AI 想接手 67 岁的 COBOL：迁移准确率 98%，但没人敢按下替换键

报税季，美国国税局的系统还在跑 1959 年诞生的语言。银行的网上服务、信用卡刷卡、ATM 取现，背后也有一大块是 COBOL。全世界最关键的一批系统，靠一门比大多数程序员年纪都大的语言撑着。

10 月 19 日，OpenAI 宣布自家最新模型在“把老代码迁移到现代语言”上取得实质性进展，并称这能帮助企业维护和更新老旧系统。听起来像是给遗留系统判了缓刑，但真正做过迁移的人，态度要谨慎得多。

一分钟速览

• COBOL 诞生于 1959 年，据 IBM 数据，它支撑着 40% 以上的网上银行系统、80% 的线下信用卡交易和 95% 的 ATM 交易。
• 有粗略估算认为，COBOL 的低效每年给美国 GDP 造成约 1050 亿美元损失。
• OpenAI 称 GPT-6.1 Sol 在低推理强度下行为保持准确率 87%，提高推理强度后达到 98%，可迁移到 C++、Java、Kotlin、Python、Rust。
• 同一测试中，GPT-6 Astra 约为 86%，GPT-6 Sol 仅 21%，GPT-5.6 Sol 只有 5%。
• 专家的冷水：重写代码不等于替换系统，真正的难点是把庞大系统拆成可逐个替换的单元。

为什么 COBOL 一直死不掉

COBOL 全称“面向商业的通用语言”，设计初衷就是处理账目、库存、 payroll 这类业务。它在上世纪六七十年代被大量采用，随后嵌进了银行、保险、航空、税务、社保的骨架里。几十年来，替换它的项目一轮接一轮，成功者寥寥。

原因不神秘。第一，这些系统太重要，停机或算错账的代价远高于维护成本；第二，懂它们的人正在退休、去世，文档常常缺失；第三，遗留系统不是一段代码，而是代码、数据、批处理任务、接口、运维流程和一堆没人敢碰的“历史约定”的集合。

一位研究软件演化的学者提到，他见过最大的单体系统有 2.5 亿行 COBOL，而且“肯定不是世界上最大的”。面对这种体量，把代码翻译成 Java 只是第一步，更难的是确认翻译后的系统行为和原来完全一致。

98% 的准确率意味着什么

OpenAI 的测试方法是“行为保持”：迁移后的代码要通过全部测试，才算成功。GPT-6.1 Sol 在低推理强度下达到 87%，提高推理强度后达到 98%；作为对照，GPT-6 Astra 约为 86%，GPT-6 Sol 为 21%，GPT-5.6 Sol 只有 5%。这组数字说明模型代际之间的差距是断崖式的，也说明“多花推理算力换准确率”在代码迁移任务上确实有效。

但 98% 放在遗留系统上并不是一个可以庆祝的数字。一套每天处理数百万笔交易的系统，2% 的行为偏差意味着什么，不需要多解释。更关键的是，测试本身从哪来——很多老系统根本没有完整的测试用例，所谓“全部测试通过”，可能只是通过了一批不完整的测试。

Anthropic 也在这个方向下注。它在今年 2 月发布了代码现代化方法论，并把 Claude Code 包装成迁移 COBOL 的工具，虽然没有公布迁移性能基准，但“COBOL 现代化的经济账已经变了”这句话，足以让靠维护遗留系统赚钱的 IBM 股价当日下挫。

真正的难点不在翻译

把 COBOL 翻译成 Java，本质上是语言之间的映射，模型擅长这个。难的是系统级的重构：哪些模块可以独立替换，哪些数据必须保持原样，哪些批处理窗口不能动，哪些隐藏依赖只存在于老员工的记忆里。

这也是专家们反复强调的那句话：重写代码不是替换系统。可行的路径通常不是“一次性翻译”，而是先把系统切开——用旁路方式把新服务挂在老系统旁边，逐块迁移流量，保留回滚能力，最后再关掉旧模块。这个过程里，AI 能加速的是理解代码、生成测试、补充文档，而不是替企业做风险决策。

一个正在成形的市场

可以把这件事看成 AI 编程工具的第一个“硬骨头”市场。互联网应用的代码年轻、测试齐全、出错了可以快速回滚；遗留系统相反，代码老、测试缺、出错代价高。谁能在这里证明自己，谁就能拿到金融、政府、航空这些客户的长期合同。

接下来值得观察三件事：OpenAI 和 Anthropic 是否会公布可复现的迁移基准；系统集成商会不会把 AI 迁移做成标准化产品；监管行业是否接受“AI 生成、人工复核”的迁移流程。至于 COBOL 会不会就此退休，答案大概率是否定的——它会继续待在关键系统里，只是维护它的人，身边多了一个不知疲倦的助手。