随着AI编程工具日益强大，软件创作成本大幅降低，传统软件公司的生存空间受到挤压。分析师指出：“氛围式编码将使初创企业能够复制复杂SaaS平台的功能。”
随之而来的是对软件公司前景的焦虑与断言。
理论上，利用智能体（agents）弥补资源约束的开源项目应率先受益于廉价代码时代，但现实更为复杂。行业专家认为，AI编程工具带来的问题与其解决的问题一样多：低门槛导致大量劣质代码涌入，威胁项目质量；构建新功能虽易，维护却难，且可能加剧生态碎片化。
这并非简单的“软件丰裕”故事，关于软件工程师末日的预测或许为时过早。
质量与数量
开放代码库项目的平均提交质量普遍下降，主要归因于AI工具降低了入门门槛。
VLC管理者Jean-Baptiste Kempf表示，新贡献者的合并请求质量极差。尽管他对AI持乐观态度，但认为其最适合“经验丰富的开发者”。
3D建模工具Blender也面临类似困境。CEO Francesco Siddi指出，大语言模型辅助的贡献常“浪费审查者时间并影响积极性”。目前Blender未强制也不推荐在核心开发中使用AI工具。
合并请求泛滥已迫使开发者寻求新管理手段。Mitchell Hashimoto近期推出系统，将GitHub贡献权限限制在“获得担保”的用户范围内，实质上收紧了开源准入政策。他表示：“AI消除了让开源项目默认信任的自然进入壁垒。”
漏洞赏金计划同样受冲击。cURL因不堪AI生成的“垃圾”报告而暂停该计划。创建者Daniel Stenberg称：“过去安全报告存在内在摩擦成本，现在几乎零门槛，闸门已开。”
尽管如此，AI仍带来益处。Kempf表示，在资深开发者主导下，VLC新模块构建及跨操作系统移植变得更容易，但对缺乏经验者而言，管理难度依然很大。
相互冲突的优先级
开源项目面临的核心矛盾在于优先级差异：大公司重开发与晋升，开源社区重稳定性与维护。
Kempf评论道：“大公司奖励编写代码而非维护代码，这与开源项目的诉求不同。”
AI工具的登场恰逢软件高度碎片化时期。投资者康斯坦丁·维诺格拉多夫指出，AI正加速开源工程领域的既有趋势：代码库与依赖关系指数级增长，而活跃维护者增速滞后。“有了AI，这个方程的两端都加速了。”
若将工程视为生产可用软件的过程，AI使其变简单；但若工程本质是管理复杂性，AI反而可能恶化局面，需大量主动规划才能控制蔓延的复杂性。
维诺格拉多夫总结道，开源项目仍面临工作量大、合格工程师不足的困境。“AI赋能了优秀维护者，但未增加具备技能的活跃维护者数量，根本问题依然存在。”