新智元报道
编辑：KingHZ
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：
- AI 还没有改变大多数技术岗位
- AI 对初级岗位招聘造成巨大压力
- 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
