來源：YouTube | 31分鐘 | 2026-06-03
Linus Torvalds 與 Dirk Hohndel 的對談中，核心論述 AI 工具對開源開發的雙面影響：AI 顯著降低了程式碼撰寫的進入門檻，導致 Linux 核心提交量增加 20%，但同時引發了「社會層面的痛點」，包括大量低品質的 AI 生成錯誤報告、安全郵件列表被淹沒，以及維護者面臨的 burnout 危機。Linus 強調，AI 是如同編譯器般強大的工具，但不會改變程式設計的根本——理解系統與長期維護的能力仍是關鍵。
- 開場與業餘專案：Linus 分享 3D 列印與 OpenSCAD 的程式化建模偏好，以及新開源的吉他效果器專案（github.com/torvalds/guitarpedal），展現他對硬體與軟體結合的熱情。
- Linux 核心開發現況：過去六個月提交量增加 20%，主因是 AI 工具降低了撰寫核心補丁的門檻。
- AI 帶來的社會問題：大量 AI 生成的錯誤報告湧入安全郵件列表，導致維護者不堪負荷；AI 工具讓安全研究人員能快速逆向工程修補程式，縮短了漏洞修復的「安全窗口」。
- 安全揭露政策的轉變：Linux 核心團隊修改政策，要求 AI 發現的錯誤視為公開資訊，因為同一漏洞通常已被數百人同時發現。
- 維護者 burnout 與生態系統挑戰：大型專案如 Linux 核心有充足資源，但數十萬小型開源專案的維護者正面臨 AI 驅動的「drive-by」錯誤報告困擾。
- AI 作為工具的本質：Linus 將 AI 比作編譯器——提升生產力但未改變程式設計本質；真正的挑戰在於社會層面的適應。
Linus 觀察到 Linux 核心過去六個月的提交量增加約 20%，但這並非單純的好消息。AI 工具讓更多開發者能跨越初始門檻，但大量補丁的品質參差不齊，導致維護者審查負擔急劇增加。這反映了開源生態系統中「生產力提升」與「維護成本」之間的結構性矛盾——當輸入量暴增而審查資源有限時，整體效率可能不升反降。
傳統上，開源專案可以透過模糊修補程式內容來爭取修復時間，但 AI 工具能在數小時內逆向工程出漏洞細節。Linus 舉例，一個修補程式發布後三小時內就有詳細的漏洞分析文章出現。這意味著「負責任揭露」的傳統模式在 AI 時代已失效，維護者被迫在完全公開的環境中進行修復。
Linus 反覆強調，AI 帶來的核心挑戰不是技術性的，而是社會性的。他將此與 2000 年左右 Linux 核心的規模化危機類比——當時他被迫改變工作方式。現在，整個開源社群需要學習如何「負責任地」使用 AI 工具，包括避免將所有 AI 發現的錯誤都標記為安全問題、提供修補程式而非僅報告漏洞，以及理解長期維護的責任。
Linus 區分了兩類 AI 使用場景：一是「vibe coding」——快速生成一次性專案，AI 非常適合；二是需要維護數十年的嚴肅專案（如 Linux 核心），開發者必須深入理解生成的程式碼，甚至檢視組合語言輸出。他警告，不理解底層系統的開發者即使使用 AI，也無法寫出可長期維護的程式碼。
Linus 以自身經驗（從機器碼到組合語言到編譯器）類比 AI 的定位：編譯器提升了 1000 倍的生產力，AI 可能提升 10 倍，但兩者都未改變程式設計的本質——理解問題、設計解決方案、確保正確性。他強烈反對「99% 程式碼由 AI 撰寫」的說法，認為這混淆了「生成」與「理解」的區別。
「AI 將提升你的生產力 10 倍，而編譯器提升了 1000 倍。AI 很棒，但它沒有改變程式設計——它只是改變了我們生成程式碼的方式。」——Linus Torvalds