25位IT大佬亲述：AI「吃掉」程序员！码农黄金时代终结

　　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？

　　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。

　　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！

　　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。

　　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。

　　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。」

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。」

　　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。

　　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？

　　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。

　　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。

　　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。

　　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。

　　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：

　　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。

　　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）。

　　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。

　　「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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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。

　　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.

　　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。

　　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。