可不具备从失败里展开学习的能力呀，它仅仅能够进行模式匹配而已。

我们正培育着一代，会书写，却不懂调试排错；会生成代码，却不擅设计系统；能将程序上线，却不会维护的“假开发者”。整个逻辑这般：缺乏新人，就没有老手，进而没人能修复被人工智能搞坏的系统。

最终出路（如果我们还想有的话）

这些问题的解决方案并不复杂，只是可能不太舒服：

质量比速度更具优先性，稍微慢一些是无妨的，重点在于上线之时便能够投入使用，修复灾难所需要付出的代价要远远高于遵循规范进行开发。

以实际资源运用情况展开衡量，并非已交付的功能。倘若你的应用于功能等同的情形下资源占用增长了 10 倍，那么这属于退步，并非进步。

把效率当作晋升的标准，那些能够减少资源消耗的工程师是值得给予奖励的，相反的情况之下就会应该进行问责了。

使其抽象层得以削减，每增添一层进行封装，性能便会出现损耗，损耗程度在百分之二十至百分之三十之间，务必要慎重地做出选择。

重新拾起基本工程原理，其中包含比如数组边界检查，还有内存管理，以及算法复杂度等方面，这些并非是老古董，而是软件工程的基石 。

结语：我们正身处“软件质量史上最糟糕的时代”

一个计算器出现内存泄漏情况，泄漏量达42GB，AI助手将生产数据库删除，企业耗费3640亿美元，目的仅仅是让糟糕的软件能够继续运行，而这一切所呈现的状况，都绝非是可持续发展的未来景象。

物理不会讲情面，能源不是无限的，硬件也有极限。

最终得以存活下来的公司，并非属于那些能够花费更多金钱的，而是那种记着怎么去真正地进行”代码的编写“ 这样工作行为流程的人所归属的公司 。

如有侵权请联系删除！