先说结论：AI 画得出架构图，但画不出「为什么」

最近 Hacker News 上有一篇讨论度不高但很值得一读的文章，标题直译过来是《AI 驱动系统设计的瓶颈：为什么资深架构师还没过时》。作者的核心观点很直接：AI 代理在系统设计这件事上确实进步很快，但距离取代 Principal 级别的工程师，还差着好几道结构性障碍。

这篇文章不是唱衰 AI，也不是给架构师打气，而是把「AI 做系统设计」这件事拆开，看看它到底卡在哪里。对正在把 AI 引入研发流程的团队来说，这些瓶颈比「AI 能不能写代码」更值得关注。

瓶颈一：需求本身就是模糊的

系统设计的第一步不是画图，而是搞清楚要解决什么问题。而真实世界里的需求，几乎从来不是清晰的。

业务方说「要快」，是延迟低还是迭代快？说「要能扩展」，是用户量涨十倍还是业务线扩五条？这些模糊表述背后，藏着大量需要追问、对齐、甚至反过来教育需求方的过程。

AI 代理擅长在给定清晰输入后做推理，但它不擅长在会议室里追问「你说的这个到底指什么」。资深架构师的价值，很大一部分恰恰在于把模糊需求翻译成可执行的技术约束。

瓶颈二：权衡取舍没有标准答案

系统设计本质上是权衡的艺术。一致性还是可用性？自建还是买现成？单体还是微服务？每个选择都有代价，而且代价往往要在半年后才显现。

AI 可以列出每个方案的优缺点，甚至能给出看起来很像样的对比表格。但真正的难点在于：在特定团队、特定阶段、特定预算下，哪个代价是可以接受的。这需要理解组织的技术债、团队能力、老板的耐心和公司的现金流。

这些信息大部分不在文档里，而在人的脑子里。AI 拿不到，也就做不好这个判断。