25位IT大佬亲述：AI「吃掉」程序员！码农黄金时代终结

【导读】AI开发者可能自食其果，最先被AI取代！AI Impact Lab的创始人认为：未来的趋势是AI让高级工程师比升值，而让初级工程师贬值。如果AI能引发文明变革，那「程序猿」将首当其冲，最先被AI取代。

如果AI真的取代人类工作，为什么不从AI公司最熟悉的岗位开始？如果AI引发大裁员，以前到底有没有认真思索过最先被取代的是哪些岗位？有早期迹象预示了这一趋势？

毫无疑问，AI公司最熟悉的岗位，就是它们自己员工从事的岗位。

那在AI公司任职的研究员、软件工程师不妨问问自己这些问题。

最近，AI Impact Lab的创始人兼负责人Taren Stinebrickner-Kauffman发表了一篇博客文章，认为这些AI公司首先针对的就是软件工程师。

她认为AI革命可能最终会吞噬自身：

即使AI不会导致整体大规模失业，工程类工作也会急剧下降。

开发者自食其果？

如果你关注技术就业市场或AI编程工具，上个月美国的一些数据肯定会让你瞠目结舌！

AI巨头Anthropic的首席执行官Dario Amodei公开表示，在今年年底前，AI可能会编写90%的所有代码。

Y Combinator的负责人Gary Tan提到，在2025年冬季季度的一批YC初创公司中，95%的代码是由AI编写的。

据报道，AI编码初创公司Cursor的年度经常性收入已超过2亿美元，这意味着拥有超过五十万付费订阅用户，而免费用户推测有几百万。

Cursor在2024年底达到1亿美元ARR的速度，与其他公司的对比。仅仅三个月后，到2025年3月，Cursor的ARR就翻倍到了2亿美元！

与此同时，科技就业市场持续疲软。去年，美国大小科技公司裁员超15万人。

而在上个月，虽然美国IT行业的失业率有所下降至4.6%，但美国的整体失业率为4.2%，而且IT就业市场规模也随之缩小。

这些现象是否存在关联？

硅谷向来以颠覆传统行业为荣，但若这次革命反噬自身呢？科技从业者会否成为全球AI就业危机的首批受害者？

Taren Stinebrickner-Kauffman深入分析了这些问题。

社会活动家：Taren Stinebrickner-Kauffman

为什么技术岗位会先倒霉？

Taren Stinebrickner-Kauffman有四个强有力的理由，表明工程类和其他技术类工作，可能会成为AI冲击最早波及的领域。

1.AI公司对技术岗位非常熟悉。

AI实验室的员工本身就是工程师，他们在解决自己最了解的问题。相比为医疗或法律行业开发AI，打造编码智能体需要的外部领域知识更少，这可能会加快研发进展。

而且，程序员有悠久的传统，喜欢开发工具来加速编码。正如一句老话所说：「我宁愿写程序去生成程序，也不愿直接写程序。」

2.成功指标更清晰。

相比其他领域的成果，判断代码是否有效要简单得多。特别是在「编程竞赛」这类明确有对错的领域，AI工具表现已经非常出色。

这种清晰度让AI模型更容易生成训练数据、进行自动化评估，并形成更高效的反馈循环来改进模型。

而在很多领域，比如市场营销、策划等，成果好坏往往难以量化。

3.有海量高质量训练数据。

像活动策划者或虚拟助理的工作流程和成果，没有大规模的免费在线数据集但网上有大量开源代码数据，很多还带有注释和开发者的思路解释！这些数据让AI模拟工程师变得极为便利。

4.AI研究的递归改进动力。

顶尖AI公司非常希望用AI来加速自己的研究工作，打造出一个「自我增强」的正反馈回路——用AI来提升AI，从而更快地研发出更强的模型。

如果你看过，第4点正是他们未来设想中的关键逻辑。

AI真能引发科技行业大裁员？

AI是否已经在科技行业引发了大规模裁员？又或者，这种影响是否即在不久的将来显现？

对于这个问题，即使是理性的人，也存在明显的分歧。

为了更清楚地了解当前的情况，Taren和Steve与超过25名工程师、管理者及相关的科技工作者进行了交谈，试图了解AI如何正在改变技术劳动力市场，以及他们预计未来会发生什么变化。

以下是从这些访谈中得出的主要观点和发现，分为三个主要方面：

1 AI还没有改变大多数技术岗位

2 AI对初级岗位招聘造成巨大压力

3 AI正在模糊岗位边界

科技行业中出现的模式，往往可以视为其他行业工程团队即将面对的先兆。

不过，也有可能他们两个根本没注意到其他行业的趋势。

大多数技术岗位没有被AI改变

根据调研，发现AI并不是当前科技行业疲软的主要原因。

虽然AI显然对未来的计划和一些当前决策有影响，尤其是涉及初级岗位的招聘，但几乎所有受访者都一致认为，目前裁员和招聘放缓的主要原因仍是宏观经济因素，比如利率上升和疫情后的市场调整。

一个颇具说服力的例子来自编程训练营的一位负责人，他指出，即便是在明确禁止使用AI工具的行业（如金融业），工程师的就业市场同样低迷。

AI目前鲜有「革命性」生产力提升。

虽然在某些特定任务上，AI确实能显著提高效率，但这种提升高度依赖具体任务类型和用户的熟练程度。

通常来说，生产力的提升主要出现在那些小规模、结构清晰的新项目中，或者当开发者初次接触某种新语言或API时。

对于其他工作，当前AI工具带来的收益往往要小得多，甚至可能被审查、调试、集成以及处理AI缺陷所需的时间完全抵消。

更重要的是，写代码并不是工程师的全部工作——而AI目前在需求撰写、质量保证、会议沟通等方面几乎帮不上什么忙。

因此，整体工作生产力的提升，通常远小于那些引人注目的数字。

即便是知名科技公司也没有全部广泛应用AI工具。

一方面，总体来看，AI在编码方面仍未带来革命性的改变。在大多数情况下，一个优秀的工程师不用AI，依然比一个水平较低但用上AI的工程师更有价值。

另一方面，技术的广泛采用和组织层面的转型本身就需要时间，即使是革命性的技术也不例外。

但更重要的是，在某些场景下，AI还根本没法派上用场。

AI对初级岗位造成巨大压力

采访中，许多人都表示，他们所在公司（或与之合作的公司）几乎已经冻结了初级工程师和数据分析师的招聘。

从供给端来看，编程训练营纷纷关闭，高校计算机专业报考人数也因就业前景黯淡而持续下滑。

这是为什么呢？

究其原因，一方面整体就业市场疲软使得企业更容易招到资深工程师。

但这并不是全部原因，更关键的可能是AI带来的结构性影响：

-「码农」岗位正在消失：纯粹的日常编码或数据查询任务所需的时间正在迅速减少。

某科技巨头高管坦言：「十年前，面试能在白板上写出出色的SQL语句，就能获得工作机会，如今这种能力已不再稀缺。」

初级员工如何快速创造价值正成为难题。

-招聘经理预计AI编码能力会迅速提升。

某200人规模科技公司的技术主管透露，虽然当前AI并未显著提升团队效率，但管理层基于对未来AI能力的预期已调整招聘策略。

高管层预计，未来一年内AI将能够胜任初级员工的工作，即使现在还不行。

初级工程师一直被视为长期投资，但如果AI在6个月后就能完成他们的工作，为什么还要投入资源呢？

-AI提升了高级工程师时间价值。

一位来自大型科技公司的受访者指出，如今有经验的工程师反而比过去更吃香了。

因为他们现在更能发挥「代码医生」的价值——快速诊断并修复AI生成的不完善代码（这类似于过去指导初级工程师的工作）。

而当前AI工具在系统架构、产品思维、技术复杂度管理等需要经验积累的领域仍显不足，这恰恰凸显了资深工程师的不可替代性。

综合来看：当AI持续提升资深工程师价值、削弱初级员工作用，叠加就业市场更利于雇主获取资深人才的背景下，企业自然不愿再耗费资深工程师的宝贵时间培养新人。

所以，虽然AI暂时没有取代人类工程师，但它已经在悄然重塑招聘逻辑和团队结构。真正受到冲击的，是那些尚未积累经验、又缺乏AI协作能力的年轻人。

AI正在模糊岗位边界

即使未来科技行业的人数总量没有减少，AI也正在改变工作岗位的性质，以及什么样的技术栈更有价值。

很容易想象这样一个未来：产品团队的构成方式将发生变化，纯技术岗位会相对减少，而跨职能复合型人才会更多。

AI目前最能赋能「半技术型」人才。

在他们的调研中反馈最大效率提升的群体，并不是名义上的工程师，而是那些具备一定技术基础、但职位不是工程师的从业者。

他们现在可以借助AI完成小型编程任务，几乎不需要再依赖工程师。

产品经理现在可以独立完成功能原型开发，甚至实现基础功能；曾经转型的非技术岗员工也能借助AI重建技术能力。

AI正在降低「技术门槛」，让更多人能「半只脚」踏入原本属于工程师的领域。

AI鼓励「全能型选手」，产品思维日益重要

传统技术团队的分工通常是：产品经理、设计师、工程师各司其职。而AI的加入正在打破这些界限，催生更多「跨界」角色：

• 产品经理或设计师可以写简单代码；

• 工程师可以制作可交互的设计原型；

• 一些公司甚至开始提升产品经理与工程师的比例，因为功能迭代更快了；

• 那些具备产品视野的工程师变得比以往更加吃香。

总的趋势是：能理解用户需求、又能操作AI工具的人，将成为团队中的核心角色。

数据分析师需要「进化」才能保住饭碗

过去，数据分析师的大量工作是为产品经理或高管写SQL、做报表。

但现在，基础的数据分析任务越来越容易被自动化或「平民化」（比如通过AI或BI工具实现自助查询）。

在采访中，有两家公司的高级数据负责人表示：他们团队的分析师正在转型，逐渐向「数据工程师」靠拢，工作内容变成了数据管道构建、调试维护等更技术性的任务。

也就是说，如果数据分析师不学更多技能，就有被边缘化的风险。

AI将如何重塑未来技术岗位？

回到Dario Amodei的预测：到2025年底，90%以上的代码将由AI生成。

这个预言会成真吗？

从现实来看，这个预测可能过于乐观，理由如下。

1、技术瓶颈仍存

当前AI在复杂工程任务中仍存在明显短板：缺乏长期自适应记忆、元认知能力薄弱、动态规划能力不足。

METR机构最严谨的研究表明，AI要可靠完成人类工程师一个月工作量的复杂任务，可能需要5-10年时间（尽管最新模型显示进步速度可能快于预期）。

2、行业转型需要时间

即使在科技行业这个创新温床，行为变革的速度也远跟不上技术迭代。通过访谈可以发现，早期采用者仍在适应期，而保守行业的转型将更为缓慢。

基于当前趋势，对未来几年技术就业市场的预测是：

•初级岗位将持续萎缩

「代码搬运工」类职位将加速消失，企业会更倾向雇佣能驾驭AI工具的中高级工程师。新入行者需要证明自己具备AI无法替代的复合能力。

•人机协作成为常态

工程师将转型为「AI督导」，工作重心转向架构设计、复杂问题解决和代码质量把控。产品、设计等技术邻接岗位需要掌握基础编程能力。

•价值评估体系重构

单纯的技术实现能力将贬值，而系统思维、产品洞察、跨领域协作等「人类专属」技能会成为核心竞争力。

当然，如果某个重大技术突破即将来临，或者超级人工智能（ASI）在今年秋天席卷全球，那么一切预测都将失效。

但如果没有这种突破，以下是Taren对未来几年AI和技术劳动力市场的一些预测。

没有AGI的短期预测

1 质量保证（QA）将成为AI智能体主战场。

在未来一到两年内，AI智能体在软件测试和质量保障（QA）方面的能力，将成为重点发展方向。

眼下的趋势是：AI已经显著加快了编码速度，但QA阶段却成了新的瓶颈。

随着像OpenAI的Operator和Claude Computer Use这样能够操作计算机界面的工具不断改进，将会出现一个庞大的市场，专门用于开发能够辅助或替代人类进行QA的AI智能体。

这些工具反过来也会增强AI编程工具的整体价值。

2「AI技术债」危机隐现。

AI快速生成代码的便利性正在埋下隐患。

未来3-5年，「AI技术债」将成为一个行业共识：包括代码可维护性降低、测试覆盖率不足、安全隐患增多，以及团队对代码库理解弱化等问题。

这可能会催生新的专业工作类型，但同时也会削弱AI带来的长期净生产力收益。

3 适应AI将成为必然。

部分受访企业已开始解雇拒绝使用AI工具的工程师。虽然目前这在大多数公司中还不是决定性因素——但很快就会是了。

AI适应能力即将成为从业底线。

假如未来几年AGI没有突然出现，行业继续沿着现有轨道发展，那么还有一个预判

4 人才储备将逐渐枯竭。

许多人认为，对于大多数公司来说，初级岗位的招聘将不再有吸引力，但经验丰富的工程师仍将长期保持价值。

然而，没有人能回答一个显而易见的问题：未来的经验丰富工程师从哪里来？

如果不让人们以初级工程师的身份工作多年并领取薪水，如何培养他们成为AI赋能的高级工程师？

如果工程岗位在未来十年仍以熟悉的形式存在，行业可能面临严重的人才断档。

目前尚未出现可行的解决方案，这场延迟爆发的危机正在倒计时。

长期来看，工程师会灭绝吗？

简而言之：无人能确知。

更详细的回答是：三种相互竞争的假设，都试图解释科技劳动力市场的长期走向。

Jevons悖论：工程师将激增。

Jevons Paradox描述了一种现象：技术进步提高了资源使用的效率，反而可能导致该资源消耗总量的增加。

换句话说，当某样东西变得更便宜时，你不仅会买更多，甚至可能会在总量上花更多的钱。例如，随着计算能力变得更便宜——芯片效率不断提高——我们使用的总计算量显然大幅增加，甚至连计算硬件的总支出也随着时间推移而增加。

将这一理论应用于软件工程：当AI突破人力供给限制，曾被视作不切实际的创意将获得实现可能。

更低的开发成本将催生海量新应用、定制工具和功能迭代，最终对工程设计的总体需求（系统架构、集成测试、运维管理等）可能超越AI带来的效率增益，导致工程师总量不降反升——尽管工作内容将转向更高阶的创造与监管。

总的来说，根据这一理论，未来将需要更多的工程师，尽管他们的工作性质会转向更高层次的设计和监督。

历史循环论：「太阳底下无新事」

一些人认为，从长远来看，AI其实并不是什么大事。

持此观点的某资深工程师，直言不讳地建议「去读读技术史」。

她指出，每隔10到20年，工程师的编码方式就会引入一个新的主要抽象层。

最初，人们直接用机器码或低级汇编语言编程；

接着出现了像C这样的高级编译语言，自动化了直接硬件操作；

然后面向对象语言又增加了一层抽象；

再后来，像Java或C，消除了大量人工操作和常见错误；

之后又出现了复杂的框架、云计算和动态脚本语言。

每次变革都自动化了特定技能，但工程师职业反而因处理更复杂问题而进化。

从这个角度看，AI代码生成只是下一个抽象层，很可能会遵循历史上的模式：颠覆、适应，最终稳定，而非工程岗位的终结。

全面自动化假说：技术岗首当其冲

若相信AI终将取代多数现有工作，那么前文论述的所有特质（清晰评估标准、丰富训练数据等）恰恰使技术岗位成为最脆弱的标的。

这可能表现为大规模失业，或通过劳动力向AI相对弱势领域转移维持就业平衡。

Taren Stinebrickner-Kauffman认为上面描述的三种路径在未来几十年内都是有可能发生的，并且取决于AI能力的发展.

但如果非要选择一个，她最倾向于第三种情景：

即使AI不会导致整体大规模失业，工程类工作也会急剧下降。AI革命可能最终会吞噬自身。

终极悖论在于：若AI真能完全替代工程师，意味着它已具备通用智能（AGI），届时所有职业都将面临重构。

在这种情境下，「工程师失业」只是文明级变革的序章。

更可能的情景是渐进式演化——就像汽车取代马车夫却创造了更庞大的交通运输业，技术革命的真正影响往往超越我们最初的想象边界。

参考资料：

https://amistrongeryet.substack.com/p/first-they-came-for-the-software