AI都能写代码了，Rust到底值不值得上

月底给董事会出融资模型，痛点在口径一改就乱。我这边原来用Python脚本做现金流折现，CSV表格一进，pandas这类表格处理库一洗，循环一叠，净现值和内部收益率都能出来。业务规则一调，AI在Cursor里补两行，看着能跑，结果估值对不上。最近Claude Code用了三周，我试着把最热的计算核心搬到Rust，Python只留报表和交互。

先解释一下，Rust是偏系统层的编译型语言，强调内存安全和性能。Python是数据科学里最顺手的胶水语言。那篇Hacker News文章的核心意思是，如果AI已经会写代码，Python好上手的优势会被削弱，为什么不让它写更快更安全的Rust。真上手时，工程细节会决定值不值得。

我让Claude Code生成一个Rust crate，也就是Rust的包，输入现金流、折现率、税率，输出估值结果。终端里 cargo build，也就是Rust的构建工具，跑起来，红字一堆，生命周期、类型、trait约束，全是编译报错。卡点也很真实。财务数据脏，日期、空值、单位不统一，Python里几行能糊过去，Rust里必须把入口写稳。我这边测下来，表格解析和异常值处理反复调了几轮才过。

编译通过后，边界错误少了很多。空值、越界、类型不一致，不再等到运行时报错。后来我在Python里调用Rust模块，结果一致，计算确实更稳。对财务模型来说，省时间主要靠校验和口径稳定，循环速度只是其中一部分。

从财务角度看，收益主要有几项。核心计算更稳，估值模型最怕公式口径漂移，Rust的编译器能在上线前拦住一部分低级错误。长期维护更省工程债，如果这段逻辑未来要进API、被多个团队调用，后续改动会比能跑但不可靠的脚本少。算力成本也可能下降，对批量回测、实时风控这类高吞吐场景有吸引力。

缺点更现实。人才成本上去了，Python分析师能改的东西，Rust通常要工程团队接手。生态路径依赖还在，Python背后的数据科学库成熟，Rust在金融分析和数据清洗上的替代组件没那么顺手。还要看现金流。如果公司现在需要快速出模型、快速见投资人，迁移带来的工期和调试成本，可能比省下的那点计算成本更伤。

我的判断是看情况。适合有稳定工程团队、核心计算长期复用、模型要进生产环境的公司。不适合只有两三个分析师、业务口径每周变、主要需求是出报告讲故事的小团队。更务实的做法可能是Python继续做报表和交互，Rust只替换最热的计算核心。

如果明年融资模型要接实时数据，这笔账得按事故成本、工程师成本和工期一起算。

---

📌 本文编译自 Hacker News，原文 https://medium.com/@sarathm09/if-ai-writes-the-code-why-is-half-of-pythons-ecosystem-now-written-in-rust-e9dcf66203e4

版权归原作者所有，本文为基于公开报道的编译与独立分析。