Stripe 創辦人的程式設計哲學，如何影響一家千億美元公司
Stripe 執行長 Patrick Collison 分享他對程式設計、軟體開發工具演進，以及人工智慧（AI）未來潛力的獨到見解。他的觀點不僅源於經營一家頂尖金融科技公司的經驗，更根植於他早期作為程式設計師對語言及工具的深刻探索。這場對話揭示一位軟體產業領導者，如何從歷史中汲取智慧，並思考未來數十年的技術軌跡。
夢迴 Lisp 與 Smalltalk：對整合開發環境的嚮往
Collison 的程式設計之旅，始於對 Lisp 與 Smalltalk 這類非主流語言的熱愛。他回憶，自己第一個新創公司的產品，便是以 Smalltalk 撰寫。這項選擇並非偶然，而是源於對一種更高效、更具互動性的開發模式的追求。他先前深受 Lisp 方言的啟發，特別是基於「續體（Continuation）」的網站框架概念，這種框架能優雅地處理網頁應用的狀態。當發現在 Ruby on Rails 的開發流程中缺少這種工具時，他轉向 Smalltalk，意外發現一個蘊藏強大能量的開發世界。
他所推崇的，是一種將編碼、除錯與執行環境高度整合的體驗。在 Smalltalk 的環境中，開發者可以在程式執行到一半時，例如在處理一個網路請求的堆疊追蹤（stack trace）深處，直接介入、檢查變數、修改程式碼，然後從堆疊的某個點恢復執行，讓整個請求順利完成。這與主流開發模式形成鮮明對比，後者往往需要反覆加入日誌、重新部署，耗費大量時間進行二元搜尋般的除錯。Collison 懷念那種「開發環境即是執行環境」的模式，這是 Lisp Machines、Mathematica 等系統的核心精神，也是他認為當代開發工具所失落的一環。
他認為，現代開發環境普遍存在一種割裂：文字編輯器、程式執行階段（runtime）與實際運行的環境三者分離。他期許未來的工具能重拾整合的理念。例如，當滑鼠懸停在一行程式碼上，IDE 應能即時顯示其運行效能分析資訊；懸停在一個變數上，則能看見它在正式環境中最常見的數值。這種富含脈絡的深度整合，是提升開發效率的關鍵。
Stripe 的技術「大爆炸」：早期決策的深遠影響
話題轉向 Stripe 的創建，Collison 坦承，即使懷抱對 Smalltalk 的熱情，他們最終為 Stripe 選擇更主流的 Ruby 與 MongoDB。這反映一種在理想與現實間的權衡。他將新創公司初期的技術選型，比喻為一場「大爆炸」（Big Bang）。創辦團隊在資源有限、時間緊迫下做出的幾個關鍵決策，其影響力會像宇宙膨脹一樣，在未來數十年持續塑造公司的技術架構、組織文化，甚至商業策略。
Stripe 的 Ruby 與 MongoDB 選擇，至今仍是其技術堆疊的基石。雖然公司為此投入大量資源，打造高度可靠的基礎設施，以達到驚人的「五個九」（99.999%）等級的 API 可用性，但這些早期決策也帶來長期的制約。Collison 提到，公司內部曾有大量關於遷移至 Java 的討論，部分對吞吐量要求極高的核心服務，最終確實也用 Java 進行重寫。
這引出一個更宏大的觀點：API 與資料模型的設計，其重要性遠超過單純的技術實踐。它遵循康威定律（Conway's Law），即系統設計會反映組織的溝通結構。反之，深思熟慮的 API 設計也能反過來塑造組織，並直接影響企業的戰略走向。他以 iOS 與 Android 生態系的發展為例，認為 iOS 早期之所以能吸引更多優秀的開發者，很大程度歸功於其更優雅、更完善的開發框架與抽象設計。這些最初的設計決策，最終產生巨大的商業價值。
也正是基於對抽象層重要性的深刻體悟，Stripe 耗費數年時間，投入一項龐大的 V2 API 升級計畫。這不只是一個版本的迭代，而是對核心商業實體（如顧客、子帳戶、收款人）進行根本性的重新抽象與統一。這項工作的挑戰不在於設計新的 API，而在於確保新舊系統的互通性，並為數百萬用戶提供平滑的升級路徑，其複雜度堪比晶片架構的指令集遷移。Collison 從中提煉出兩個核心原則：盡可能統一所有可統一的概念，以及將所有潛在的關係都設計為多對多（n-to-m），因為商業世界的複雜性終將探索所有排列組合。
AI 浪潮下的新思考：從生產力到生物學
在 AI 時代，Collison 的思考也延伸到更廣闊的領域。他坦言，AI 可能會徹底改變程式設計的範式。未來的程式設計，或許不再是鉅細靡遺地描述「如何做」，而是更專注於定義「想要什麼」。AI 將扮演一個更先進的編譯器或直譯器，讓程式語言本身變得更高階、更不拘泥於形式。更令人興奮的是，AI 有潛力成為自動化的重構（refactoring）與美化工具，在開發者身後默默清理技術債，維持程式碼庫的健康與優雅，這將大幅降低維護大型系統的沉重負擔。
然而，當被問及 AI 是否已在宏觀經濟數據中展現其影響力時，Collison 抱持謹慎態度。他提到「進步研究」（Progress Studies）領域長期關注的生產力悖論：儘管資訊科技飛速發展，但生產力成長卻未見相應提升。目前，尚未有確切證據顯示大型語言模型（LLM）的普及，已帶來顯著的總體經濟成長。他引用 Anthropic 共同創辦人 Jack Clark 的預測，即 AI 每年可能為 GDP 成長貢獻 0.5 個百分點——這個數字雖然可觀，卻也反映技術擴散至整個經濟體，需要漫長的過程與巨大的複雜性。
對 Collison 而言，AI 的影響力不僅止於軟體與經濟。他積極參與創辦的生物醫學研究機構 ARC Institute，正致力於將 AI 思維應用於生命科學。他將生物學的突破，歸納為一個「讀取、思考、寫入」的新循環：
- 讀取：更先進的基因定序技術。
- 思考：以 Transformer 為代表的深度學習模型。
- 寫入：以 CRISPR 為代表的基因編輯技術。
這個閉環系統，為人類首次提供了系統性解構複雜疾病（如心血管疾病、癌症、神經退化性疾病）的強大工具。他對此充滿希望，認為這或許是人類攻克這些頑疾的關鍵路徑。
對未來工具的期許
訪談最後，Collison 為 AI 開發工具的未來提出三個具體的期許。首先，是實現他長久以來對整合開發環境的夢想，讓執行階段的資訊與程式碼編輯無縫結合。其次，是利用 AI 進行大規模的程式碼重構與美化，解放開發者的創造力。
最後，他提出一個更富哲學性的期許：希望 AI 不僅僅是創造更多的軟體，而是協助人類創造「最好」的軟體，提升軟體工藝（craft）與美感。
從對古老程式語言的洞察，到對未來數十年技術版圖的擘劃，Patrick Collison 的思維展現一種跨越時間的連貫性。這場對話提醒我們，在追求創新的同時，回望過去的智慧，並對我們所創造的工具與抽象層保持深刻的敬畏，或許才是通往真正進步的道路。
