“学会编码”这个由奥巴马到扎克伯格共同推动的十年信条，正在被下一代用脚投票。
人工智能并没有在“替代”软件工程师——它更像是在逼着工程师们去捍卫自己真正不可或缺的那部分工作。当下争论的焦点，早已不是代码本身，而是如何守住作为“人”的核心竞争力。
化名Matt的软件工程师，每天上班路上要花四小时在火车上，他坚持亲手为一个小游戏逐行写代码。“我得有意识地保持写代码的手感，”他自己解释说。这是一种源于对AI恐惧的本能反应。他的工作已经从“写代码”彻底转向了“审查AI生成的产出”，他担心那些传统技能会慢慢萎缩。
Matt的故事绝不是个例。在近期一篇报道中，超过十位软件工程师都表达了类似焦虑和挫败感。他们正以不同方式适应一个残酷的现实：编码——这个曾经定义软件工程师身份的核心技能——正在被AI变成职业里“最容易的部分”，而真正的价值，正加速向判断力、系统设计和议价能力倾斜。
当编码变成“容易的部分”
先看一组数字。谷歌CEO皮查伊在4月披露，公司内部75%的新代码已由AI生成，工程师的角色从“写代码”变成了“审代码”。这个比例在不到两年内，从15%飙升至75%——2024年10月还是25%，2025年秋季突破50%，如今已到四分之三。同期，谷歌已将AI工具使用情况纳入工程师绩效考核，强制推动工作模式转型。
数据来源：谷歌CEO皮查伊公开披露 / Business Insider
无独有偶，代码质量平台Sonar的《2026年开发者调查报告》显示，72%的开发者每天使用AI编程工具，AI生成或辅助代码占总代码的42%，而在2023年这个数字仅为6%。GitHub Copilot累计用户已突破2000万，90%的财富100强企业都在使用。微软CTO凯文·斯科特甚至预测，到2030年95%的代码将由AI生成。
这些数字指向一个不言自明的事实：编码本身正在被商品化。当AI能在几秒内产出代码初稿，人的瓶颈就移到了下一层——决定该构建什么、检查产出是否真正可用、对架构有足够理解以发现模型看不见的故障。
把这些数字拼起来，看到的不是生产力繁荣，而是一个正在被重新定价的劳动力市场。培训的阶梯在压缩，靠“学会编码”换取高薪的旧契约，正在被改写。
AI没替代什么
最常见的误读，是把这当成一个简单的自动化故事——AI取代了软件工程师。但事实远比这复杂。AI消除的不是软件工程本身，而是其中最容易被例程化的那部分。如果工具能在几秒内产出代码初稿，人的价值就移到了“验证”这一层：审查安全漏洞、发现逻辑错误、理解架构以预判系统级风险。这些恰恰是非编码者无法胜任的工作。
报道中的三个案例构成了一条清晰的光谱：
这三种反应都不是对AI的拒绝，而是试图阻止AI侵蚀那些仍能带来地位、杠杆和未来收益的工作。用经济学的话说：AI降低了“编码产出”这一投入的价格，同时提高了“判断与验证”这一互补品的溢价。
Ethan Mollick，宾夕法尼亚大学沃顿商学院副教授说得直白：“现在不是看谁能写最多代码。重点在于定义问题、设计系统、有效指挥AI工具。价值的落脚点正在转移。”
这种转变并非没有先例。电子表格把金融工作上移，云工具改变了基础设施工作，低代码平台扩大了软件产出。但AI有一个关键不同：它不是一个更快的工具，而是一个通用起草系统，直接深入到职业核心。这使得调整比以往任何软件浪潮都更广、更快。
不是周期波动
一种乐观的反论认为，这只是周期性调整：公司过度采用AI，招聘放缓，等团队消化完第一波实验，需求就会恢复。这个判断有可能成立，但恐怕不全面。
原因在于，周期性冲击通常打击需求，而不重写工作本身。而这次，它是在重写工作。Matt描述的“少写代码、多审查”反映的是任务构成的变化，不仅仅是人员规模。一旦这种转变成为常态，就会改变招聘标准、薪酬模型和能够进入该领域的工人类型。即使裁员缓和了，变化也会持续下去。
数据来源：Layoffs.fyi（估算值）
更值得警惕的是培训管道的萎缩。如果初级工作最容易被自动化，那么培训管道会在整体职业崩溃前先被削弱。一家公司可能仍然需要高级工程师，但如果它招聘更少的初级人员，就会在未来造成判断力足够积累成为高级工程师的人才短缺。行业看起来高效，却在悄然吞噬自己的学徒制。
数据来源：全国学生信息交换中心 / 计算机科学研究协会（CRA）/ 公开报道
数据正在印证这一判断。美国全国学生信息交换中心报告，2025-26学年CS本科入学下降8.1%，研究生入学下降14%。计算机科学研究协会（CRA）调查显示，62%的院校报告CS招生下滑。斯坦福2026届CS毕业生394人中，仅23人在毕业时拿到offer。伯克利EECS系预计毕业生人数将从1029人骤降至约350人。
“学会编码”这个由奥巴马到扎克伯格共同推动的十年信条，正在被下一代用脚投票。
Bouke Klein Teeselink，伦敦国王学院经济学助理教授的观点很直接：“很难说两年后这个职业究竟会是什么样子，但显然写代码的技能已经过时了。”
措辞绝对，但逻辑成立。软件工作中最商品化的部分正在失去稀缺性。生产单元不再是一个人产出代码，而是一个人协调一个编码系统。这不是工具的更换，而是生产关系的改写。
当然，也有不同的声音。哈佛大学CS50课程负责人Da vid Malan就指出，AI工具的使用成本仍然不低，完全替代人力在经济上并不总是划算。布朗大学教授Shriram Krishnamurthi的观点则更为分化：“准备好的人会蓬勃发展，没准备好的人会陷入困境。”这些反论不否定趋势，但提醒我们：冲击的最终形态，取决于制度回应、教育改革和工人自身的适应速度，而非技术单方面决定。
工程师的反击
如果AI压缩了个人的筹码，那么集体行动就是理性的对抗策略。这正是最有意思的进展——不是技术性的，而是组织性的。曾经独自解决问题的工程师，开始以一个有共同风险敞口的群体来思考。
Kaitlin Cort创办的“What We Will”就是这一本能成形的标志。该组织帮助科技工作者应对裁员、福利、谈判和工会化。Cort每天至少收到10份新申请，已针对亚马逊、甲骨文和Meta员工开展行动：帮助亚马逊员工组织抵制AI快速采用、为甲骨文被裁员工提供遣散谈判支持、与Meta员工讨论员工监控问题。她正在参考字母表工人联盟和《华盛顿邮报》科技工会等组织的经验。
集体行动的故事还揭示了一个对公司的二阶风险。如果公司过于猛烈、过快地推进AI，可能获得短期效率，却制造长期劳动力摩擦：
- 觉得工作被降格为“机器监督”的工程师会离开、抵制或寻求保护；
- 员工流失率上升，机构内知识流失；
- 公司自以为在提速，实际却因协调成本上升而拖慢交付。
破坏信任的生产力提升，常常伴随隐藏的协调成本。
短期来看，AI仍然是对能够快速审查并发现其错误的工程师有用的工具。中期来看，初级岗位收窄、招聘标准提高、培训变得更昂贵。长期来看，这个职业要么围绕AI辅助工作重建新的社会契约，要么分化为一小群高杠杆的专家和一大批为保住相关性而斗争的工人。
需要关注的信号不是创新的口号，而是劳动数据是否改善。如果毕业生失业率和就业不足停止恶化，那么适应故事还有成为周期性波动的空间。如果这些指标继续恶化，而公司持续提高对AI的预期，那么这个职业不仅仅是在更换工具，而是在改变阶级结构。
最清晰的判断是：AI并不是在替代软件工程师，而是在迫使他们捍卫仍使自己不可或缺的那部分工作。
工程师们重学基础、审查AI产出、组织工会——这一切不是为了对抗技术进步，而是为了在技术进步中保住议价能力。
当编码变乘人人可用的廉价资源，真正的稀缺品就变成了判断力、系统思维和集体谈判的力量。一个工具吞噬了重复性工作，产出上升，劳动力市场奖励那些理解工具周边系统的人。问题在于，这一次被吞噬的不只是重复性工作，还有整个行业的培训阶梯和权力结构。
谁能在AI产出中找出致命的那一行代码，谁能在系统层面做出正确的架构决策，谁能在组织层面争取到公平的分配，谁就掌握了下一个时代。
