人工智能并沒有在替代軟件工程師，它在迫使工程師們捍衛他們不可或缺的那部分工作。當下爭論的焦點不再是代碼，而是如何保持作為人的核心競爭力。

每天上班路上，化名Matt的軟件工程師會利用四小時火車通勤時間，親手為一個小游戲逐行寫代碼。“我要有意識地保持寫代碼的手感，”他說。這是來自對AI恐懼而產生的本能動作，他的工作已經從編碼轉向審查AI生成的產出，他擔心傳統技能會隨之萎縮。

Matt不是個例。在近期一篇報道中，十多位軟件工程師普遍表示感到焦慮和挫敗，正以不同方式適應一個殘酷現實：編碼，這個曾經定義軟件工程師身份的核心技能，正在被AI變成職業中“容易的部分”，而真正的價值正加速向判斷、系統設計和議價能力傾斜。

當編碼變成“容易的部分”

先看一組數字。谷歌CEO皮查伊在4月披露，公司內部75%的新代碼已由AI生成，工程師的角色從“寫代碼”變成了“審代碼”。這一比例在不到兩年內從15%飆升至75%——2024年10月還是25%，2025年秋季突破50%，如今已到四分之三。谷歌同期將AI工具使用情況納入工程師績效考核，強制推動工作模式轉型。

數據來源：谷歌CEO皮查伊公開披露 / Business Insider

無獨有偶，代碼質量平臺Sonar的《2026年開發者調查報告》顯示，72%的開發者每天使用AI編程工具，AI生成或輔助代碼占總代碼的42%，而2023年這個數字僅為6%。GitHub Copilot累計用戶突破2000萬，90%的Fortune 100企業已在使用。微軟CTO凱文·斯科特預測，到2030年95%的代碼將由AI生成。

這些數字指向一個事實：編碼本身正在被商品化。當AI能在幾秒內產出代碼初稿，人的瓶頸就移到了下一層——決定該構建什么、檢查產出是否真正可用、對架構有足夠理解以發現模型看不見的故障。

把這些數字拼在一起，看到的不是生產力繁榮，而是一個正在被重新定價的勞動力市場。培訓階梯在壓縮，靠“學會編碼”換取高薪的舊契約在被改寫。

AI沒替代什么

最常見的誤讀是把這當成一個簡單的自動化故事——AI取代了軟件工程師。事實遠比這復雜。AI消除的不是軟件工程本身，而是其中最容易被例程化的部分。如果工具能在幾秒內產出代碼初稿，人的價值就移到了“驗證”這一層：審查安全漏洞、發現邏輯錯誤、理解架構以預判系統級風險。這些恰恰是非編碼者無法勝任的工作。

報道中的三個案例構成了一條光譜：

三種反應都不是對AI的拒絕，而是試圖阻止AI侵蝕那些仍能帶來地位、杠桿和未來收益的工作。用經濟學的話說：AI降低了“編碼產出”這一投入的價格，同時提高了“判斷與驗證”這一互補品的溢價。

Ethan Mollick，賓夕法尼亞大學沃頓商學院副教授表示：“現在不再是看誰能寫最多代碼。重點在于定義問題、設計系統、有效指揮AI工具。價值的落腳點正在轉移。”

這種轉變并非沒有先例。電子表格把金融工作上移，云工具改變了基礎設施工作，低代碼平臺擴大了軟件產出。但AI有一個關鍵不同：它不是一個更快的工具，而是一個通用起草系統，直接深入到職業核心。這使得調整比以往任何軟件浪潮都更廣、更快。

不是周期波動

一種樂觀的反論認為，這只是周期性調整：公司過度***用AI，招聘放緩，等團隊消化完第一波實驗，需求就會恢復。這個判斷有可能成立，但不完全。

原因在于，周期性沖擊通常打擊需求而不重寫工作本身。而這次是在重寫工作。Matt描述的“少寫代碼、多審查”反映的是任務構成的變化，不僅僅是人員規模。一旦這種轉變成為常態，就會改變招聘標準、薪酬模型和能夠進入該領域的工人類型。即使裁員緩和，變化也會持續。

數據來源：Layoffs.fyi（估算值）

更值得警惕的是培訓管道的萎縮。如果初級工作最容易被自動化，那么培訓管道會在整體職業崩潰前先被削弱。一家公司可能仍然需要高級工程師，但如果它招聘更少的初級人員，就會在未來造成判斷力足夠積累成為高級工程師的人才短缺。行業看起來高效，卻在悄然吞噬自己的學徒制。

數據來源：全國學生信息交換中心 / 計算機科學研究協會（CRA）/ 公開報道

數據正在印證這一判斷。美國全國學生信息交換中心報告，2025-26學年CS本科入學下降8.1%，研究生入學下降14%。計算機科學研究協會（CRA）調查顯示，62%的院校報告CS招生下滑。斯坦福2026屆CS畢業生394人中，僅23人在畢業時拿到offer。伯克利EECS系預計畢業生人數將從1029人驟降至約350人。

“學會編碼”這個由奧巴馬到扎克伯格共同推動的十年信條，正在被下一代用腳投票。

Bouke Klein Teeselink，倫敦國王學院經濟學助理教授表示：“很難說兩年后這個職業究竟會是什么樣子，但顯然寫代碼的技能已經過時了。”

措辭絕對，但邏輯成立。軟件工作中最商品化的部分正在失去稀缺性。生產單元不再是一個人產出代碼，而是一個人協調一個編碼系統。這不是工具的更換，而是生產關系的改寫。

但也有不同的聲音。哈佛大學CS50課程負責人D***id Malan指出，AI工具的使用成本仍然不低，完全替代人力在經濟上并不總是劃算。布朗大學教授Shriram Krishnamurthi的觀點更為分化：“準備好的人會蓬勃發展，沒準備好的人會陷入困境。”這些反論不否定趨勢，但提醒我們：沖擊的形態取決于制度回應、教育改革和工人自身的適應速度，而非技術單方面決定。

工程師的反擊

如果AI壓縮了個人的籌碼，集體行動就是理性的對抗策略。這正是最有意思的進展——不是技術性的，而是組織性的。曾經獨自解決問題的工程師，開始以一個有共同風險敞口的群體來思考。

Kaitlin Cort創辦的“What We Will”就是這一本能成形的標志。該組織幫助科技工作者應對裁員、***、談判和工會化。Cort每天至少收到10份新申請，已針對亞馬遜、甲骨文和Meta員工開展行動：幫助亞馬遜員工組織抵制AI快速***用、為甲骨文被裁員工提供遣散談判支持、與Meta員工討論員工監控問題。她正在參考字母表工人聯盟和《華盛頓郵報》科技工會等組織的經驗。

集體行動的故事還揭示了對公司的二階風險。如果公司過于猛烈、過快地推進AI，可能獲得短期效率，卻制造長期勞動力摩擦：

• 覺得工作被降格為"機器監督"的工程師會離開、抵制或尋求保護；
• 員工流失率上升，機構內知識流失；
• 公司自以為在提速，實際卻因協調成本上升而拖慢交付。

破壞信任的生產力提升，常常伴隨隱藏的協調成本。

短期來看，AI仍然是對能夠快速審查并發現其錯誤的工程師有用的工具。中期來看，初級崗位收窄、招聘標準提高、培訓變得更昂貴。長期來看，這個職業要么圍繞AI輔助工作重建新的社會契約，要么分化為一小群高杠桿的專家和一大批為保住相關性而斗爭的工人。

需要關注的信號不是創新的口號，而是勞動數據是否改善。如果畢業生失業率和就業不足停止惡化，適應故事還有成為周期性波動的空間。如果這些指標繼續惡化，而公司持續提高對AI的預期，那么這個職業不僅僅是在更換工具，而是在改變階級結構。

最清晰的判斷是：AI并不是在替代軟件工程師，而是在迫使他們捍衛仍使自己不可或缺的那部分工作。

工程師們重學基礎、審查AI產出、組織工會——不是為了對抗技術進步，而是為了在技術進步中保住議價能力。

當編碼變成***可用的廉價***，真正的稀缺品變成了判斷力、系統思維和集體談判的力量。一個工具吞噬重復性工作，產出上升，勞動力市場獎勵那些理解工具周邊系統的人。問題在于，這一次被吞噬的不只是重復性工作，而是整個行業的培訓階梯和權力結構。

誰能在AI產出中找出致命的那一行代碼，誰能在系統層面做出正確的架構決策，誰能在組織層面爭取到公平的分配，誰就掌握了下一個時代。（本文首發鈦媒體APP，作者 | 硅谷Tech-news，編輯 | 焦燕）返回搜狐，查看更多