当五角大楼花6900万美元重新制造一种它自己发明的材料时，你以为这是历史故事。但同样的事情正在软件行业上演——只是这次，我们亲手把火把递给了纵火者。
前言
4月21日，一篇来自乌克兰工程团队负责人Denis Stetskov的文章《The West Forgot How to Make Things. Now It's Forgetting How to Code》引爆了Hacker News，366 points、174条评论。4月25日，The Verge发表调查报道，揭示美国军方AI战争系统Maven日产5000个目标——比三年前提升50倍。同样的故事，在不同的战场，以同样的配方上演。
这不是巧合。这是规律。
一、你以为的知识流失：只发生在制造业？
让我们先破除一个幻觉：知识流失只发生在导弹工厂里。
看看这些数据：
-
Fogbank事件：美国政府花6900万美元、多年时间逆向工程，才重新生产出一种1975-1989年间自己制造的核弹头材料。不是因为缺钱，是因为所有懂这项技术的人都退休了——而且他们脑子里那种"材料里该有点杂质"的经验，从来没有写进过任何文档。
-
Stinger导弹：2022年5月下的订单，2026年才能交付。不是因为供应链断裂，是因为当年组装它的老工程师们早已退休，当需要重启生产线时，发现"怎么造"的答案只存在于他们的记忆里。
-
欧盟炮弹：承诺一年提供100万发，实际产能只有三分之一。法国2007年停止了推进剂生产，德国弹药储备只够用两天。整个欧洲的国防工业被优化成"小批量定制产品"模式，没人考虑过危机时刻的规模化。
你可能觉得，这和我有什么关系？
关系大了。
二、软件业正在进行同样的优化
第一步：合并
1993年，五角大楼对国防CEO说："合并或者死亡。"51家主要国防承包商合并成5家。战术导弹供应商从13家变成3家。造船商从8家变成2家。劳动力从320万人缩减到110万。
软件业在做什么？2023-2024年，谷歌、Meta、亚马逊、微软启动大规模裁员。GitHub数据显示，2024年科技行业裁员超过17万人。这些被裁掉的，是有10-15年经验的中高级工程师。
第二步：外包给AI
五角大楼的外包对象是私人承包商。软件业的外包对象是AI。
Salesforce在2025年宣布不再招聘新软件工程师。LeadDev调查发现，54%的工程领导认为AI copilot将长期减少初级工程师的招聘需求。美国计算研究协会（ CRA）调查显示，62%的大学计算机系报告入学人数下降。
没人觉得这有什么问题。AI可以写代码，为什么要雇那么多人？
第三步：知识渠道萎缩
当你停止招聘初级工程师，10年后就没有高级工程师了。
这不是修辞，是物理事实。RAND公司研究发现，潜艇设计10%的技术能力需要10年实践经验才能发展。国防贸易的学徒期需要2-4年，达到监管能力需要5-8年。
软件开发一样：初级开发者需要3-5年成为合格的中级工程师，5-8年成为高级，10年以上成为首席架构师。这个时间线，不能用钱压缩，不能用AI压缩。
结果：AI-mediated competence
国防部资助的劳动力研究里有一个术语："AI-mediated competence"——AI介导的能力。意思是，你可以让AI做事，但你无法告诉AI它哪里做错了。
这正是当前软件业的写照。
三、实战数据：AI让资深工程师变慢了
你可能听说过AI让开发者效率提升50%、100%的说法。
但这是新数据：
METR随机对照试验发现：使用AI编程工具的有经验的开发者，在实际开源任务上花费的时间反而增加了19%。
他们预测AI会让他们的速度快24%。实际结果：慢了19%。
预测和现实之间，差了43个百分点。
当研究人员试图做后续跟踪研究时，相当比例的开发者拒绝参与——如果这意味着必须不用AI的话。他们无法想象回去。
这意味着什么？
意味着很多开发者对AI的依赖程度，已经超过了对自身能力的信任。
四、代码审查：正在成为新的瓶颈
Denis Stetskov在文章中描述了一个他观察到的现象：
AI生成代码很快。人类审查代码很慢。行业的回答是：让AI审查AI的代码。
他拒绝这样做。他的团队改用了另一种方案：
每个PR必须包含以下结构化信息：改了什么、为什么改、变更类型、操作前后截图。他说，这是为了让审查者不需要猜测，"更多双眼睛，更多机会发现模型遗漏的东西"。
但这解决不了更深的问题。
现在有效的工程师需要的技能已经不同了。
技术专长本身不够用了。你需要能承担责任的人，能沟通权衡的人，能对听起来非常自信的机器说"你错了"的人。
他描述了最后一次招聘结果：2253个候选人，2069个被淘汰，4个被录用。转化率0.18%。
兼具技术能力和判断AI错误的能力的人，在市场上已经极为稀缺。
五、Project Maven：AI战争系统的启示
如果说Denis Stetskov描述的是慢性知识流失，The Verge 4月25日的Project Maven报道，揭示的则是另一种极端：AI加速的知识断层。
Maven智能系统（Maven Smart System）是美国军方用于合成卫星图像、雷达、社交媒体等数十个数据源的AI系统。2026年4月伊朗战争第一天，该系统帮助美军打击了超过1000个目标——是20年前"震撼与敬畏"行动的两倍规模。
美国官员告诉作者Manson，AI让美军从每天打击不到100个目标，提升到1000个目标，加上LLM的加成，可以达到每天5000个目标。
这套系统最初由谷歌承接，2018年引发员工抗议后，谷歌退出，转由Palantir承接，使用了微软、亚马逊、Anthropic等公司的技术。目前已部署到美军各军种，并被北约采购。
这里的关键不是AI有多强，而是：当AI替你完成识别、筛选、排序这个过程时，你学到了什么？
一个每天通过AI完成5000个目标打击的分析师，和一个1970年代需要手动分析每一帧无人机画面才能找到目标的分析师，谁更了解战场？
10年后，当我们需要重建某项能力时，谁的知识还在？
六、Fogbank for Code：当 juniors跳过调试时
Fogbank的核心教训是：知识存在于人的头脑中，而不是文档中。
当你让junior跳过调试、跳过那些塑造直觉的错误时，他们没有建立隐性专业知识。当这一代工程师退休时，那知识不会转移到AI上。
它就是消失了。
Denis Stetskov的原话是：
"当 juniors 跳过调试和形成性错误时，他们不会建立隐性专业知识。当我的那一代工程师退休时，那知识不会转移到 AI。它就是消失了。"
这正是 Fogbank 在代码领域的重演。
七、真实的警示时间线
| 行业 | 危机前兆 | 代价 |
|---|---|---|
| 国防 | 1993年合并潮，劳动力从320万降至110万 | 2022年后花数年重建，数十亿美元仍不够 |
| 核武 | 1989年Fogbank工厂关闭 | 2000年代花6900万美元重建，还差点失败 |
| 软件 | 2023-2024年AI替代预期+大裁员 | 5-10年后见分晓 |
重建需要多久？
简单的系统：3-5年。
复杂的系统：5-10年。
Stinger导弹：30个月最小。
Javelin导弹：4年半才把产量提升不到一倍。
155mm炮弹：4年，仍未达标，投资50亿美元。
软件开发呢？
现在停止培养junior工程师，10年后才有senior可以用。
5-10年后，我们会需要能凌晨2点调试分布式故障、能端到端理解系统的资深工程师。那些工程师现在还不存在——因为我们没有在创造他们。
八、我们能做什么？（3个可操作步骤）
第一步：建立知识外化的SOP
每解决一个非显而易见的问题，立即写SDD（系统设计文档）。不只写"怎么做"，要写"为什么不能那样做"——后者才是真正难以恢复的知识。
结构化PR模板（参考Denis Stetskov的实践）：
- 改了什么
- 为什么改
- 变更类型
- 操作前后截图
- 任何非显而易见的决策理由
第二步：人为创造"艰难时刻"
AI跳过了调试过程中的错误。但那些错误是技能形成的关键。
实践建议：
- 每周至少一次，在没有AI辅助的情况下处理一个未知问题
- 定期进行"盲测"：给你一个bug描述，看你能不能不靠AI定位到根因
- 建立内部技术分享机制，让senior解释"为什么我知道这个"——这是最难得的知识外化
第三步：重新定义招聘标准
不要只招"会用AI写代码"的人。招"知道AI什么时候错了"的人。
面试时增加：
- 给一个AI生成的错误解决方案，让候选人指出问题
- 问"你见过AI在什么情况下会系统性地出错"
- 评估候选人对不确定性容忍度（senior工程师的核心特征）
结语
Fogbank的教训不是"要保存更多记录"。记录是不够的。
记录的教训是：当知识只存在于人的头脑中，而你让人离开时，知识就消失了。
软件业现在正在亲手制造新一代的Fogbank。
我们今天种的因，10年后会结成果。危机不会发日历邀请——就像2022年欧洲没人预料到会在大陆发生全面土地战争一样。
你能做的：现在就开始，为那个你无法预测的危机，准备答案。