Разработчик Mesa Герт Воллни внес 59 коммитов в драйвер AMD R600 и использовал для этого GitHub Copilot в автоматическом режиме. История не про красивую демонстрацию ИИ, а про вполне прикладной рефакторинг legacy-драйверов: старое железо все еще работает, а людей, готовых поддерживать такой код, становится все меньше. Для русскоязычной IT-аудитории это знакомый сюжет: инфраструктура стареет медленнее, чем команды и бюджеты на ее сопровождение.
Об этом сообщает Habr / Новости. Речь идет о драйвере R600 для Linux, который обслуживает видеокарты AMD/ATI серий от Radeon HD 2000, появившейся в 2007 году, до Radeon HD 6000, вышедшей в конце 2010-го. Это уже не «горячее» железо и не предмет маркетинговых презентаций, а типичный слой наследия, который продолжает жить в рабочих системах просто потому, что он до сих пор нужен. И пока такие машины существуют, кто-то должен поддерживать совместимость драйвера с новыми версиями ОС и всей сопутствующей графической обвязкой.
Самый показательный момент в этой истории не даже число коммитов, а то, как именно они были оформлены. В коммитах появлялась пометка Assisted-by, указывающая на использование ИИ, а Copilot, как сказано в пересказе, применялся в автоматическом режиме для сборки кода. Изменения затронули в том числе код компилятора шейдеров, то есть речь не сводится к косметике вроде переименования переменных или правки комментариев. В этом и заключается ценность кейса: рефакторинг legacy-драйверов начинают рассматривать не как академический спор о допустимости нейросетей в open source, а как инструмент, который помогает разгрести то, на что у людей уже не хватает времени.
У таких проектов есть хроническая проблема: они никому особенно не интересны, пока не ломаются. Поддержка устаревшей архитектуры требует квалификации, терпения и контекста, который трудно быстро передать новому участнику. Найти разработчика, готового системно заниматься кодом для GPU почти двадцатилетней давности, мягко говоря, сложнее, чем очередного инженера на современный стек. Поэтому любая технология, сокращающая стоимость рутины, выглядит здесь не игрушкой, а способом не бросить рабочую систему на произвол судьбы. Если ИИ способен ускорить правку шаблонного, запутанного или просто неприятного для чтения кода, это уже меняет экономику сопровождения.
Отдельный штрих добавляет позиция Линуса Торвальдса, на которую ссылается пересказ: использование ИИ в разработке допустимо там, где оно действительно оправдано. Это важная развилка для всей open-source-среды. Дискуссии вокруг нейросетей в программировании обычно застревают между двумя крайностями: либо «машина сейчас заменит разработчиков», либо «все это токсичный мусор». На практике индустрия идет в более скучную, а потому более реалистичную сторону. ИИ оказывается не магическим автором нового ядра Linux, а ускорителем для тех участков, где нужно разобрать старый код, привести его в порядок, не сломать сборку и снизить нагрузку на редких специалистов. Для инженерной команды это, пожалуй, самая полезная роль нейросетей на текущем этапе.
Для разработчиков в России и соседних рынках здесь есть вполне приземленный вывод. В компаниях по-прежнему живут системы, где сочетаются старые серверы, не самый свежий Linux, специфическое железо и софт, который никто не хочет переписывать без крайней нужды. В такой среде рефакторинг legacy-драйверов и другого наследуемого кода перестает быть экзотикой из мира open source и становится рабочей моделью: ИИ берет на себя часть механической работы, а человек проверяет архитектурную адекватность, совместимость и риски. Это не отменяет экспертизу, но позволяет расходовать ее там, где она действительно нужна. Для техдиров и лидов это еще и аргумент в пользу более формального процесса: если ИИ участвует в изменениях, значит, еще важнее становятся понятные метки в коммитах, ревью и прозрачная история происхождения кода.
Есть и более широкий отраслевой эффект. Долгие годы legacy-инфраструктура жила по принципу «если не трогать, может, доживет еще год». Теперь появляется промежуточный сценарий: трогать можно, если стоимость вмешательства снижается. Не потому, что старый код внезапно стал приятным, а потому, что часть грязной работы автоматизируется. Это особенно заметно в open source, где у проекта может не быть полноценной оплачиваемой команды под каждую старую ветку железа. Если ИИ помогает сохранить поддержку устройств эпохи Radeon HD 2000-6000 без героизма отдельных энтузиастов, это уже не просто любопытная новость, а намек на новую норму сопровождения.
Главный вопрос теперь не в том, можно ли подпускать нейросети к таким проектам, а в том, где проходит граница между полезной автоматизацией и риском незаметно утащить в кодовую базу ошибку, которую потом никто не захочет отлаживать на старом железе. Но сам тренд уже читается довольно ясно: когда людей на legacy не хватает, а выбросить legacy нельзя, ИИ начинает работать не как замена инженеру, а как способ продлить жизнь тому, что давно должно было уйти в архив, но по факту еще держит на себе часть реального Linux-мира.