微软两次自曝「AI 找 Bug 修不完」，资本却在为生成速度付天价：AI 编程的钱与坑

2026.09.16

这一周热传的 AI 编程新闻里，最值得琢磨的不是哪家模型又拿第一，而是微软不到一个月的两次自曝家丑。

第一爆是 8 月 13 日：Exchange 团队出面解释累积更新 CU1 为什么迟迟不发，原因听起来有点反直觉——AI 工具找到了大量 Bug。问题出在找到之后：每个 Bug 都要工程师确认、复现、修复、回归测试、再打包发布，而每月的安全更新还在不断插队。第二爆紧随其后：Edge 团队承认，AI 生成的浏览器扩展多到审核不过来。再加上 9 月 Patch Tuesday 一口气修复 974 个漏洞创单月纪录（723 个 Windows + 222 个 Office）、用户侧却集体「不敢更新」——一个大厂用自己的发版纪律，把 AI 编程的真实瓶颈摆上了台面。

对撞图

先看另一面：资本在为「生成速度」付天价

把镜头拉远，同一个赛道正在发生完全相反的事。SpaceX 以 600 亿美元收购 Cursor 母公司 Anysphere（8 月 14 日生效），支付方式是全部以 A 类普通股——「一分现金没花」，50 名早期员工就此财富自由；马斯克在全员会上罕见承认 Grok 落后、「不习惯失败」，收购就是追赶。9 月 9 日，Devin 母公司 Cognition 完成 20 亿美元 E 轮，投后估值 480 亿美元。使用侧：JetBrains 的开发者调查显示 Claude Code 的工作使用率超过了 GitHub Copilot；DeepSeek-V4-Flash 以单日 8 万亿 Token 的调用量登顶全球第一。

于是一张对撞图成形了：资本为「生成速度」付天价，工程为「验证速度」付代价。这两件事是同一枚硬币的两面——正因为生成便宜到不值钱，验证才贵到成了瓶颈。

修复债务：为什么 AI 找 Bug 反而让更新发不出来

微软的两次自曝值得逐帧看，因为它戳破了一个流行错觉：AI 找 Bug = 质量自动提升。真实链路是——找到只是开始：确认 Bug 真实存在（AI 会误报）、复现、修改、测试修复效果、回归测试（确保「修了一个 Bug，没有顺手制造三个新的」）、打包发布。这条链每一环都要人或人工带宽。

把它写成公式：修复债务 = Bug 数量爆炸 × 单个确认成本。生成的边际成本趋近于零，验证的边际成本几乎不降——于是债务只增不减。这也是约束理论（TOC）的 AI 版：瓶颈永远移到最慢的环节。以前瓶颈在「写得慢」，现在写在零成本生成，瓶颈移到了「消化」。

还有一个口径要点：974 是「修复」纪录，不是「找到」纪录——而它本身既是 AI 找 Bug 能力的勋章，也是验证带宽被拉爆的证据。用户「不敢更新」是第三个读数：当补丁洪流超过用户的信任带宽，修复本身也会变成风险。产出、验证、信任，三道闸口一道比一道窄。

三条对策：把「审」当产能管理

我 9 月 12 日写「AI 生成代码缺陷率高于人写、会审成硬技能」时还是推断，微软现在给了第一方证据——而且更进一步：连「找 Bug」自动化之后，瓶颈继续后移到了「修和审」。给团队的三条工程对策（教学版同步进实训课）：

其一，分诊分级。 急诊室逻辑：不是所有发现都值得立即处理。按「价值 × AI 置信度」画矩阵，稀缺的人工带宽优先投给高价值 + 低置信度的交集，其余排期或自动化。

其二，AI 预审 AI，人做终审。 先让 AI 验证 AI——自动复现脚本、影响面分析、修复建议预生成，人只做终审。前提是上周说过的那句：终审的人要看得懂，否则就是英国 AISI 测试里那种被社工的橡皮图章。Edge 的插件审核同理：预审自动化 + 人工终审抽检。

其三，按验证吞吐排期。 接受「处理带宽」是真实约束：发版节奏按验证产能算，不按生成产能算——这其实就是 Agent 七条硬限制的工程排期版，速率限制思想从「防失控」扩展到「防积压」。

给学生的一句话版

就业课上我会把这组新闻讲成一个完整的案例：AI 编程的短板从来不在「写」——Cursor 卖了 600 亿美元，说明写的价值在向工具转移；微软修不完 Bug，说明「验证」的价值正在向人集中。质量工程、测试开发、代码审查这些岗位的技术含量和议价能力，接下来只涨不跌。实训课的新作业我已经想好了：发一个「AI 找出 20 个 Bug」的项目，让学生按验证吞吐排期修完——修不完的，正好体会什么叫修复债务。

三条对策

一盆冷水

三句照例：其一，微软是极端样本——巨型存量代码库加月度更新纪律，放大了修复债务，中小团队的瓶颈形态未必相同；其二，974 个漏洞里有多少是历史积压、多少是当月新增，官方没有拆口径，别直接当「AI 单月找到 974 个」用；其三，Cursor 那 600 亿是全股票支付，锁定期和整合风险都在后头——纸面富贵和「OpenAI 已宣布 11 月 12 日终止与其合作」放在一起看，故事还有下半场。

写在最后

同周还有一条容易被这条大新闻淹没的注脚：DeepSeek-R1 的研究论文登上了《自然》封面，成为全球首个经过同行评审的主流大模型，并正面回应了年初的蒸馏质疑。学术的同行评审和工程的验证吞吐，其实是同一种稀缺资源的两副面孔——可信度基础设施。跑分会动、发布会有话术、招聘数据打架，最后能沉淀下来的信任，都要靠这套慢而贵的机制。这个话题值得单独写一篇，明天展开。

我们给政企校交付系统时，「验证吞吐」现在是正式的交付指标——验收用例跑多快、回归全绿要几天，写进合同比写进口号有用。想聊质量工程落地或 AI 代码审查流程的团队，欢迎交流。

参考来源