忍无可忍，Linux之父Linus Torvalds怒怼AI：别再用"智能垃圾"塞满内核安全列表了！

【新闻原文】2026年5月17日，Linux之父Linus Torvalds在每周内核状态更新中发出了一段让整个开源社区不寒而栗的声明：Linux内核安全邮件列表"几乎完全无法管理"。这不是普通的抱怨，而是Linux内核之父亲手签发的一张"病危通知书"。问题的根源在于：AI工具被广泛用于批量扫描内核代码并自动生成漏洞报告。大量安全赏金猎手使用相同的AI工具（如各类AI驱动的代码扫描器），发现了大量重复的、非关键的漏洞，然后将它们一股脑地发送到原本专用于处理敏感零日漏洞的私密安全邮件列表。这导致安全列表被"电子泔水"淹没——维护者需要花费大量时间和精力去筛选和剔除重复报告，真正危险的漏洞反而可能被忽略。Linus点名批评了那些"用AI扫一遍代码，发完报告转身就走"的人，称这种行为是"毫无意义的痛苦和假装工作"以及"完全无意义的瞎折腾"。他强调自己并不反对使用AI，但反对没有增加"人类增量"的滥用行为。Cloudflare后续发布博客指出，真正的解决方案不是压缩响应时间，而是进行架构重构——让漏洞即使存在也难以被利用。此事在开源社区引发了关于AI工具合理使用边界的广泛讨论，也为整个软件工程行业敲响了警钟。 【企服观察】Linus Torvalds对AI的这次"怒怼"，表面上是一则开源社区的管理争议，但如果将其放在企业服务产业的大背景下审视，它揭示了一个正在对整个软件工程行业产生深远影响的根本性矛盾——AI工具的生产力红利和AI生成内容的治理成本之间的矛盾。这个矛盾对于每一个在软件开发中使用AI的企业，都是绕不开的课题。 第一，"认知DDoS攻击"这个概念值得每一个企服从业者认真理解。Linus描述的场景本质上是一种"信息不对称"的灾难：AI将发现漏洞的边际成本降到了几乎为零，但验证和修复漏洞需要最高水平的人类认知投入——顶级内核维护者的时间和注意力是极其稀缺的资源。AI生成的低质量报告以零成本大量涌入，而这些报告的审核却需要消耗最昂贵的人力认知资源。这种"零成本的发现vs高成本的审计"的不对称，在企服领域的任何一个环节都可能发生——从代码审查到客服工单，从数据分析到合规审核。当AI工具的产出能力远超过人类的消化能力时，AI带来的不是效率提升，而是系统性拥堵。 第二，这个案例对企服SaaS产品的AI功能设计有直接的警示意义。很多SaaS产品正在加速引入AI生成功能——AI写周报、AI生成报表、AI自动回复客服。但在设计这些功能时，产品经理需要思考一个关键问题：你的AI生成的内容，是否会成为某个"下游审核者"的"认知DDoS"？如果AI生成的周报需要人工逐一核实数据的准确性，如果AI回复的客服消息需要人工逐一检查是否有误导，那么AI并没有真正节省人力——它只是把"执行成本"变成了"审核成本"。一个负责任的AI企服产品应该确保：AI生成的内容要么质量足够高以至于不需要人工审核，要么为审核者提供高效的批量验证工具，而不是把验证负担全部甩给人类。 第三，"AI Slop"（AI垃圾）正在成为企业级软件开发中的真实成本。Linus的遭遇不是孤例——越来越多的开源维护者和企业技术负责人反映，AI生成的Pull Request、AI编写的代码注释、AI自动提交的Issue，正在大量涌入软件仓库，其中相当一部分质量堪忧。对于使用GitHub等平台的企业开发团队来说，这意味着CI/CD流水线和代码审查流程需要增加新的环节：识别和过滤AI生成的低质量贡献。这不仅是技术问题，更是管理问题——团队需要制定"AI贡献策略"，明确什么情况下可以使用AI生成代码、什么情况下必须人工编写、AI生成的代码如何标注和审查。 第四，这一事件对企服安全产品市场的影响同样深远。Linus的点名批评直接指向了那些"用AI扫一遍代码，发完报告就走"的安全工具厂商。在AI安全扫描工具市场快速膨胀的今天，Linus的批评其实是在为整个行业划定一条质量底线：AI安全工具的价值不在于"发现最多的漏洞"，而在于"发现最关键的漏洞"。那些单纯追求"漏洞数量"指标的安全产品，不仅不能为客户创造真实价值，反而可能制造大量噪音，让真正的安全风险被淹没。对于正在采购AI安全工具的企业来说，评估供应商时应该关注的是"误报率"和"漏洞严重性分级准确性"，而不是"扫描速度"和"发现数量"。 第五，AI的"责任边界"问题需要更明确的行业共识。Linus愤怒的根源在于：AI工具的使用者——那些安全赏金猎手——在AI生成报告后"转身就走"，把所有的审核负担甩给了维护者。这种行为模式在企服领域并不罕见——当一个团队使用AI工具提高了自己的产出效率，却没有考虑AI产出对下游协作方造成的负担时，"AI红利"实际上是在转嫁为"AI税"由整个生态承担。企业需要建立明确的AI使用准则：使用AI工具生成的内容，使用者必须对内容质量负责，不能简单地把AI的输出当作"免责"的挡箭牌。 Linus Torvalds的这次爆发，值得每一个正在"全员拥抱AI"的企业停下来想一想：AI的确让我们的产出更快了，但我们的"下游"准备好消化这些产出吗？在追求AI效率的同时，是否正在以牺牲质量为代价？这些问题没有简单的答案，但它们是每一个负责任的企服从业者必须面对的真实拷问。