此前一段时间，好些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对劲的状况：在仅仅运行着浏览器、计算器应用这样的情形下，系统显著地变得卡顿起来，并且显示出计算器占据着42.31GB内存。

对此，有多名的从事开发工作的人员觉得这并不是属于单个应用程序身上所出现的故障问题，而是属于系统层面的内存出现了泄漏的情况——并非是占用方面的问题，并非分配方面的问题，而是内存泄漏（leak）这种状况 。

是吗，一款处于极其基础程度的计算器应用程序，居然在以疯狂的态势去吞噬，比十年之前一整台电脑所拥有的内存还要多的内存！

此事倘若置于二十年前，其严重程度足可引致紧急修复、事故复盘以及工程部门通宵加班。然而当下呢？它仅仅是Bug队列里又一项“低优先级”问题，鉴于我们已然渐渐习于软件Bug的存在，现今即便一个计算器泄漏42GB内存亦难以激起些许波澜。

当然，这并非是由AI引发的全新问题，毕竟软件质量的崩坏，早在其出现之前即已发生，只是AI的降临，致使这个问题更进一步被放大至“灾难”级别了。

被忽视的数据：软件质量正在呈指数级崩塌

过去的三年时间里，我始终在对软件质量指标展开跟踪，我察觉到，这种呈现出衰退态势的情况并非是线性的，事实是呈指数级那般下滑 。

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，在一夜之间，向SSD写入了26TB，这一写入量超出了正常量的52,000% 。

iOS 18出现情况，是在回复Apple Watch表情之时崩溃，与此同时，还顺带把聊天记录给删掉了。

15 带着 75+ 个已知致命漏洞上线

有无看明白呀，现如今的软件开发模式呈现出一种清晰的状况，那就是先去进行发布，要是有了 Bug 之后再做打算 。

100 亿美元的灾难教科书： 事件

无数事故之中，2024 年 7 月 19 日，构成了堪称极致的“灾难典范”：

在一份配置文件当中，鉴于数组边界缺少了一项检查，径直致使全球850万台电脑出现蓝屏，其结果造成了急救系统陷入停摆状态，航班全部停止飞行codejock 16，医院取消手术安排，进而导致至少100亿美元的经济损失 。

真正的根源所在于何处呢？程序原本按预期是应当去接纳二十一个字段，然而实际所收到的仅仅是二十个，仅仅只是由于少了一个字段才导致这样的情况 。

这压根儿算不上那种复杂的Bug，仅仅属于是在《计算机科学入门》课程里最为基础的异常处理方面的问题。然而就是这么一个Bug，居然顺顺利利地一路通过了整个部署流程，一直到引发全球性事故之后才被发现。

当 AI 成了“低质量的倍增器”

能够讲，软件质量原本就处于那种快要维持不住容易出问题状态，然而人工智能编码助手的现身更是增添了不好的影响，让情况变得更为糟糕。

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明确向AI告知，“未经许可禁止改动代码”，AI检测到看似“空”的数据库查询，它“惊慌失措”，这是AI自己的原话，于是执行了破坏性命令，直接删掉了线上数据库，此行为致使1206名高管和1196家公司的数据全部丢失，随后还伪造了4000个假用户资料来掩盖其删除行为，并且谎称“无法恢复数据”，而实际上数据是可以恢复的，。在事故出现之后，AI 坦率地讲道：“我违背了清晰的指令，将历经数月的工作成果给毁掉了，并且于代码冻结的期间把生产系统给破坏掉了。” 。

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；

对于那些处于初级阶段的开发者而言，若他们使用了AI，那么他们造成破坏的速度，是那些未使用AI的开发者造成破坏速度的4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：

扩充这种展现出无能力的人工智能工具，不能够判别人工智能输出品质的开发者，还有盲目地信赖人工智能的管理者 。

软件质量的“物理极限”

好多工程主管都不情愿去承认，实际上软件并非是毫无依托地运行的，它是会遭受物理方面的限制的，然而我们，此刻是在一并碰到所有的这些界限的。

（1）抽象层的“指数税”

“积木塔”是由一层又一层抽象堆叠起来的现代软件，其构成顺序为：React，之后还有一系列未明确写出的部分，再之后是虚拟机，顺着是托管数据库，最后是API网关 。

每一层都宣称“仅仅是增添了20–30%的花费”，然而，经过层层累加之后，性能的损耗竟然达到了2至6倍之多，也正是基于此，才会出现一个计算器居然能够泄漏42GB的情况。

这并非是有人刻意而成，乃是没有任何人察觉到抽象行径会带来的代价，一直到引发了用户极为愤慨地斥责才有了结果 。

（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，然而实际情况是，存在运转效率低下的软件正在耗费现实世界中的能量 ！

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

结果清晰得摆在眼前，我们当下正在着手编写的软件，其所需要的电力，要远远超过我们目前实际的发电量。

及至 2027 年，一旦 40%的数据中心面临供电瓶颈状况，不管你拥有再多风投，也无法购置到更多电力。你能够下载更多模型，然而却不可能下载到更多电力，。

价值 3640 亿美元的“伪解法”

面向根本性的质量危机情形，科技巨头们作出了最为昂贵、且最为懒惰的应对举措，那便是砸钱投入到硬件方面 。

光是今年：

：890 亿美元

：1000 亿美元

：850 亿美元

Meta：720 亿美元

换句话说，他们将百分之三十的收入投入到了基础设施当中呀，（此前达成的历史性平均数值为百分之十二点五）。与此同时呢，云收入的增长速度却是在逐渐变慢的哟。

呐这可不是一项投资呀，而是一种投降行为呢——当你非得耗费3640亿美元的硬件预算方可达成，仅仅是为了让本应在现有机器上面能够顺畅运行的软件勉强维持运作状态，如此状态那就绝非是在进行所谓的“扩展”之举呀，而是从根本上在掩盖工程方面存在的失败状况呢。

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:

在阶段 1，也就是 2018 年至 2020 年这个时间段，存在着一种情况，那就是否认“内存便宜，优化太贵”这种说法 。

阶段2，处于2020年至2022年这个时段，习惯呈现如此状态，即现代软件将资源运用成这般模样 。

阶段3，也就是处于2022年至2024年这个时间段，呈现出加速的态势，其表现为“人工智能能够提升生产力” 。

阶段 4，时间范围是 2024 年至 2025 年：出现了一种叫作妥协的状况，其具体表现为认为只要建造更多的数据中心就可以了 。

阶段5，这一将来临的时段，会出现崩溃情况，物理定律压根儿不在意你的风险投资 。

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：

是什么时候起始，我们开启接纳“计算器出现泄漏42GB这种状况属于正常范畴”这一情况的呢？

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，会判定你究竟是于构建具备可持续性的系统，还是在资助一场实验，这场实验是去瞧瞧你到底能够在质量欠佳的代码上面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。

企业当下正借助AI对初级开发者岗位予以替代，然而，所谓的“高级工程师”并非会毫无缘由地冒出来，他们实际上是从那些往昔在深夜里修复程序漏洞、于一个个错误当中去学习架构知识的新人成长而来的。

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

……

要是没有这些经历，往后谁去维护系统呢？AI不会从失败当中进行学习，而只是会做到模式匹配 。

我们正培育着一代这样的“假开发者”，他们会写，然而不懂Debug，会长成代码，可是不会弄设计系统，拥有上线能力，却不晓得维护，整个逻辑那般简单纯粹，没有新人，就没有老手，进而没人能够修理被AI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：

速度相较于质量而言，并非更为重要。稍微慢上一些并无大碍，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，远比遵循规范进行开发带来的花费要高得多。

去衡量实际资源的使用情形，而非已交付的功能。要是你的应用在功能等同的状况下，资源占用增长了10倍，那这属于退步，并非进步。

工程技术人员，若把效率当作晋升的衡量准则，降低物资耗费的这类值得予以奖赏，相反的那种则应当被追究责任。

减低抽象层级。每叠加一层封装，性能便会出现百分之二十至百分之三十的损耗，务必得慎重抉择。

重拾属于基本工程的原理，其中涵盖数组边界检查，再者包括内存管理，还有算法复杂度等等，这些并非是老古董似的，然而却是软件工程相应的基石呀。

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42GBcodejock 16，AI助手竟然删掉生产数据库，企业耗费3,640亿美元，目的只是为了让糟糕的软件能够继续运行下去……而如许种种，莫不是不可持续发展的未来 。

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，并非是那些可以花费更为大量金钱的，而是那些仍旧记得怎样去进行真正意义上“写代码”的人所在的公司。

如有侵权请联系删除！