谷歌Silo Fire暴雷：AI代码增速300%

2024年Q3，某头部云厂商的内部审计显示：AI辅助生成的代码占比从12%飙到67%，但代码库复杂度指数同时翻了2.4倍。更讽刺的是，交付速度提升的同时，生产事故恢复时间（MTTR）从47分钟拉长到3小时——这不是某个创业公司的野路子，这是硅谷大厂正在吞咽的苦果。

技术债（Technical Debt）这个词被说烂了，但AI时代给它换了张脸。以前是你主动借的，现在代码自己在你眼皮底下繁殖，像《异形》里那种破胸而出的东西——你还没反应过来，它已经堵住了通风管道。

「我们没有写那些代码，但它们确实在我们的仓库里」

谷歌工程团队去年 coined 了一个内部术语：Silo Fire（筒仓火灾）。不是数据中心着火了，是AI生成的代码碎片在各自隔离的模块里闷烧，等闻到焦糊味时，整片架构已经救不回来。

产品经理出身的读者应该熟悉这个场景：Demo 跑得飞快，上线后每加一个功能都要碰运气。AI编码工具把「快速验证」的门槛砍到地板价，但也把「想清楚再动手」的缓冲垫抽掉了。

一位在谷歌工作8年的工程经理在内部文档里写：「我们追踪了2023-2024年间的127个生产事故，61%的根因指向『AI生成的边界代码未经过架构评审』。」这个数字没对外公布，但被匿名贴在Blind上后，引发了300多条评论的撕扯。

问题的诡异之处在于：代码不是人写的，但债是人背的。

传统技术债至少有个债主——当初拍板走捷径的人。现在AI成了无限供应的「黑卡」，刷的时候没感觉，账单来了才发现利率是复利。更麻烦的是，这些代码的「产权」模糊：谁写的？不知道。能删吗？不敢。能改吗？改了AI下次还这么生成。

速度指标正在集体撒谎

多数团队的仪表盘上，「代码提交量」和「功能交付周期」是亮绿灯的。但有个被刻意忽略的指标叫「认知负载」——一个新工程师理解现有代码所需的时间。

Netflix 2023年技术博客提到，他们实验性地让两组团队分别用AI辅助和传统方式开发相同功能。AI组提前11天交付，但6个月后的维护成本反超34%。「我们省下了打字的时间，」博客作者写道，「但花在阅读理解上的时间翻倍了。」

这个实验没上热搜，因为结论不够性感。但硅谷的CTO们私下传阅这篇博客的频率，远高于任何AI编程工具的发布会通稿。

有个类比可能帮助理解：AI代码像预制菜。外卖平台数据显示出餐快了，但后厨的油污积累速度也快了——只是报表上看不到「油烟机清洗频次」这项。

当速度成为唯一KPI，复杂度就是隐形的坏账。

Stripe的工程团队做过一个更狠的测算：他们用静态分析工具扫描了2019-2024年的代码库，发现AI生成代码的「模块化熵值」比人工代码高40%。简单说，就是耦合度更高、边界更模糊、改一处崩三处的概率更大。

但2024年的绩效评估里，这些写「高熵代码」的工程师拿到了更好的晋升包。因为他们的交付数字漂亮，而熵值爆炸是两年后的事。

「我们不是在写代码，是在训练下一批债务」

Anthropic的工程师Evan Morikawa在X上发过一条被删掉的帖子：「Claude生成的代码在Claude的上下文里看起来完美，但放进人类维护的代码库就是定时炸弹。」他举了个例子——AI喜欢用隐式类型转换和魔法数字，因为训练数据里这些东西出现频率高，但人类调试时想砸键盘。

这条帖子存活了6小时，足够被截图传遍Hacker News。评论区最高赞是：「所以AI在给自己制造工作机会？」

黑色幽默背后是个严肃问题：技术债的复利效应在AI时代被放大了。以前一个烂设计影响一个团队，现在AI把烂设计批量复制到十个微服务，还能自动给每个变种写单元测试——测试通过率100%，业务逻辑全错。

微软Azure团队2024年初的内部复盘泄露了一个细节：某次大规模故障的导火索是AI生成的重试逻辑，在特定网络抖动场景下会指数级放大请求量。「代码审查时没人觉得有问题，」复盘文档写，「因为它通过了所有静态检查和压力测试。」

测试覆盖率和正确率是两件事，AI让前者更容易，后者更难验证。

解法不是不用AI，是重新定义「快」

Google DeepMind的研究员Sara Hooker在NeurIPS 2024的演讲里提了个概念：「减速带工程」（Speed Bump Engineering）。不是慢下来，而是在关键路口强制刹车——比如AI生成代码必须经过特定模块的架构师签名，比如复杂度指标和交付指标并列考核。

这个提法在Twitter上被嘲讽为「大厂病又犯了」，但Hooker回应的数据有点意思：DeepMind内部实验显示，增加20%的「强制暂停点」，长期维护成本下降37%。「我们骗不了自己，」她说，「省下的时间会在某个深夜的on-call里连本带利还回去。」

Shopify的工程VP在2024年Q4财报电话会议里意外透露，他们暂停了部分团队的AI编码权限，因为「代码库的熵增速超过了我们的消化能力」。股价当天跌了4%，但技术社区里一片「终于有人说实话了」的叫好。

这些案例指向同一个结论：AI没有消灭技术债，只是改变了它的形态和记账方式。以前借的是时间，现在借的是认知带宽；以前的债主是未来的自己，现在的债主是团队里那个还没入职的新人。

那位谷歌工程经理在内部文档的最后写了一句被大量转发的话：「我们以为AI是杠杆，结果发现它是贷款——而且利率是浮动的。」

2025年1月，GitHub Copilot的团队发布了一项新功能：自动生成「技术债影响报告」，试图在编码实时提示复杂度风险。但评论区有人一针见血——「这就像香烟盒上印『吸烟有害健康』，该抽的还是抽。」

你的团队仪表盘上，「代码提交量」和「认知负载指数」哪个数字更好看？