2026 年 7 月 15 日，Linus Torvalds 在 Linux 内核邮件列表（LKML）上发了一封回复，把持续数周的 AI 争论画上了一个明确的句号。
事情的导火索是 Software Freedom Conservancy（SFC）发布了一份关于在自由软件贡献中使用 LLM 工具的建议文档。内核开发者社区里有人引用这份文档，表达了对 AI 工具（尤其是 Google 捐赠给 Linux 基金会的代码审查工具 Sashiko）的反感。开发者 Roman Gushchin 在讨论中提出，如果 Linux 内核项目整体采取「反 LLM」立场，那应该直接讨论，而不是给每个 AI 工具的使用层层加码。
Linus 的回复没有任何模棱两可的余地。
全文翻译：Linus 的立场声明
以下是他在 LKML 上的完整回复，逐段翻译并附原文对照：
是的。
而且，不——那不是 Linux 内核的立场。
我意识到有些人非常不喜欢 AI，但这是我作为顶层维护者愿意坚决表明立场的地方。
Linux 不是那种反 AI 的项目，如果有人对此有意见，他们可以做开源社区该做的事——fork 它。
或者直接走人。
核心态度在第一段就交代完毕。没有商量，没有折中——不认同就 fork，这是开源社区的终极退出机制。
AI 是一种工具，就像我们使用的其他工具一样。而且它显然是有用的。
甚至就在一年前，「显然」这个词还不一定站得住脚，但今天这已经不再是一个需要讨论的问题了。
任何对此有怀疑的人，显然没有真正用过它。
这里有一个容易被忽视的时间线。Linus 在 2024 年 10 月曾公开表示「90% 的 AI 是营销炒作」，说自己在「基本忽略它」。当时他预测情况可能在五年内改变。实际上，从「基本忽略」到「不再需要讨论」，他只用了 21 个月。
是的，它也可能是一种「有点痛苦」的工具——无论是对维护者的工作负担而言，还是从「它不断找出令人尴尬的 bug」的角度来说。
但解决方案不是把头埋在沙子里，像某些人那样扯着嗓子唱「啦啦啦我听不见」。
这句话的措辞值得停下来说说。Linus 把 AI 的负面影响分成两类：一是增加维护者的审核负担（低质量的 AI 生成补丁和 bug 报告）；二是它暴露了内核中大量沉睡多年的真实缺陷——这对开发者来说是「令人尴尬」的。他没有否认这两种痛苦的存在，但他把「无视它」排除在了选项之外。
解决方案是确保这些 LLM 工具帮助维护者，而不是给他们制造痛苦。这一点是没有疑问的。
我们不会强迫任何人使用它，但我会非常大声地忽略那些试图阻止别人使用它的人。
而且，不，AI 不是完美的。但是老天，任何指着 AI 的问题说事的人，最好同时照照镜子、指指自己。
因为自然智能也不见得总是那么出色。
最后这句话是整个回复中最锋利的一句。它是一个对称论证：如果你用「AI 会犯错」作为拒绝它的理由，那么同样的标准适用于人类——人类开发者写出的 bug 比 AI 多得多。核心问题是 defect rate（缺陷率），不是 defect source（缺陷来源）。「会不会犯错」是错误的问题；正确的问题是「犯错的频率和严重程度是否在可接受范围内」。
内核项目一直是，也将继续是关于技术的。
当然，从事开源工作的社交层面很重要，也常常是项目非常有动力的一部分，但归根结底，那只是附带的好处，不是项目的目的。
这不是某种「社会正义战士」项目，从来不是，也永远不会是。
在内核社区，我们做开源是因为它能带来更好的技术，而不是因为宗教原因。
因此我们主要基于技术价值做决策。而不是基于对新工具的恐惧。
Linus
这个收尾把整件事的底层逻辑讲清楚了。内核项目的目标函数是「更好的技术」，不是「更纯洁的社区」。AI 是通往那个目标的一条新路径，只要它能通过技术价值的门槛，就没有理由拒绝它。
背景：AI 在内核开发中的实际渗透
Linus 的立场不是凭空而来。过去半年，AI 工具已经实实在在地进入了 Linux 内核的开发流程。
今年 3 月，内核长期维护者 Greg Kroah-Hartman 在 KubeCon Europe 上接受 The Register 采访时，描述了一个令人印象深刻的转折点。他说：「几个月前，我们收到的还是所谓的『AI 垃圾』——明显错误或低质量的 AI 生成安全报告。这有点好笑，我们并不真的担心。」
然后事情变了。
「大约一个月前，发生了什么，世界就变了。现在我们收到的是真正的报告。」他补充说，这不是 Linux 独有的现象——「所有开源项目现在都在收到 AI 生成的报告，但它们是好的，是真实的。」
这个转变的具体原因至今是个谜。Kroah-Hartman 坦言：「我们不知道。似乎没人知道为什么。要么是一大批工具突然变好了，要么是人们开始说『嘿，我们来看看这个』。似乎是很多不同的团队和公司在同时做这件事。」
他还分享了自己的实验：用一个简单的 prompt，AI 一次性给出了 60 个内核问题和对应的修复补丁。「大约三分之一是错的，但它们仍然指出了相对真实的问题。三分之二的补丁是正确的。」他补充说，这些能用的补丁仍需要人工清理、改 commit message 和集成工作，但「绝不是没用的」。
目前 AI 在内核开发中的角色更多是「审查者」和「助手」，而非完全独立的代码提交者。Kroah-Hartman 提到，内核已经引入了 Co-developed-by 标签来标注 AI 辅助编写的代码。对于简单错误条件的检测这类工作，他说 AI「今天就能生成几十个可用的补丁」。
与此同时，Sashiko——Google 开发并捐赠给 Linux 基金会的 AI 代码审查工具——已经在公开运行，覆盖了几乎所有的内核补丁。这正是触发本次 LKML 争论的直接原因：有开发者担心维护者会直接采纳 AI 的审查意见而不做人工验证，从而降低审查质量。
工程判断：Linus 的逻辑为什么站得住脚
如果把这场争论从「AI 好不好」的道德辩论拉回到工程层面，Linus 的论证其实是清晰的：
1. 工具论而非价值论。 他在邮件中反复强调 AI 是一种工具，和编辑器、编译器、静态分析器没有本质区别。内核社区不会因为有人不喜欢 Clang 就禁用 Clang，也不应该因为有人不喜欢 LLM 就禁用 LLM。
2. 用进废退。 他对「AI 有害论」的回应是：如果你认为 AI 有缺陷就应该禁止，那你对自己的代码也应该持同样标准。这不是在抬杠——内核中人类引入的 bug 数量远多于 AI 引入的。核心问题是 defect rate（缺陷率），而不是 defect source（缺陷来源）。
3. 退出机制存在。 「fork it or walk away」听起来强硬，但在开源世界中这是最正常的选项。如果有人坚信 Linux 不应该使用 AI 工具，他们完全可以创建一个不含 AI 贡献的分支，用技术实力来证明自己的路线更优。Linus 没有阻止任何人这样做——他只是声明了主线内核不会走那条路。
4. 目标函数是技术质量。 这是最根本的一点。Linus 明确说内核项目不是「社会正义战士」项目，社交层面是附带收益不是目的。如果 AI 能提高代码质量、减少 bug、加速 review，那用它是合理的。如果它做不到这些，自然会被淘汰——从技术上被淘汰，而不是从意识形态上被封杀。
争议的另一面
Linus 的表态也引发了不少反对声音。
一部分开发者担心，AI 生成的低质量补丁会淹没维护者，加剧已经严重的内核维护者 burnout 问题。The Register 的报道提到，一些开源维护者已经因为 AI slop 报告而考虑退出。cURL 项目甚至因此停止了 bug 赏金计划。
更深层的担忧在于代码版权。LLM 训练数据的合法性在全球多个司法管辖区仍处于灰色地带。SFC 那份引发争论的建议文档，核心关切就是「AI 生成的代码是否可能在法律上不干净」。Linus 对此没有直接回应——他的邮件聚焦在工程层面，而非法律层面。这个空白将来可能需要填补。
还有一种观点认为，Linus 的「工具论」过度简化了 AI 的特殊性。编译器不会自己犯错——它严格遵循规范，行为可复现。LLM 的行为却是一个概率分布，同一个 prompt 在不同时刻可能给出不同答案。这种非确定性在需要精确性的内核开发场景中，风险不是零。
这些担忧都是真实的。但 Linus 的框架提供了一种处理它们的方式：用工程手段来管理——更好的验证流程、更严格的 review 标准、更透明的 AI 贡献标注。他在邮件中说得很直白：「解决方案是确保这些 LLM 工具帮助维护者，而不是给他们制造痛苦。」
这句话本身就是对 AI 现阶段的准确评估：它能帮上忙，也可能添乱。关键在于怎么用，而不是用不用。
本文的素材来自公开信息和社区讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。
参考链接：
- LKML 邮件列表：Linus Torvalds 关于 AI 工具的完整回复
- The Register：Linus Torvalds tells AI haters to fork off (2026-07-15)
- The Register：Linux kernel czar says AI bug reports aren’t slop anymore (2026-03-26)
- Phoronix：Linus Torvalds Reaffirms That Linux Is Not “Anti-AI”
- GamingOnLinux：Linux creator Linus Torvalds puts foot down on anti-AI comments
- Software Freedom Conservancy：Recommendations When Using LLM-backed Generative AI Systems for FOSS Contributions
