LLM取代的第一个编程语言竟是SQL？网友吵翻天

SQL 即将被 AI 取代，这种说法你同意吗？

差不多一年前，AI 圈的大佬 Andrej Karpathy 就放出过一句话：最热门的新编程语言是英语。当时不少人觉得这说法有点夸张，但一年后的今天，Abacus.AI 的 CEO Bindu Reddy 直接抛出了一个更炸裂的观点：LLM 用英语取代的第一个编程语言就是 SQL——生成准确率超过 95%，已经超过了人类 SQL 程序员平均 92% 的水平。她还提到，大多数数据库产品都已经提供了 chatbox 接口来查询数据。

这里说的 Chatbox，是一个开源的桌面端工具，专门用来调试和管 Prompt，支持 OpenAI、Claude、Gemini 等模型。

从大模型流行以来，改变的远不止文字和图片生成，编程领域同样被重塑。给一句提示，AI 就能自主学习新技术、构建和部署应用，甚至自动找 Bug 修 Bug。于是“AI 会不会取代程序员”的话题一热再热。结论先放一边，但 AI 对开发者的影响已经实实在在摆在那里了——连 Karpathy 自己都说，他已经回不到三年前那种“无辅助”编码的状态了。

英伟达的黄仁勋在一次演讲中也表达了类似看法：过去十年十五年，你可能会告诉孩子学计算机科学很重要，但现在情况几乎反过来了——AI 让每个人都成了程序员。不难看出，这位大佬和 Reddy 的观点不谋而合。

不过，Reddy 的话一出，质疑声也跟着来了：你说 LLM 生成 SQL 准确率 95%，有什么文献或者统计数据支撑吗？

Bindu 立刻回击，贴出了自家 AI 工具的两个示例片段。比如，要求 AI 筛选同时符合指定特征的店铺和销售，但不要统计店铺关闭时的数据——AI 自动就把代码写好了，几乎只差一个“复制到数据库”的动作。

稍微复杂一点的任务也没问题：只要说清楚“这组数不包含指定期间的数据，并统计每个港口的平均出发延误时间”，AI 就能自己分析出解题思路，写出按条件过滤、关联多个表、计算平均值的 SQL 代码。

看完这些演示，有网友觉得 AI 写 SQL 效果这么好，似乎也说得通。毕竟相比 Ja va、Python，SQL 里 90% 都是英语，主要就是和数据库打交道，格式相对固定，需要填空的地方少，模型产生“幻觉”的空间也小。

然而，那些日常工作中频繁用大模型生成 SQL 的网友，体验是另一回事：“到目前为止，ChatGPT 或 Perplexity 生成的 SQL 查询，还没有一个不需要大量重写的。”

他说，这和用 AI 写代码差不多——确实能省时间，但远不能替代开发人员。

原因是大模型经常犯错，而且不长记性，总在同一个地方翻车。常见错误包括：语法问题（混淆 SQL Server 和 Postgres 的不同语法）、使用某些平台无效的函数、缺少别名、跨平台迁移代码表现糟糕。尽管挑了一堆毛病，他最后还是承认 AI 写 SQL 的能力：“但即便如此，还是比手写强。”有意思的是，这位网友已经被 Bindu 拉黑了，这难免让人怀疑 Bindu 的本意就是在推广自家产品。

他进一步质疑：“一旦脱离基准测试里的简单任务，涉及到比较复杂的查询，恐怕所有 AI 工具都会失效。”

评论区里不少日常用 SQL 的人有同感：

“AI 会写 SQL，和能写出高效且性能优良的复杂 SQL，完全是两码事。”

“写 SQL 查询不难，但优化查询需要在工作中积累经验、基于真实世界的知识，这是 AI 目前做不到的。”

“我每天都在用大模型，但复杂的查询根本搞不定。任何超过一个 CTE 的内容，我都得手动拆分。拆起来需要你会编程，否则只会白费几天时间。”

甚至 Hacker News 官方也下场评论：“SQL 的核心不在于语言本身，而在于它能够查询和操作复杂的数据结构。”在他看来，提出正确的问题和理解数据结构，可能比语法本身更关键。

除了亲身体验的质疑，也有专业人员摆出了硬数据。在基础测试集 Text-To-SQL on Spider 上，目前 SOTA 模型的准确率是 87.6%。而在另一个更注重策略、针对大型数据库的基准测试 BIRD-Bench 中，最好的方法准确率也仅为 72.28%，距离 95% 还很远。

图源：https://paperswithcode.com/sota/text-to-sql-on-spider

图源：https://bird-bench.github.io/

目前，不少科技公司也推出了用大模型提升数据处理和查询分析的产品，比如火山引擎数智平台的 VeDI—AI 助手、Kyligence Copilot AI、ThoughtSpot 等。但这些企业解决方案面向的是专业用户和团队，而像 Abacus.AI 这样的个人 SQL 助手，可能更侧重于帮“小白”快速上手。