思科授权27岁工程师无限AIToken，24个月内重写98%遗留代码

思科近日启动一项激进的软件现代化计划：由27岁工程师Ben Stockton领衔，利用生成式AI在24个月内重写公司98%的遗留代码库。这一项目并非试点或实验，而是由思科总裁直接授权——他向Stockton表示“放手干吧”，并开放无限量AI Token权限。

Stockton此前为初创企业创始人，后加入思科。其背景融合了技术实践与产品思维：早年从Windows 95和Pentium MMX PC起步接触底层系统，曾担任高校IT讲师与PC维修技师，近年专注硬件与系统优化报道。思科选择他，看重的正是这种“既懂代码逻辑又理解业务约束”的复合能力。

该项目的核心策略是将AI作为主要开发力量，而非仅作辅助工具。传统企业IT部门常面临“技术债”积压难题：大量基于C、C++、Java等语言编写、运行超10年的核心系统，维护成本高、扩展性差、安全风险累积。思科内部评估显示，其关键网络设备管理、路由协议栈与客户服务平台中，约98%的代码属于此类遗留资产。若按常规人力重写，需数百名工程师耗时数年，且易引入新缺陷。

AI介入改变了这一路径。据知情人士透露，思科已构建一套“AI-人类协同开发流水线”：首先由AI对旧代码进行语义解析与架构反演，生成高层设计文档；随后在人类工程师设定边界条件（如接口契约、性能阈值、安全规则）下, AI批量生成新版本代码；最后由人工进行集成测试、边界验证与合规审查。该流程已在小范围模块验证成功，重构代码通过率超95%，单元测试覆盖率提升至82%以上。

值得注意的是，思科并未采用单一模型方案，而是组合使用多个专用AI代理（Agent）。例如：一个Agent负责识别废弃API调用链；另一个专精于将过程式逻辑转换为函数式风格；第三个则聚焦内存安全加固，自动插入边界检查与RAII模式。这种“分工型Agent集群”模式，与Anthropic近期完成的Messages API跨语言迁移项目高度相似——后者在零Rust经验团队前提下，依靠Claude完成Python到Rust的重构，CPU资源消耗降低40%，首Token延迟下降20%。

行业观察显示，大型科技企业正加速推进“AI原生重构”战略。除思科外，微软、亚马逊均在内部设立类似专项，目标是将核心服务逐步迁移到AI可维护、可演化的新架构上。其驱动力不仅来自效率提升，更源于对系统韧性的新认知：当AI能持续自我优化（如小雨智造采用的递归自我改进RSI技术），软件系统必须具备“可被AI理解与迭代”的结构特征。否则，即便短期节省人力，长期仍将陷入新一轮技术锁定。

这带来角色转变：工程师工作重心从“写代码”转向“定义问题”与“验证结果”。Katelyn Lesse（Anthropic平台工程负责人）在X平台撰文指出，当前最紧迫的工程挑战已不再是语法实现，而是如何设计能支撑成千上万个Agent并发协作的基础设施——包括状态持久化、沙箱隔离、资源调度与故障回滚机制。她以Kubernetes为例说明：传统容器编排系统为短生命周期服务设计，而Agent常需数小时甚至数天持续运行，其间可能多次暂停等待模型推理或外部工具响应，这对现有调度器构成根本性挑战。

思科项目亦面临同类问题。其遗留系统多涉及实时通信与高可用保障，AI生成代码必须满足微秒级延迟与99.999%可用性要求。为此，团队建立三层验证机制：第一层为静态分析（检查空指针、竞态条件）；第二层为模糊测试（Fuzzing），模拟极端输入；第三层为影子部署（Shadow Deployment），在生产环境旁路运行新旧版本比对输出。目前已有3个核心模块完成全链路验证并上线。

资源投入方面，该项目消耗远超常规研发。据内部估算，单月Token用量已达数十亿级别，算力成本占相关事业部预算显著比例。但思科认为这是必要投资：遗留系统每年维护支出占IT总预算35%以上，而重构后预计3年内可收回成本，并释放出20%以上的工程师产能用于创新业务。

业界对“AI重写98%代码”的提法存有审慎态度。部分专家指出，“98%”应理解为“功能等价覆盖”，而非逐行替换——大量胶水代码、配置脚本与测试桩仍需人工介入。此外，法律与合规风险不容忽视：金融、电信等行业对代码来源审计要求严格，AI生成内容需完整追溯训练数据与推理路径。

思科已联合开源社区推动“AI生成代码可审计标准”，并在内部部署代码血缘追踪系统，记录每段输出对应的提示词、模型版本与上下文快照。此举旨在满足未来监管要求，也为行业提供参考模板。

从更广视角看，思科此举标志着企业软件开发进入新阶段：AI不再仅是“程序员助手”，而是作为“系统级重构主体”参与核心资产再造。其成败将影响后续十年企业IT架构演进路径——当代码可被AI高效重写与持续优化，技术债的定义本身或将被重新书写。