最近看到一句话，而说这话的人叫 Mike Stonebraker，2014 年图灵奖得主，数据库领域公认的奠基人之一。从 Ingres 到 Postgres，再到 Vertica、VoltDB，最后是他现在还在做的 DBOS，这些名字基本上贯穿了整个数据库行业的发展史。你现在用的 PostgreSQL，追根溯源，绕不开他。

他最近做客 Meta 资深工程师 Ryan Peterman 的播客，聊了将近一个小时。聊到对年轻人的建议这个话题时，他说他如今已不太确定，是否要推荐十八岁的小孩去主修计算机科学，「医疗和建筑业是稳妥的选择」。

我看到这句话的第一反应是，这人是亲手把这个行业造出来的。

他不是站在外面看热闹的人，不是投资人，不是科技媒体的评论员。他就是那个人。说这种话需要多大的心力，等于在说，我这辈子选择的路，放到今天，我给你的建议是另找一条。

但我觉得得把这话听清楚一点，不然很容易往错误的方向想。

他说的不是「计算机行业完了」。他说的是「我不太确定」，这四个字很关键。他不是在宣布什么，他是在诚实地表达一种不确定感。那这种不确定感，来自哪里？

顺着他这次播客里讲的内容，可以摸到一条线索。

他的团队用四个真实生产环境的数据仓库，做了一个 text-to-SQL 基准测试，叫 Beaver。

Text-to-SQL，就是让 AI 把自然语言翻译成 SQL 查询，是这两年被行业寄予厚望的能力之一。在那些常见的学术基准上，最好的大模型已经能做到 85% 的准确率，看起来离真正能用已经很近了。

但在 Beaver 这个用真实数据做的基准上，大模型的准确率是 0%。

加上 RAG，也只到 10%。把所有 join 条件直接喂给模型，最多到 35%。同样的任务，一个真正懂 schema 的 SQL 工程师能做到 90% 以上。

Stonebraker 的结论是，「这项技术，至少在可见的未来，还不够格进生产。」

我觉得他在这里讲的，不只是 text-to-SQL 这一个技术问题。他在讲的是一种系统性的现象，我们太习惯于用最漂亮的那个数字来判断 AI 的能力边界，但那个数字所对应的环境，跟真实世界之间有一道很深的沟。

而那道沟，恰恰是靠「努力学计算机」的普通从业者很难填平的。

我猜这才是他那句话背后真正的逻辑。

过去这些年，计算机行业吸引了那么多人，很大程度上是因为有一条普通人可以走的路，你学好几门课，掌握几个框架，写出能跑的代码，就能找到一份不错的工作。这条路的前提是有足够多的工作需要足够多的人来完成。

而现在那个前提在动摇。

Stonebraker 聊到 agentic AI，他说现在多数 agent 还停在「只读」，给客户算个分、出个预测，并不真的去改数据库里的字段。他说他估计很快整个世界就会用 agent 做读写应用，到那个时候，事务、一致性、原子性这些几十年前的老地盘问题会重新变得核心。

言下之意，那些只是「能写代码」的人，正在被 agent 逼近的边界。而那些真的搞懂了底层原理、知道数据库在最复杂的地方是怎么工作的人，短时间内还是不可替代的。

这跟「别学计算机」之间的关系是这样的，我理解，他说的是，那条普通人可以靠努力混进来的路，变窄了。不是行业消失了，是行业红利从普通从业者身上往上流走了。

那剩下什么呢。

Stonebraker 自己倒是一直在建公司，他今年 81 岁，还在做 DBOS。他做过的所有事情有一条主线，是真的在解决真实问题，不是在追风口。他在播客里说他受不了跟不聪明的人打交道，这话当然有点极端，但背后是一种工程师本能，就是必须搞清楚真正难的地方在哪，然后盯着那里。

我自己的感受是，现在有大量关于 AI 的讨论，讲的是普通人怎么用 AI 提效，但很少有人认真在讲，AI 在哪些地方还真的不行，以及不行是因为什么。

Stonebraker 说的那些，text-to-SQL 在真实世界里的 0 分，agentic AI 撞上事务边界的那些问题，是另一个视角，一个真正在这个行业里干了五十年的人，在实话实说。

不一定让人更安心，但我觉得这种东西值得认真听。