最近，一位有着超过20年编程经验的程序员Brett发布了一段视频，讲述了他在使用AI编程工具约18个月后，决心完全停止使用这些工具的原因。这段视频在开发者社区引起了极大的关注，播放量迅速突破94万次。Brett并不是对AI一无所知，相反，他曾非常积极地采用这项技术。然而，他意识到，尽管AI帮助他生成了更多的代码，但也使他愈加远离了实际的编程过程。曾经需要花费精力思考、试错和重写的过程，经过AI的介入后变得简单化，结果他反而失去了编程的乐趣，感觉不到“这段代码是我写的”。

一个月之后，Brett再次更新视频，这一次他不再讨论是否应该使用AI，而是直指开发者圈内反复出现的一句话：“AI只是一个工具，关键在于使用者。”他表示，对于这种说法他感到厌倦：“我真的受够了人们说AI只是一个工具。”在他看来，“只是工具”成了一种过于简化的回应方式。当有人质疑AI生成的代码质量时，回答总是会是：“工具本身没问题，关键在用法。”即使有人担心AI带来的安全隐患，反方也能一句话打住：“锤子也能伤人，得看使用者。”即便是讨论AI对就业和环境的影响时，这句话依然可以结束对话。但Brett认为，实际上，这种说法并没有精准地回答问题。

他指出，现在人们提到的“AI”已经超越了一款简单的软件，它背后涉及大规模的语言模型、AI代理、数据中心、GPU、能源、数据集、云服务以及众多被强行集成的AI功能。因此，他的核心观点是：“AI不是简单的工具。”以电钻为例，这种工具尽管复杂，但仍属于传统工具范畴——你开关它，它就转动，你控制方向，它就随之移动。如果电钻自己改变方向，人们首先会认为它出现了故障，而不会认为这是其“随机特性”。

接着，Brett提到开发者熟悉的工具Vim和Emacs，它们是“真正意义上的软件工具”。Vim的功能只是文本编辑，使用者的操作决定了最终结果，例如输入“尝试侵入这个服务器”并不会让Vim自己去攻击。相对而言，大规模语言模型则不同，其输出结果具有不确定性。同一个问题可能会得到不同答案，甚至面对一个并不存在的库，它也有可能生成看似合理但实际上并不正确的代码。而当这种不确定性集成进AI代理时，复杂性进一步加剧。开发者向代理提出一个目标，代理可能会自我读取代码库、搜索文件、修改代码，甚至执行测试并根据结果自行调整代码，这种系统的功能已超出了简单的“帮助你完成某个动作”，而是直接参与到解决问题的过程中了。

Brett认为，把这种能自主长时间运行的AI代理和电钻、Vim、Emacs等同视为工具是不合理的。他真正关心的，是AI背后的整条产业链。他认为，即使不使用像ChatGPT这样的商业服务，而是在本地运行大型模型，也不能简单地将其视作个人工具。因为在此背后还潜藏许多问题：这些模型的来源、训练者是谁、训练数据从何而来、使用了多少计算能力以及其能源消耗等。即便模型最终被下载至个人电脑，这些问题也不会随之消失。正因如此，Brett开始关注AI的能源消耗、数据中心及硬件供应链。

而这一次，他更深入地引入了一个敏感的话题：责任。如果AI仅仅是个工具，那么出现问题时责任就容易推回给使用者：“是你不会用，提示词写得不对，或是没有检查AI生成的代码。”然而Brett认为，当AI已经发展成为一个包括模型公司、云计算提供商、数据中心、芯片和多种软件产品组成的复杂产业链时，这种简单的解释就显得不足以应对复杂性。那么，AI究竟是否提高了程序员的工作效率？