5 月 26 日的技术圈，两条看似不相关的消息放在一起看，拼出了 AI 工程化当前最真实的处境。

一边是方法论在进化——开发者社区讨论从 Vibe Coding 到 SDD（Spec-Driven Development）的范式迁移。另一边是账单在爆炸——HBM 内存成本已占 AI 芯片的 2/3，Uber 四个月就花光了全年 AI 预算。

一边在变聪明，一边在变贵。这就是 2026 年 AI 工程化的"冰与火"。

火：从 Vibe Coding 到 SDD，AI 编程的第四纪元

先说说这个进化链条。社区里有人梳理了 AI Coding 的四个阶段：

时代 模式 典型场景 问题
1.0 自动补全 Tab 补全下一行 GitHub Copilot 早期 只能写一行，没有上下文
2.0 对话式 Chat 里让 AI 写代码 Cursor/Copilot Chat 需要大量 prompt，反复修改
3.0 Vibe Coding 描述感觉，AI 全权实现 "帮我做一个 CRM" 生成快，但不可控、不可维护
4.0 SDD 先写 Spec，AI 按规范实现 OpenCode/Claude Code + SPEC 可控、可验证、可复现

Vibe Coding 的问题已经暴露得很清楚了：你描述的是"感觉"，AI 生成的是"代码"，但两者之间的鸿沟要靠无数次反复对话来填。 生成一个能用的功能只要 2 分钟，但把它改对、改稳、改到能上线，可能要多花 2 天。

SDD 的思路是反过来的：先定义"对"是什么，再让 AI 去实现。 不是"给我写个登录"，而是"这是登录模块的 Spec：支持邮箱/手机号双因子、密码错误 5 次锁定 30 分钟、支持 OAuth2.0 协议、返回符合 RFC 6749 的 token"。AI 拿着这份 Spec 干活，每次生成后自动跑 Spec 里定义的测试用例——通过就是通过，没通过就是没通过，不用人来判断"感觉对不对"。

这不是理论。OpenAI 的 Symphony SPEC、Anthropic 的 Claude Code Design Token、以及社区里涌现的 SPEC.md 实践，都在往这个方向走。核心转变是：人类从"写代码的人"变成"写验收标准的人"。这个角色变化，才是 AI Coding 真正成熟的标志。

火：谷歌 AI 一夜连破 9 道数学难题

今天另一个不能忽略的信号：DeepMind 的智能体一口气解决了 9 个 Erdős 问题——这些问题人类数学家 56 年都没解出来。每次解一道要花几百美元的推理成本，但跟人类投入的时间相比简直可以忽略。

这件事的意义不在于数学本身，而在于它验证了一个模式：当推理成本降到某个阈值以下，"AI 做研究"就从不可能变成了划算。 以前我们说 AI 只能辅助，是因为让它认真思考一个问题太贵。现在这个等式在翻转。

冰：HBM 吃掉 2/3 的芯片成本

翻到另一面，美光的警告很刺耳：AI 需求暴涨导致存储芯片紧缺，HBM 内存成本已经占到 AI 芯片组件成本的 2/3。一台 AI 服务器的成本结构正在被重写——算力芯片本身不再是最大的开销，给它喂数据的高速内存才是。

这意味着什么？意味着算力成本下降的红利，正在被内存成本吃掉。模型降价 ≠ AI 变便宜，因为运行模型的硬件总成本可能在涨。

冰：Uber 四个月烧光全年 AI 预算

另一个让人清醒的数字来自 Uber 总裁：公司四个月就花光了全年的 AI 预算，并公开质疑 AI 投入的合理性。这不是个案。国内几家大厂的 AI 预算也普遍超支 30%-50%。

背后的逻辑很简单：单个 token 便宜没用，Agent 的 token 消耗是指数级的。 一个 Agent 调用一次 MCP 工具，可能就是几千 token 的往返；多 Agent 协作，消耗直接翻倍。降价的速度追不上用量增长的速度。

冰火之间：一个开发者的视角

这两条线放在一起看，结论其实很清楚：

AI 编程的方法论在进化（SDD），但 AI 使用的成本还没有收敛。 作为开发者，能做的事情是：

  1. 拥抱 SDD，丢掉 Vibe Coding。 如果你还在用"感觉"驱动 AI 写代码，趁早切换到 Spec 驱动。先写验收标准，再让 AI 实现，能省下大量反复修改的时间（和时间背后的 token 费）。

  2. 把 AI 当成"昂贵的实习生"来管理。 给它清晰的任务定义、可验证的输出标准、以及有限的工具权限。不要让 AI 自由发挥——自由发挥的成本比你想象的高得多。

  3. 关注硬件成本结构的变化。 HBM 紧缺意味着云端推理成本短期不会大幅下降。如果你的场景可以在本地跑（llama.cpp、llamafile），认真考虑本地推理——虽然单次慢一点，但边际成本为零。

2026 年的 AI 工程化，已经不是"要不要用 AI"的问题，而是"怎么用才不破产"的问题。