一旦去工业化，再拾起来就很难了，不仅仅是钱的问题！

他们把一批 70 多岁的老工程师请了回来，让这些老人教年轻员工怎么造一枚导弹。

图纸还是卡特总统时代画在纸上的老图纸，测试设备已经在仓库里躺了很多年，导弹的鼻锥还得靠手工安装，方法和 40 年前一模一样。

五角大楼已经 20 年没买过新的“毒刺”了。

然后，俄罗斯入侵乌克兰，局势一下变了：所有人突然都需要这种导弹。

可生产线早就关了，电子元件已经过时，导引头组件也停产了，2022 年 5 月下的订单，要到 2026 年才能交付。

整整 4 年。

不是因为没钱，而是因为真正知道怎么造它的人，十年前就退休了，而且没人接上。

我在乌克兰带工程团队，我的团队见到的是这个问题的另一面，不是工厂车间，而是战场上接收武器的那一端。

当雷神还在努力根据 40 年前的蓝图重启生产时，美国已经在向乌克兰运送成千上万枚“毒刺”。

RTX 首席执行官 Greg Hayes 说，10 个月的战争，消耗掉了相当于 13 年产量的“毒刺”。

这种模式，我太熟悉了，它现在正在我的行业里重演。

一百万发炮弹，没人造得出来。

2023 年 3 月，欧盟承诺在 12 个月内向乌克兰提供 100 万发炮弹。

当时，欧洲一整年的炮弹产能只有23万发，而乌克兰每天就要消耗5000到7000发。

任何人拿个计算器算一下，都知道这事根本不可能。

到了最后期限，欧洲只交付了大约一半，马克龙后来称，最初那个承诺太鲁莽。

由 9 个国家、11 家媒体联合发起的一项调查发现，欧洲真实的生产能力大概只有欧盟官方说法的三分之一。

那 100 万发炮弹的目标，直到 2024 年 12 月才真正完成，比原计划晚了 9 个月。

问题不是某一个环节卡住了，是每一个环节都卡住了。

法国在 2007 年就停止了国内发射药生产，整整 17 年没有继续做。

欧洲唯一一家主要 TNT 生产商在波兰，德国自己的弹药储备只够用两天，丹麦一家 Nammo 工厂在 2020 年关闭，后来不得不从零开始重启。

整个欧洲国防工业，长期以来都被优化成一种模式：生产少量、昂贵、定制化的产品。

没人为大规模生产做准备，也没人为危机做准备。

美国也好不到哪里去。

155毫米炮弹壳主要靠宾夕法尼亚州斯克兰顿的一家工厂爆炸物填装则依赖爱荷华州的一处设施，美国从 1986 年起就没有本土 TNT 生产了。

后来砸进去几十亿美元，产量依然没达到目标的一半。

要么合并，要么死

这不是偶然。

1993 年，五角大楼告诉国防企业的 CEO 们：要么合并，要么死。

于是，51 家主要国防承包商最终缩成了 5 家，战术导弹供应商从 13 家变成 3 家，造船厂从 8 家变成 2 家，国防工业劳动力从 320 万人降到 110 万人，砍掉了 65%。

弹药供应链到处都是单点故障（single point of failure，指一个环节出问题就会拖垮整个系统）。

155 毫米炮弹壳只有一家制造商，位于加州科切拉，而那里就在圣安德烈亚斯断层上，发射药装药也只有加拿大的一处设施能做。

整个系统被优化到成本最低，却几乎没有任何应急余量。

纸面上看，很高效。

现实里，只差一个坏日子，就会崩。

知识一旦死去，就很难复活。

再看 Fogbank。

Fogbank 是一种用于核弹头的机密材料，它在 1975 年到 1989 年间生产，后来生产设施被关闭。

多年后，美国政府为了一个核弹头寿命延长项目，需要重新制造 Fogbank，结果他们发现，自己已经不会做了。

美国政府问责局（GAO）的一份报告指出，几乎所有掌握生产经验的人，要么退休了，要么去世了，要么离开了相关机构，留下来的记录也很少。

经历了6900万美元的成本超支，以及数年的失败尝试后，他们终于做出了可用的Fogbank。

然后，又发现新批次太“纯”了。

原来的生产工艺里，曾经有一种无意中产生的杂质，而这种杂质对材料功能至关重要。可没人知道这件事。

负责复现的工程师不知道，几十年前做出原始材料的工人也不知道。

洛斯阿拉莫斯把它称为原始工艺中的“无意识依赖”（unknowing dependency）：

这个环节很关键，但当年没人意识到它关键。

一个核武器项目，竟然失去了制造自己发明出来的材料的能力。

更可怕的是，知识并不只是随着人离开而流失，它从一开始就没有被任何人真正完整理解过。

同一套剧本。

我读到 Fogbank 的故事时，立刻认出了这个模式。

我说的不是核材料本身，而是那个熟悉的剧本：

花几十年建立起一种能力，找到一个更便宜的替代方案， 让人才梯队慢慢萎缩，享受节省下来的成本。 

然后，当危机突然要求你拿回那种能力时，看着一切崩塌。

在国防工业里，那个替代方案叫“和平红利”（peace dividend，指冷战结束后减少军费、把资源转向民用经济的收益）。

在软件行业里，它叫AI。

我之前写过“人才管道崩塌”的问题，招聘数据、初级工程师到资深工程师之间的断层，都已经有很多证据。

还有“理解力危机”：人们会让 AI 写代码，却越来越不理解代码本身。

但我之前一直没有找到一个足够贴切的历史类比。

现在我找到了。

这个类比告诉我们的东西，是招聘数据看不出来的：重建一种能力，到底需要多久。

重建能力永远需要很多年。

国防工业里，每一次大规模恢复产能，哪怕是相对简单的系统，也要 3 到 5 年，复杂系统则要 5 到 10 年。

“毒刺”：从下单到交付，至少 30 个月。

 “标枪”（Javelin）：花了 4 年半，产量还没翻倍。

155 毫米炮弹：投入 50 亿美元，4 年过去仍没达到目标。 

法国直到 2024 年才重启发射药生产，距离它关闭国内生产线，已经过去了 17 年。

钱从来不是最大的限制，知识才是。

兰德公司（RAND）发现，潜艇设计中有 10% 的技术技能，需要 10 年在岗经验才能培养出来，有时还得建立在博士学位之后。

国防工业里的技术工种，学徒期通常要 2 到 4 年；要达到能当主管的水平，则需要 5 到 8 年。

现在，把这套时间线放到软件行业里。

一个初级开发者，需要3到5年，才能成长为合格的中级工程师。

需要5到8年，才能成为资深工程师。

需要 10 年甚至更久，才能成为首席工程师或架构师。

这条时间线，不能靠砸钱压缩，也不能靠 AI 压缩。

METR 做过一项随机对照试验（randomized controlled trial，医学和社会科学中常用的一种严谨实验方法）：

经验丰富的开发者使用 AI 编程工具后，在真实开源任务上反而慢了 19%。

开始前，他们预测 AI 会让自己快 24%，结果现实和预期之间，相差了 43 个百分点。

研究人员后来想做后续实验时，相当一部分开发者拒绝参加——

如果实验要求他们在没有 AI 的情况下工作，他们就不愿意，他们已经无法想象回到不用 AI 的状态。

账单总会来的。

软件行业现在正进入同一种“优化”的第三年。

Salesforce 说，2025年不会再招聘更多软件工程师。LeadDev 的一项调查发现，54% 的工程负责人认为，从长期看，AI 编程助手会减少初级工程师招聘。

计算研究协会（CRA）对大学计算机院系的调查显示，62% 的院系报告今年入学人数下降。

我在代码审查里已经看到了这个问题。

现在，审查才是瓶颈。

AI 生成代码很快。 人类审查代码很慢。

于是行业的答案也很可预测：让 AI 去审查 AI 写的代码。

我不会这么做。

我改造了我们的拉取请求模板（pull request template，开发者提交代码变更时填写的说明模板）。

现在，每个 PR 都必须说明：改了什么，为什么改，这属于哪类变更，以及修改前后的截图。

也就是说，我们要给审查者提供结构化上下文，不能让审查者靠猜。

我还在每个项目里安排专门的审查人员，更多双眼睛，就有更多机会发现模型漏掉的问题。

但这些仍然解决不了更深层的麻烦。

现在真正需要的能力已经变了。

光有技术能力不够，你还需要能主动负责、能清楚沟通取舍、能反驳机器给出的糟糕建议——哪怕那台机器说话听起来无比自信。

这些其实是领导力。

我们上一轮招聘就能说明这种人有多稀缺：2253 名候选人，2069 人被淘汰，最终录用 4 人，转化率只有 0.18%。

既有技术能力，又有判断力、能看出 AI 什么时候错了的人，在市场上几乎已经不存在了。

我们会记录一切。

Site Books、SDD、RVS 报告、带完整测试覆盖的样板模块……这些今天都有用，因为读这些文档的人，本身具备足够的工程能力，知道该怎么行动。

可如果以后读文档的人不具备这种能力，会怎样？

坦白说，我不知道。

也许 5 年后的 AI 足够强，这些问题就不重要了。

也许问题仍然可控。我没法预测 2031 年模型会强到什么程度。

但危机不会提前给你发日历邀请。

没人预料到 2022 年欧洲会爆发全面陆地战争，国防工业有30年时间做准备，但它没有。

就连 Fogbank 当年也有记录，只是记录不够，更糟的是，原来的工人甚至没有完全理解自己的工艺。

5到10年后，我们会需要资深工程师。

我们会需要那种真正理解系统全貌的人，需要能在凌晨两点调试分布式故障的人，需要携带着那些代码库里根本不存在的组织知识的人。

可这些工程师现在还不存在，因为我们没有在培养他们。

本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。

他们会提示 AI，但他们说不出 AI 错在哪里。

这就是代码行业的 Fogbank。

当初级工程师跳过调试，跳过那些塑造能力的犯错过程，他们就无法建立隐性知识（tacit expertise，指难以写成文档、只能通过实践积累的经验性能力）。

等我这一代工程师退休时，这些知识不会转移给 AI，它只会消失。

西方已经犯过一次这样的错误，账单在乌克兰到期了。

我知道这听起来像什么，我也知道，我之前已经写过人才管道的问题。

但国防工业这个例子，不是为了重复同一个论点，它是为了展示：如果行业现在对 AI 的期待落空，会发生什么。

“毒刺”、“标枪”、Fogbank、那一百万发没人造得出来的炮弹——这就是把赌注押在“优化”上，结果赌错之后要付出的代价。

我们现在，正在软件工程上押下同样的赌注。

也许 AI 会变得足够强，这场赌局最后会赢。

也许不会。

当年的国防工业，也以为和平会永远持续下去。