從印刷術到 AI：當「人人都能寫程式」成為現實，然後呢？

本文整理自 Lenny's Podcast 2026 年 2 月播出的單集。

{{< youtube We7BZVKbCVw >}}

{{< spotify "episode/1bx2B9lDhiujXPU2u20AAX" >}}

{{< apple-podcast "tw/podcast/head-of-claude-code-what-happens-after-coding-is/id1627920305?i=1000750488631" >}}

---

Anthropic 的 Claude Code 負責人 Boris Cherny 的祖父，是蘇聯第一代程式設計師。他用打孔卡寫程式，每天帶一大疊卡片回家。Cherny 的媽媽小時候拿那些打孔卡當畫紙，用蠟筆在上面畫畫。那是她對「程式設計」最早的記憶。

祖父從來沒經歷過軟體取代打孔卡的那個轉變。但在某個時間點，程式設計確實從實體卡片變成了螢幕上的文字。當時一定有一群老派程式設計師覺得這不算真正的 coding。這種感覺聽起來很熟悉。

Cherny 在 Lenny's Podcast 上分享了一個讓他反覆思考的歷史類比：印刷術。他認為 AI 對程式設計的影響，跟古騰堡印刷術對識字率的影響，本質上是同一件事。

印刷術之前，識字率不到 1%

1440 年代的歐洲，能讀能寫的人不到總人口的 1%。這些人是抄寫員，受雇於領主和國王。很多貴族本身是不識字的，所有的閱讀和書寫工作都外包給這群專業人士。

印刷術發明之後，印刷品的數量在 50 年內超過了過去 1000 年的總和。成本暴跌了 100 倍。但識字率的提升沒有那麼快，因為學會讀寫需要教育體系、需要自由時間、需要不用整天在農場工作的前提條件。儘管如此，在接下來的 200 年裡，全球識字率還是從不到 1% 升到了大約 70%。

Cherny 指出一件有趣的事：有一份歷史文獻記錄了一位 1400 年代的抄寫員對印刷術的看法。這位抄寫員不但不排斥，反而很興奮。因為他原本最不喜歡的工作就是在書本之間抄來抄去，而他真正享受的是畫書中的插圖和做裝幀。印刷術把他從最無聊的工作中解放了出來。

Cherny 說，這跟他自己的感受完全一樣。寫程式裡面最無聊的部分是什麼？搞 git、處理各種工具鏈、除錯那些跟邏輯無關的瑣碎問題。這些都不是讓人熱愛程式設計的原因。真正有趣的是想清楚要做什麼、跟使用者對話、設計大型系統的架構。AI 讓他可以把更多時間花在有趣的事上面。

人人能寫程式的世界會長什麼樣

Cherny 把這個類比推到了終點：如果印刷術催生了文藝復興，那麼程式設計的民主化會催生什麼？

他的回答很誠實：不知道。就像 1450 年代沒有人能預測到文藝復興一樣。印刷術帶來的不只是更多書，而是知識的傳播方式徹底改變了。人們不再需要親自去修道院抄書，思想可以跨越地理和階級流通。這催生了科學革命、宗教改革、民族國家的興起，這些都不是古騰堡能想像的。

但 Cherny 有一個直覺：當任何人都能用自然語言把想法變成軟體的時候，人類協調合作的方式會被徹底重塑。我們今天能坐在這裡、用麥克風錄 Podcast、透過網路傳播，這一切的前提是印刷術讓識字成為普遍能力。如果程式設計也變成普遍能力，那會解鎖什麼？

他同時也坦承，這個轉型在短期內會非常痛苦。就像印刷術讓抄寫員失業一樣，AI 編碼工具正在改變工程師的角色定義。他預期年底之前，軟體工程師這個頭銜就會開始被「Builder」取代。

Lenny 問：那學寫程式還有意義嗎？

Lenny 替觀眾問了那個很多人心裡的問題：現在還要學程式嗎？

Cherny 的回答分成兩個時間段。短期來看（未來一兩年），如果你正在使用 AI agent 來寫程式，理解底層的運作方式還是有幫助的。你需要知道程式碼在做什麼，才能判斷 AI 寫得對不對。

但一兩年之後？他認為不會有差了。就像你不需要懂組合語言才能寫 Python，你也不需要懂 Python 才能用自然語言驅動 AI 來做事。程式語言會變成底層的實作細節，就像虛擬機器、作業系統核心那些大多數開發者從來不需要碰的東西。

這段對話裡有一個容易被忽略的細節。Cherny 提到一位工程師用 Go 語言寫了一整個服務，花了一個月，效能和品質都不錯。Cherny 問他感覺怎麼樣，那位工程師回了一句：其實我還是不太會 Go。這已經是現在進行式了。

Anthropic 的三層安全架構

訪談的後半段，話題轉到了 AI 安全。這個話題在 Cherny 身上有特殊的重量，因為他曾經短暫離開 Anthropic 去了 Cursor，兩週後又回來了。他離開後最想念的不是產品、不是團隊，而是 Anthropic 以安全為核心的使命。

Anthropic 的安全方法論有三層。第一層是對齊和機制化可解釋性（mechanistic interpretability）。這是 Chris Olah 在 Anthropic 開創的研究領域，研究神經網路內部神經元的運作方式。團隊現在已經能在某種程度上監控特定概念對應的神經元，例如偵測到與「欺騙」相關的神經元被激活。這裡有一個叫做「superposition」的現象：一個神經元可能同時對應十幾個不同的概念，只有當它跟其他特定神經元一起被激活時，才代表某個特定的意思。

第二層是 evals，在實驗室環境中測試模型。把模型放進人造的情境裡，看它會做什麼。這是一個「培養皿」式的測試方法。

第三層是在真實世界中觀察模型的行為，而這是最重要的一層。一個模型可能在前兩層表現得很安全，但在大規模真實部署中出現不同的行為。Cherny 說，Claude Code 在外部發布之前，Anthropic 內部使用了四到五個月，就是為了在這第三層積累觀察資料。Cowork 以「research preview」的名義上線，也是出於同樣的考慮。

Anthropic 把這個安全思維稱為「race to the top」。他們把 Claude Code 使用的沙箱（sandbox）開源了，而且這個沙箱不只能跟 Claude Code 搭配，任何 agent 都能用。目的是讓其他公司也能更安全地部署 AI agent。他們公開發表安全研究，也是同樣的邏輯。

味噌、長時間尺度、與加入 Anthropic 的決定

訪談尾聲出現了一個意外的故事。加入 Anthropic 之前，Cherny 住在日本鄉下。那是一個完全不同的生活節奏。每週騎腳踏車穿過稻田去農夫市集，市集上的攤位會隨著季節變化：柿子季有二十個柿子攤，下一週換成葡萄季就全是葡萄了。

Cherny 在那裡學會了做味噌。他跟鄰居交換醃菜和味噌來建立友誼。味噌教會他一件事：用很長的時間尺度思考。白味噌至少要三個月，紅味噌要兩到四年。你把材料混好，然後就只能等。不能催、不能加速，只能耐心等待。

這種長時間尺度的思維，加上他大量閱讀科幻小說（他推薦了 Charles Stross 的《Accelerando》和劉慈欣的《流浪地球》），讓他開始思考 AI 的長期走向。他覺得自己必須參與其中，為這件事往好的方向發展出一份力。

Lenny 問他 AGI 之後打算做什麼，Cherny 說他大概會回去做味噌。

訪談中還有一個溫暖的巧合。Lenny 和 Cherny 發現他們都出生在烏克蘭的敖德薩。Lenny 家 1988 年離開，Cherny 家 1995 年離開。兩個從同一座城市移民到美國的人，一個做了科技 Podcast 主持人，一個做了全世界最大的 AI 編碼工具。Cherny 說他每天都覺得自己很幸運能在這裡長大。Lenny 說他們家每次吃飯都要敬一杯美國。Cherny 說他們家也是，但配的是伏特加。

我的觀察

印刷術的類比是這場訪談中最有啟發性的部分。不是因為類比本身多精確，而是因為它迫使你用幾百年的時間尺度去看眼前正在發生的事。如果你只看明年會怎樣，你會焦慮。但如果你想想識字從 1% 到 70% 花了 200 年，而且過程中催生了文藝復興、科學革命和現代文明，那你對「人人都能寫程式」這件事的想像空間就完全不同了。

Cherny 關於安全的說法也值得臺灣讀者留意。他離開 Anthropic 兩週就回來了，原因不是因為 Cursor 不好，而是因為他需要「使命感」才能快樂。這種說法可以有很多解讀方式，但至少它反映了 Anthropic 內部確實有一種文化，讓「安全」不只是公關說詞，而是人們留下來的理由。在 AI 能力快速提升的現在，有一家主要的 AI 公司在認真做這件事，比什麼都重要。

三層安全架構中最有意思的觀點是第三層：你必須把模型放到真實世界去觀察它。實驗室裡看起來安全的模型，在大規模部署中可能會出現不同的行為。這聽起來像常識，但在實踐層面，它意味著你必須願意在產品還很粗糙的時候就發布出去。Anthropic 明確地說 Cowork 是「research preview」，而不是假裝它已經完美了。這種透明度在科技業並不常見，值得鼓勵。