技术解读
RPCS3开发者公开抵制AI生成的PR，核心矛盾在于AI代码对PS3复杂硬件架构（如SPU协处理器、RSX图形管线）缺乏底层理解。即便LLM能拼凑出语法正确的C++，但针对Cell处理器的内存同步、PPU/SPU通信等特殊优化，AI生成的逻辑常存在隐蔽竞态条件或字节序错误。这些PR看似节省人力，实则将调试负担转嫁给核心维护者——他们需要花费数倍时间验证AI代码的硬件正确性，远高于审查人类贡献者的成本。
个人观点
从我的经验看，AI辅助编程在通用Web开发中能提升30%效率，但在系统级/模拟器项目中弊大于利。RPCS3的案例证明：当项目依赖对逆向工程结果的深度直觉（如猜测硬件寄存器的未公开行为）时，AI生成的“合理代码”往往是致命陷阱。开发者呼吁的本质是拒绝“效率幻觉”——AI可能写出通过CI的代码，但无法理解为何PS3的GPU需要特定纹理排列来规避硬件bug。
讨论引导
问题1：开源社区是否应建立类似“AI代码需附带硬件行为证明”的审查标准？ 问题2：如果AI能模拟PS3的EE/GS时序逻辑，是否可能生成真正有效的PR？这需要什么级别的训练数据？
行业视野
此事暴露AI编程的“知识边界”：LLM擅长模式匹配，但缺乏对专用硬件设计哲学（如PS3的异构多核哲学）的认知。未来可能出现两种趋势：1）项目维护者将强制要求AI代码附带仿真测试结果；2）专业领域微调模型（如基于PS3 SDK文档和内核转储训练）可能替代通用模型，但这需要社区对抗数据荒漠。开源治理正从“信任贡献者”转向“信任可验证的推理过程”。