AI写代码越顺手，程序员偏挑Rust和Zig硬啃

AI明明能让人轻松写出任何语言的代码，可程序员偏偏挑最难的Rust和Zig下手，这不合常理吧！

大语言模型把编程语言的学习成本几乎清零了，不会写代码的人也能指挥AI生成程序。但怪事来了：一群程序员不但没去用那些简单好上手的语言，反而扎堆研究Rust、Zig这些出了名难啃的系统级语言，甚至跑去折腾DWARF调试格式、eBPF内核工具、自定义加密算法。

2026年8月22日，Flask框架之父Armin Ronacher发了一篇博客，点破了一个让很多人想不通的事实：AI并没有让程序员变懒，反而让他们更有底气去碰那些以前根本不敢碰的“硬骨头”。这篇文章就扒一扒，AI怎么把“编程变简单”和“程序员变硬核”这两件拧巴的事给串到了一起。

一个反复出现的怪圈：AI越强，人越挑硬骨头啃

仔细看最近一两年的编程圈，能发现一个反复出现的模式，至少出现了四次。

第一次：语言学习。 常识说AI让学语言变简单，所以大家会去选简单的语言。现实呢？大家反而去选最难的语言。Armin Ronacher本人就是个长期写Rust的程序员，他观察到一件让他觉得挺有意思的事：以前根本不会碰Rust的人，现在开始往外发Rust代码了。这些人不是突然爱上了Rust那个折磨人的借用检查器，而是因为AI帮他们把学习成本给扛了，他们可以直接享受Rust带来的性能红利。

第二次：代码质量。 常识说AI生成代码会变水、软件会越来越臃肿。现实呢？AI帮人写出了极致小巧和高性能的东西。Cloudflare的Artifacts服务，服务端Git协议引擎完全用纯Zig写成，编译成WebAssembly模块之后只有大约100KB。Vercel开源的fx，用Zig写的编码智能体，编译成原生二进制大约6MB，启动只需要10微秒。这两个项目据Armin所知，很大程度上都借助了大语言模型来完成。

第三次：技术门槛。 常识说DWARF调试格式、eBPF内核工具、自定义网络驱动这些硬核技术只有极少数高手能碰。现实呢？突然之间一大波人开始能上手这些玩意儿了。以前这些东西被一小撮人垄断着，有些领域甚至是刻意被捂着不让人碰的。但现在不一样了，AI可以替你啃文档、替你生成底层代码、替你解释晦涩的规格说明。

第四次：社区立场。 常识说对AI持负面态度的社区不会被AI带火。现实呢？Zig的创始人和核心社区对AI整体持相当负面的态度，但恰恰是AI辅助的项目把Zig推到了聚光灯下。

这个模式反复出现，指向同一个结论：AI没有降低程序员的上限，而是把所有人的下限抬高了，结果大家集体去够天花板。这就怪了！

语言学习成本归零之后，选语言的逻辑彻底变了

以前一个程序员要切换到一门新语言，代价高得吓人。语法、标准库、包管理器、编译器报错信息、社区约定俗成的写法，这些东西加起来至少几百个小时的投入。团队选技术栈的时候，很大程度上是被“现有的人会什么”给卡死的。一个Python团队不会轻易拍板用Rust重写核心模块，因为没人接得住。

但大语言模型把这堵墙给推倒了。Armin在博客里说得直白：掌握一门编程语言这个动作本身，正在变得没那么重要了。现在的AI编程助手能直接生成你完全不熟悉的语言的代码。你不喜欢某个技术方案？让AI用另一种语言重写一遍就行。你完全不懂Zig？没关系，AI懂。你一行Rust都没写过？让AI来写，你负责看和指挥就完事了。

这就带来了一个反直觉的结果：语言熟悉度不再是障碍之后，程序员反而开始更在意语言本身了。

过去选语言是“我会什么用什么”，现在变成了“我想要什么就用什么”。性能、生态、工具链、社区氛围、甚至语言的营销包装，这些因素突然变得权重极高。因为你不需要自己会写，AI会替你写。

Armin点出了一个让很多人回不去的判断：语言熟悉度已经和语言选择脱钩了。过去阻挡你选择一门语言的唯一障碍“我不会”已经不存在了。

这意味着从2026年开始，每一个程序员在做技术选型的时候，都得面对一个以前从来没有过的问题：既然AI什么语言都会写，那我到底该选哪一门？

数据不会骗人：Rust和Zig正在逆势暴涨

光说感觉不够，得看数据。

2026年6月TIOBE榜单上，Rust市场份额冲到2.8%，排名第13，创了历史新高。到了7月，Rust更是头一回挤进前十，排名第10，份额1.34%。8月稳住第十，份额涨到1.45%。一年时间从第18名连升8位挤进前十。TIOBE的CEO Paul Jansen说，Rust人气持续攀升，很大程度上得益于其对内存安全的高度重视，同时还能生成性能极高的代码。

同一个月，OpenAI正式加入Rust基金会白金会员，真金白银砸了60万美元用于Rust的维护和生态建设。OpenAI提供的资金将用于Rust Project Goals、Rust Innovation Lab等计划，为开源项目维护者提供系统化的可持续支持。

再看Zig。2026年5月，Zig首次逼近TIOBE前30名。8月榜单上，Zig排第41位，份额0.43%。TIOBE说OCaml和Zig近几个月一直在稳定增长，未来有望成为前20名的新成员。2025年Zig从第61位攀升到第42位。多个来源显示，2025到2026年间Zig的采用率暴涨。

字节跳动、阿里巴巴、Cloudflare这些基础设施大厂，正在把核心系统往Rust上迁移。数据库、网络代理、AI终端工具这些底层组件，成了Rust渗透最快的领域。

数据不会骗人。AI时代来了，硬核语言的受欢迎程度不降反升。事情没那么简单！

为什么是Rust？AI在背后偷偷推了一把

Rust凭什么涨这么快？一个关键原因是AI写Rust代码的表现远超写C++。

Rust的编译器报错信息极其详细，对AI来说就是“实时训练数据”。AI见过大量的Rust代码，知道怎么处理借用检查器、生命周期这些折磨人的东西。OpenAI联合创始人Greg Brockman说过一句话：“Rust是智能体的完美语言，因为如果它能编译通过，它就几乎是正确的。”

对AI来说，最好的语言就是它已经大量见过的语言。Rust的代码库干净、规范、类型系统严格，AI学起来比学那些充满历史包袱的语言要轻松得多。

这就形成了一个正反馈循环：AI越擅长写Rust，就有越多的人用Rust；用Rust的人越多，AI见过的Rust代码就越多，写得就越好。多个业内专家预测，Rust有望在2027年底前进入TIOBE前五。

Zig的逆袭：被AI硬推上去的黑马

Zig的故事比Rust更极端。

Rust至少有Mozilla背书，有大公司支持，有成熟的生态。Zig呢？截至2026年4月，Zig在TIOBE榜单上排第39位，份额只有0.31%。Stack Overflow的开发者调查显示，只有不到1%的受访者在工作中用Zig。全球全职Zig开发者可能也就一千到两千人。

就是这么一门小众到不能再小众的语言，2025到2026年间采用率暴涨。TIOBE说它“有望跻身前20”。

谁在推Zig？

Armin点出了一个有意思的矛盾：Zig的创始人和核心社区对AI技术整体持负面态度。但恰恰是AI辅助的项目把Zig推到了聚光灯下。

Cloudflare Artifacts，2026年4月16日上线，面向AI智能体的版本化Git存储系统。它的服务端Git协议引擎完全用不依赖libc的纯Zig写成，编译成约100KB的WASM模块，负责SHA-1哈希计算、zlib压缩解压、delta编码、pack文件解析这些活。

Vercel fx，2026年8月18日开源，用Zig写的编码智能体框架和命令行工具。编译成原生二进制大约6MB，启动只需10微秒，内存占用仅为个位数MB。

Zig的优势在于“简单”和“透明”。它没有Rust那么复杂的借用检查器，没有C++那么厚重的历史包袱。编译速度快得惊人，生成的二进制体积极小。在嵌入式裸机开发、资源受限设备、轻量化工具这些场景里，Zig的性能甚至能小幅领先C++。

这些特性，恰好是AI时代“快速、小巧”这个趋势最需要的东西。AI帮人跨过了学习Zig的门槛，让人可以直接享受Zig带来的性能红利。

一个对AI说不的社区，它的语言却被AI给捧红了。这讽刺意味够足的吧！

当AI什么都能写，程序员反而开始死磕底层

前面说的都是语言层面的变化。但AI带来的冲击远不止于此。

Armin观察到一个更让人意外的事实：不只是Rust和Zig在涨，那些以前只有极少数高手才碰的“硬核技术”——DWARF调试格式、eBPF内核工具、自定义网络驱动、自定义加密算法——突然之间，一大波人开始能上手了。

这些技术以前为什么没人碰？因为门槛太高了。

DWARF是调试信息的格式标准，你要搞懂它得先了解编译器怎么生成调试信息、调试器怎么解析、ELF文件的结构是什么、符号表怎么组织，这一串知识链拉下来，没个一年半载根本摸不着门。eBPF呢？你得懂内核、懂BPF虚拟机、懂系统调用、懂性能监控，全是硬骨头。

以前这些东西被一小撮人垄断着。有些领域——比如加密算法——甚至是刻意被捂着不让人碰的。

但现在不一样了。AI可以替你啃那些文档，可以替你生成那些复杂的底层代码，可以替你解释那些晦涩的规格说明。你只需要说“我要一个能解析DWARF调试信息的工具”，AI就能给你写出一个能跑的东西来。

AI不是在让程序员变懒。AI是在帮程序员翻过那些以前高不可攀的墙，让他们能去够那些以前根本够不着的东西。

三条回不去的结论

把上面的洞见落地，对读这篇文章的人来说，有三条实实在在的结论。

第一，别再以“我不会”为由拒绝一门技术。 这是2026年最过时的借口。AI能写，你就能用。你该问的唯一问题是：“它能不能帮我达到那个极致目标？”想要极速启动？去学Zig。想要内存安全又高性能？去碰Rust。AI会给你兜底。

第二，AI辅助写出的代码，社区认不认，这是个活扣。 Cloudflare和Vercel用AI写了Zig代码，但Zig社区本身反感AI。这事没解决。如果你打算用AI生成硬核语言的代码，先摸摸社区的态度，否则项目可能卡在“能跑但没人维护”的尴尬地带。

第三，你的竞争力不再是你“会什么语言”，而是你“敢不敢用AI去啃最硬的那块骨头”。 当人人都会指挥AI写代码时，真正拉开差距的，是你选择让AI去攻克哪个难题。选简单的，大家都一样；选难的，你才可能领先。

一个让所有程序员回不去的事实

回到开头那个问题：AI让编程变简单了，为什么程序员反而去啃更难的语言和技术？

答案其实不复杂。AI把“学会一门语言”这个成本给清零了。过去你选技术栈，得考虑团队会不会、自己学不学得会、切换成本有多高。现在这些顾虑全没了。

当所有语言的学习成本都归零之后，你挑语言的唯一标准就变成了：这门语言能帮我达成什么目标？

想要跑得飞快的软件？Rust。想要体积小到极限的二进制？Zig。想要操控内核？eBPF。想要解析底层调试信息？DWARF。

AI没有让程序员变懒。AI让程序员变得更“贪”了，他们不再满足于“能用就行”，他们开始追求“极致”。

Cloudflare Artifacts的Git协议引擎，100KB的WASM模块，用Zig写成，靠AI辅助完成。Vercel fx，6MB的二进制，10微秒启动，用Zig写成，靠AI辅助完成。这两个项目摆在那，就是在告诉所有人：以前你觉得做不到的事，现在能做到了。以前你觉得够不着的东西，现在够得着了。

至于那些“AI会让编程变水”的论调，看看Rust 2.8%的市场份额，看看Zig从第61位攀升到第41位的增长轨迹，再看看OpenAI那60万美元的Rust基金会员费。数据已经把答案拍在桌上了。

但有一个细节，Armin在博客里没有展开说，却让所有读到的人心里一紧：Cloudflare和Vercel用AI辅助写出了Zig代码，可Zig社区本身对AI持负面态度。那么问题来了：这些AI生成的Zig代码，Zig社区认不认？如果社区不认，这些项目怎么维护？如果社区认了，那“对AI持负面态度”这个立场还站得住吗？

这事，没完。