AI 寫程式的真正分水嶺：從函式補完到系統建構，VibeTensor 帶來了什麼啟示？

長期以來，我們衡量 AI 寫程式能力的標準，大多圍繞在它能否快速補完一個函式、寫出一段演算法，或是在 SWE-bench 這類基準上修復多少軟體問題。這些指標固然重要，卻也讓我們忽略了一個更根本的問題：AI 能否獨立建構一個複雜、多層次、且具備內部一致性的完整軟體系統？最近一篇名為《VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents》的研究，給出了一個肯定的答案，也為我們揭示了 AI 輔助開發的真正分水嶺，已經從碎片化的程式碼生成，轉向了整體性的系統建構。

這篇於 2026 年 1 月發表的論文，展示了一個名為 VibeTensor 的深度學習軟體棧，其驚人之處在於它完全由 AI Agent 自動生成。這不是一個簡單的腳本或函式庫，而是一個涵蓋底層到應用層的完整系統。

為什麼 VibeTensor 如此重要？

VibeTensor 的出現之所以意義重大，是因為它證明了 AI Agent 的能力已經超越了單點任務的範疇。它不再只是開發者的「副駕駛」，而更像是一位能獨立完成專案的「架構師兼工程師」。這個由 AI 從零開始打造的系統，具備了現代深度學習框架應有的所有核心組件：

• 高效能核心： 使用 C++20 編寫，負責主要的張量運算與記憶體管理，確保底層執行效率。
• GPU 加速： 整合了 CUDA 執行時，讓運算能在 NVIDIA GPU 上高效運行。
• 友善的 Python 介面： 提供了一套風格與 PyTorch 高度相似的 Python API，讓開發者可以輕易上手。
• 關鍵功能： 實現了如自動微分（autograd）等深度學習框架不可或缺的核心功能。

換句話說，AI Agent 不僅寫出了各個模組的程式碼，更重要的是，它成功地將這些跨語言、跨層次的組件整合成一個有凝聚力、可運作的系統。從 C++ 的底層記憶體佈局，到 Python 介面的 API 設計，Agent 必須在整個開發過程中維持設計理念的一致性。

從「程式碼片段」到「一致的系統抽象」

過去幾年，AI coding 工具的進步令人矚目，但其本質仍是「輔助」。它們擅長在一個已有的框架內填補空白，例如根據註解生成函式、修復 bug、或撰寫單元測試。這些任務雖然能提升生產力，但它們並未觸及軟體工程的核心——建立與維護抽象（abstraction）。

一個優秀的軟體系統，其價值不僅在於功能的實現，更在於其清晰、一致的抽象層次。介面與實作分離、高內聚、低耦合等原則，都是為了管理複雜度。這正是 VibeTensor 專案所跨越的巨大鴻溝。

AI Agent 在這個專案中扮演的角色，不再是單純的「程式碼工人」，而是「系統設計者」。它必須理解 C++ 的底層細節如何影響 Python API 的使用體驗，並確保兩者之間的介面是穩定且可維護的。

這種能力意味著，我們評估 AI 寫程式的標準需要升級。關鍵不再是「它寫的這段程式碼對不對」，而是「它構建的整個系統是否具備良好的一致性與可擴展性」。這對人類開發者的要求也隨之改變，我們需要從繁瑣的實作細節中抽離，更專注於高層次的系統設計、需求定義，以及對 AI Agent 產出結果的驗證與整合。

這對軟體開發者與系統架構師意味著什麼？

VibeTensor 的實踐，並非宣告開發者將被取代，而是預示了人機協作模式的深刻變革。當 AI 能處理從底層到前端的完整實作時，人類專家的價值將更多地體現在以下幾個方面：

1. 需求轉譯與架構定義： 人類需要更精準地定義系統的目標、邊界與核心抽象，並將其轉化為 AI Agent 能夠理解的指令或「憲法」（正如 Anthropic 提倡的有效 Agent 設計原則）。
2. 高階設計決策： 在多種可行的架構方案中進行權衡取捨，例如選擇 C++20 作為核心語言，或是決定 Python API 的設計風格。這些決策需要深厚的領域知識與經驗。
3. 驗證與除錯： AI 生成的系統雖然在功能上可能完整，但仍需人類專家進行嚴格的效能測試、壓力測試與邏輯驗證，找出潛在的設計缺陷或邊界情況下的錯誤。

未來，軟體開發的流程可能會更像是在指導一個高度自主的工程團隊。我們的角色，是提出願景、設定目標、提供約束，並在關鍵節點進行審查與校準，而 AI Agent 則負責將這些高層次的想法，轉化為具體、高效且一致的程式碼實現。

總結來說，VibeTensor 為我們展示了一個未來：AI 不再只是寫程式的工具，而是能夠獨立思考、設計並建構複雜軟體系統的夥伴。這條分水嶺已經劃下，它挑戰的不是我們的打字速度，而是我們作為系統思考者與架構設計師的核心價值。

延伸閱讀

• VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents
• NVIDIA CUDA C++ Programming Guide
• Anthropic: Building effective agents

我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。