Bryan Cantrill 在 Rust NYC 提出一个值得关注的判断：当大模型开始承担更多代码生成与修改工作，编程语言之间的竞争，正从“谁跑得更快”扩展到“谁更容易让 AI 可靠地维护”。Rust 的性能优势仍在，但开发效率开始成为更直接的成本项。

这是什么

这场分享聚焦 Rust 在大模型时代的定位。Rust 是一门强调内存安全与并发可靠性的系统编程语言（用于避免一类常见程序崩溃和漏洞），Cantrill 长期推动其进入服务器与基础设施领域。

大模型带来的变化不是简单提高写代码速度，而是让代码生成、测试、审查和迭代更频繁。语言是否适合 AI 协作、依赖是否清晰、编译错误是否容易定位，以及现有工程体系能否接住自动生成代码，都因此进入选型视野。

行业怎么看

乐观者认为，Rust 提供的明确规则和强类型约束，有助于减少 AI 生成代码中的隐蔽错误；随着基础设施复杂度上升，这类“错误成本”会比生成速度更值钱。

但风险同样明显：Rust 的学习曲线、编译等待和较陡的工程门槛，可能抵消 AI 带来的效率。对多数团队而言，“让 AI 更快写完代码”仍比“获得更可控的系统软件”更容易量化。因此，Rust 更可能先在数据库、操作系统和基础设施等高成本场景保持优势，而非成为所有 AI 项目的默认选择。

对普通人的影响

  • 对企业 IT：企业采购开发工具时可少看宣传语，多问模型生成代码的缺陷率、测试覆盖和上线后的维护成本。
  • 对个人职场：编程价值正从逐行编写转向定义需求、审查结果和判断系统边界；懂业务与验证能力，比单纯写得快更重要。
  • 对消费市场：软件交付速度可能继续提升，但价格不会同步大降，企业仍要为可靠性、算力和后续维护付费。