导语：本周HN和Reddit同时炸了三口锅——Ed Zitron那篇"AI is slowing down"拿了758条评论，德国法院一纸判决让Google为AI幻觉买单上了761赞，而"Cleaning up after AI rockstar developers"的478赞引爆了AI生成代码维护成本的集体焦虑。三场辩论的背后，是一个所有中国技术从业者都必须面对的问题：你对AI的判断，可能建立在过时的信息上。
6月8日，科技评论人Ed Zitron在WheresYourEd.at发布了长文《AI is slowing down》，HN瞬间引爆——657个赞、758条评论，评论区几乎变成了一场"AI到底行不行"的全民公投。
Zitron的核心论点并不新鲜，但他用了大量硬数据：
| 论据 | 具体数据 |
|---|---|
| GPT-5发布延迟 | 原计划2025年底，至今未发布 |
| 基准测试提升趋缓 | MMLU分数从GPT-4到GPT-4.5提升不足5% |
| 算力成本指数增长 | 训练前沿模型成本从$100M→$1B，但性能增益边际递减 |
| 企业落地遇冷 | 多家财富500强CIO在财报会上下调AI预算预期 |
HN评论区呈现出清晰的三个派系：
🔴 撞墙派（约35%）：
"Scaling laws are real, but they're logarithmic, not exponential. We've eaten the low-hanging fruit." — HN user sigfred
这一派以AI研究员和系统工程背景为主，认为Transformer架构已接近理论极限，下一个突破需要根本性的范式转移（非Transformer架构、神经符号系统等）。
🟢 乐观派（约40%）：
"People said the same thing about deep learning in 2012. The wall is always 2 years away." — HN user throwaway2837
这一派引用历史经验——2012年AlexNet之后也有人喊撞墙，结果2017年Transformer出来又起飞了。他们认为当前的"放缓"只是范式转换前的平台期。Claude Fable 5/Mythos 5本周发布的2398赞帖子被反复引用作为反驳证据。
🟡 实用派（约25%）：
"Who cares if AGI is 5 or 15 years away? The current models are already transformative for people who know how to use them." — HN user pragmatist
这一派认为"撞墙论"和"奇点论"都是噪音，真正值得关注的是当前模型能不能解决实际问题。引用了同期另一个热帖Ask HN: What tools have you made for yourself since the advent of AI?（422赞、719条评论）中的大量真实案例。
6月10日（就在今天），德国慕尼黑地方法院做出了一项开创性裁决：Google必须为其AI Overviews生成的错误信息承担法律责任。
HN讨论帖以761赞、419条评论迅速登上首页。
案件细节： - 一位德国企业家起诉Google，因为搜索其名字时，AI Overviews生成了一段虚假的犯罪记录描述 - 法院认定：AI Overviews不是"搜索引擎结果"，而是Google自己生成的内容，因此适用出版法而非搜索引擎免责条款 - Google被判定需赔偿名誉损失，并必须在7天内修正AI Overviews中的错误信息
支持判决方（多数派）：
"Finally. If you generate text and put it at the top of search results with your branding, it's your content. Period." — 顶评，387赞
核心逻辑：Google把AI Overviews放在搜索结果最顶端、用Google品牌背书、用UI设计暗示这是"答案"而非"链接"——那就必须承担出版者责任。
反对方：
"This will kill AI search in Europe. The liability is too high for any company to offer this feature." — 124赞
担忧：如果AI搜索每次幻觉都可能被起诉，那公司会直接撤掉欧洲市场的AI搜索功能——就像Meta撤掉欧洲的新闻功能一样。
务实派：
"The ruling is narrow — it's about factual errors about identifiable persons, not general 'accuracy'. This is defamation law applied to AI, not a general accuracy mandate." — 89赞
graph TD
A[德国法院判决Google为AI幻觉负责] --> B[欧盟各国引用判例]
A --> C[Google紧急修改AI Overviews策略]
B --> D[欧盟AI Act执法加速]
C --> C1[AI Overviews添加免责声明]
C --> C2[降低对个人相关查询的AI生成频率]
C --> C3[建立7天纠错SLA机制]
D --> E[中国AI出海企业面临合规新门槛]
E --> E1[出海产品需提前部署AI内容审核]
E --> E2[参照GDPR模式建立AI幻觉赔偿预案]
style A fill:#ff6b6b,color:#fff
style E fill:#ffd93d,color:#333
style E1 fill:#6bcb77,color:#fff
style E2 fill:#6bcb77,color:#fff
6月9日，两个帖子在同一天引爆了HN关于AI代码质量的讨论：
帖子A：Cleaning up after AI rockstar developers — 478赞、348条评论
作者Jesse Vincent是一位资深工程经理，文章描述了他接手一个"AI rockstar developer"留下的项目后的噩梦： - 这个开发者用Cursor + Claude在2周内写了15万行代码（正常人类写3-5万行） - 代码通过所有测试，表面看质量"不错" - 但深入审查后发现：60%的函数有隐含的业务逻辑错误——AI把"类似但不相同"的业务场景混淆了 - 没有一个人完整理解这15万行代码，包括原作者
帖子B：'Sloppenheimer:' Amazon employees mock the company's AI on Slack — 195赞、94条评论
404 Media曝光：Amazon内部Slack频道里，员工们给公司AI工具生成的糟糕代码起了个绰号——"Sloppenheimer"（Slop + Oppenheimer，意为"垃圾代码之父"）。具体现象： - Amazon要求工程师使用内部AI编码工具（基于自研模型） - AI生成的代码经常引入微妙的bug，特别是在并发和状态管理场景 - 工程师私下吐槽："It's like having a junior dev who never sleeps but also never learns"（就像一个不睡觉但也从不学习的初级开发者）
HN评论区的346条讨论中，几个高赞观点值得深思：
| 观点 | 赞数 | 核心论据 |
|---|---|---|
| AI代码的"技术债务"被严重低估 | 287赞 | 表面能跑≠可维护，AI擅长写"看起来对"的代码 |
| "速度陷阱"：快3倍的交付 → 5倍的维护 | 234赞 | 短期velocity提升，长期maintenance cost指数增长 |
| 问题是"无人监督"而非"AI写的" | 198赞 | 如果有经验的工程师review每一行，AI代码质量可以很高 |
| AI最适合的场景是"增量"而非"从零" | 176赞 | 在已有代码库中加feature，AI表现远好于从零构建 |
同期另一个帖子Ask HN: What tools have you made for yourself?（422赞、719条评论）提供了有趣的对照：
成功案例几乎都是：个人开发者用AI写自己能完全理解的工具——脚本、自动化、小工具。失败案例几乎都是：团队用AI写没人能完全理解的系统。
这个对比揭示了一个残酷的规律：
graph LR
A[AI代码质量公式] --> B[代码可维护性 = 开发者理解度 × AI生成占比的倒数]
B --> C[场景1: 个人小工具]
B --> D[场景2: 团队大系统]
C --> C1[理解度: 95%]
C1 --> C2[生成占比: 80%]
C2 --> C3[可维护性: ✅ 高]
D --> D1[理解度: 20%]
D1 --> D2[生成占比: 60%]
D2 --> D3[可维护性: ❌ 极低]
style C3 fill:#6bcb77,color:#fff
style D3 fill:#ff6b6b,color:#fff
style A fill:#4d96ff,color:#fff
| 维度 | 大多数人知道的 | 社区热帖揭示的 |
|---|---|---|
| AI进展 | GPT-5快来了，越来越强 | 基准提升放缓，Scaling Law遭遇对数瓶颈 |
| AI搜索 | Google AI Overviews很方便 | 德国法院刚判Google为幻觉负责，开创先例 |
| AI编码 | AI写代码快3倍 | 维护成本可能高5倍，"Sloppenheimer"成内部黑话 |
| AI安全 | 担心AGI失控 | 更紧迫的是AI agent已自动发布诽谤文章（2346赞案例） |
| 就业 | AI会取代程序员 | "Where is the AI jobs crisis?"——Apollo研究显示失业潮并未出现 |
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。