新智元報道

編輯：KingHZ

【新智元導讀】AI開發者可能自食其果，最先被AI取代！AI Impact Lab的創始人認為：未來的趨勢是AI讓高級工程師比升值，而讓初級工程師貶值。如果AI能引發文明變革，那「程序猿」將首當其沖，最先被AI取代。

如果AI真的取代人類工作，為什么不從AI公司最熟悉的崗位開始？如果AI引發大裁員，以前到底有沒有認真思索過最先被取代的是哪些崗位？有早期跡象預示了這一趨勢？

毫無疑問，AI公司最熟悉的崗位，就是它們自己員工從事的崗位。

那在AI公司任職的研究員、軟件工程師不妨問問自己這些問題。

最近，AI Impact Lab的創始人兼負責人Taren Stinebrickner-Kauffman發表了一篇博客文章，認為這些AI公司首先針對的就是軟件工程師。

她認為AI革命可能最終會吞噬自身：

即使AI不會導致整體大規模失業，工程類工作也會急劇下降。

開發者自食其果？

如果你關注技術就業市場或AI編程工具，上個月美國的一些數據肯定會讓你瞠目結舌！

AI巨頭Anthropic的首席執行官Dario Amodei公開表示，在今年年底前，AI可能會編寫90%的所有代碼。

Y Combinator的負責人Gary Tan提到，在2025年冬季季度的一批YC初創公司中，95%的代碼是由AI編寫的。

據報道，AI編碼初創公司Cursor的年度經常性收入已超過2億美元，這意味著擁有超過五十萬付費訂閱用戶，而免費用戶推測有幾百萬。

Cursor在2024年底達到1億美元ARR的速度，與其他公司的對比。僅僅三個月后，到2025年3月，Cursor的ARR就翻倍到了2億美元！

與此同時，科技就業市場持續疲軟。去年，美國大小科技公司裁員超15萬人。

而在上個月，雖然美國IT行業的失業率有所下降至4.6%，但美國的整體失業率為4.2%，而且IT就業市場規模也隨之縮小。

這些現象是否存在關聯？

硅谷向來以顛覆傳統行業為榮，但若這次革命反噬自身呢？科技從業者會否成為全球AI就業危機的首批受害者？

Taren Stinebrickner-Kauffman深入分析了這些問題。

社會活動家：Taren Stinebrickner-Kauffman

為什么技術崗位會先倒霉？

Taren Stinebrickner-Kauffman有四個強有力的理由，表明工程類和其他技術類工作，可能會成為AI沖擊最早波及的領域。

1.AI公司對技術崗位非常熟悉。

AI實驗室的員工本身就是工程師，他們在解決自己最了解的問題。相比為醫療或法律行業開發AI，打造編碼智能體需要的外部領域知識更少，這可能會加快研發進展。

而且，程序員有悠久的傳統，喜歡開發工具來加速編碼。正如一句老話所說：「我寧愿寫程序去生成程序，也不愿直接寫程序?！?/p>

2.成功指標更清晰。

相比其他領域的成果，判斷代碼是否有效要簡單得多。特別是在「編程競賽」這類明確有對錯的領域，AI工具表現已經非常出色。

這種清晰度讓AI模型更容易生成訓練數據、進行自動化評估，并形成更高效的反饋循環來改進模型。

而在很多領域，比如市場營銷、策劃等，成果好壞往往難以量化。

3.有海量高質量訓練數據。

像活動策劃者或虛擬助理的工作流程和成果，沒有大規模的免費在線數據集但網上有大量開源代碼數據，很多還帶有注釋和開發者的思路解釋！這些數據讓AI模擬工程師變得極為便利。

4.AI研究的遞歸改進動力。

頂尖AI公司非常希望用AI來加速自己的研究工作，打造出一個「自我增強」的正反饋回路——用AI來提升AI，從而更快地研發出更強的模型。

如果你看過，第4點正是他們未來設想中的關鍵邏輯。

AI真能引發科技行業大裁員？

AI是否已經在科技行業引發了大規模裁員？又或者，這種影響是否即在不久的將來顯現？

對于這個問題，即使是理性的人，也存在明顯的分歧。

為了更清楚地了解當前的情況，Taren和Steve與超過25名工程師、管理者及相關的科技工作者進行了交談，試圖了解AI如何正在改變技術勞動力市場，以及他們預計未來會發生什么變化。

以下是從這些訪談中得出的主要觀點和發現，分為三個主要方面：

1 AI還沒有改變大多數技術崗位

2 AI對初級崗位招聘造成巨大壓力

3 AI正在模糊崗位邊界

科技行業中出現的模式，往往可以視為其他行業工程團隊即將面對的先兆。

不過，也有可能他們兩個根本沒注意到其他行業的趨勢。

大多數技術崗位沒有被AI改變

根據調研，發現AI并不是當前科技行業疲軟的主要原因。

雖然AI顯然對未來的計劃和一些當前決策有影響，尤其是涉及初級崗位的招聘，但幾乎所有受訪者都一致認為，目前裁員和招聘放緩的主要原因仍是宏觀經濟因素，比如利率上升和疫情后的市場調整。

一個頗具說服力的例子來自編程訓練營的一位負責人，他指出，即便是在明確禁止使用AI工具的行業（如金融業），工程師的就業市場同樣低迷。

AI目前鮮有「革命性」生產力提升。

雖然在某些特定任務上，AI確實能顯著提高效率，但這種提升高度依賴具體任務類型和用戶的熟練程度。

通常來說，生產力的提升主要出現在那些小規模、結構清晰的新項目中，或者當開發者初次接觸某種新語言或API時。

對于其他工作，當前AI工具帶來的收益往往要小得多，甚至可能被審查、調試、集成以及處理AI缺陷所需的時間完全抵消。

更重要的是，寫代碼并不是工程師的全部工作——而AI目前在需求撰寫、質量保證、會議溝通等方面幾乎幫不上什么忙。

因此，整體工作生產力的提升，通常遠小于那些引人注目的數字。

即便是知名科技公司也沒有全部廣泛應用AI工具。

一方面，總體來看，AI在編碼方面仍未帶來革命性的改變。在大多數情況下，一個優秀的工程師不用AI，依然比一個水平較低但用上AI的工程師更有價值。

另一方面，技術的廣泛采用和組織層面的轉型本身就需要時間，即使是革命性的技術也不例外。

但更重要的是，在某些場景下，AI還根本沒法派上用場。

AI對初級崗位造成巨大壓力

采訪中，許多人都表示，他們所在公司（或與之合作的公司）幾乎已經凍結了初級工程師和數據分析師的招聘。

從供給端來看，編程訓練營紛紛關閉，高校計算機專業報考人數也因就業前景黯淡而持續下滑。

這是為什么呢？

究其原因，一方面整體就業市場疲軟使得企業更容易招到資深工程師。

但這并不是全部原因，更關鍵的可能是AI帶來的結構性影響：

-「碼農」崗位正在消失：純粹的日常編碼或數據查詢任務所需的時間正在迅速減少。

某科技巨頭高管坦言：「十年前，面試能在白板上寫出出色的SQL語句，就能獲得工作機會，如今這種能力已不再稀缺。」

初級員工如何快速創造價值正成為難題。

-招聘經理預計AI編碼能力會迅速提升。

某200人規?？萍脊镜募夹g主管透露，雖然當前AI并未顯著提升團隊效率，但管理層基于對未來AI能力的預期已調整招聘策略。

高管層預計，未來一年內AI將能夠勝任初級員工的工作，即使現在還不行。

初級工程師一直被視為長期投資，但如果AI在6個月后就能完成他們的工作，為什么還要投入資源呢？

-AI提升了高級工程師時間價值。

一位來自大型科技公司的受訪者指出，如今有經驗的工程師反而比過去更吃香了。

因為他們現在更能發揮「代碼醫生」的價值——快速診斷并修復AI生成的不完善代碼（這類似于過去指導初級工程師的工作）。

而當前AI工具在系統架構、產品思維、技術復雜度管理等需要經驗積累的領域仍顯不足，這恰恰凸顯了資深工程師的不可替代性。

綜合來看：當AI持續提升資深工程師價值、削弱初級員工作用，疊加就業市場更利于雇主獲取資深人才的背景下，企業自然不愿再耗費資深工程師的寶貴時間培養新人。

所以，雖然AI暫時沒有取代人類工程師，但它已經在悄然重塑招聘邏輯和團隊結構。真正受到沖擊的，是那些尚未積累經驗、又缺乏AI協作能力的年輕人。

AI正在模糊崗位邊界

即使未來科技行業的人數總量沒有減少，AI也正在改變工作崗位的性質，以及什么樣的技術棧更有價值。

很容易想象這樣一個未來：產品團隊的構成方式將發生變化，純技術崗位會相對減少，而跨職能復合型人才會更多。

AI目前最能賦能「半技術型」人才。

在他們的調研中反饋最大效率提升的群體，并不是名義上的工程師，而是那些具備一定技術基礎、但職位不是工程師的從業者。

他們現在可以借助AI完成小型編程任務，幾乎不需要再依賴工程師。

產品經理現在可以獨立完成功能原型開發，甚至實現基礎功能；曾經轉型的非技術崗員工也能借助AI重建技術能力。

AI正在降低「技術門檻」，讓更多人能「半只腳」踏入原本屬于工程師的領域。

AI鼓勵「全能型選手」，產品思維日益重要

傳統技術團隊的分工通常是：產品經理、設計師、工程師各司其職。而AI的加入正在打破這些界限，催生更多「跨界」角色：

• 產品經理或設計師可以寫簡單代碼；

• 工程師可以制作可交互的設計原型；

• 一些公司甚至開始提升產品經理與工程師的比例，因為功能迭代更快了；

• 那些具備產品視野的工程師變得比以往更加吃香。

總的趨勢是：能理解用戶需求、又能操作AI工具的人，將成為團隊中的核心角色。

數據分析師需要「進化」才能保住飯碗

過去，數據分析師的大量工作是為產品經理或高管寫SQL、做報表。

但現在，基礎的數據分析任務越來越容易被自動化或「平民化」（比如通過AI或BI工具實現自助查詢）。

在采訪中，有兩家公司的高級數據負責人表示：他們團隊的分析師正在轉型，逐漸向「數據工程師」靠攏，工作內容變成了數據管道構建、調試維護等更技術性的任務。

也就是說，如果數據分析師不學更多技能，就有被邊緣化的風險。

AI將如何重塑未來技術崗位？

回到Dario Amodei的預測：到2025年底，90%以上的代碼將由AI生成。

這個預言會成真嗎？

從現實來看，這個預測可能過于樂觀，理由如下。

1、技術瓶頸仍存

當前AI在復雜工程任務中仍存在明顯短板：缺乏長期自適應記憶、元認知能力薄弱、動態規劃能力不足。

METR機構最嚴謹的研究表明，AI要可靠完成人類工程師一個月工作量的復雜任務，可能需要5-10年時間（盡管最新模型顯示進步速度可能快于預期）。

2、行業轉型需要時間

即使在科技行業這個創新溫床，行為變革的速度也遠跟不上技術迭代。通過訪談可以發現，早期采用者仍在適應期，而保守行業的轉型將更為緩慢。

基于當前趨勢，對未來幾年技術就業市場的預測是：

?初級崗位將持續萎縮

「代碼搬運工」類職位將加速消失，企業會更傾向雇傭能駕馭AI工具的中高級工程師。新入行者需要證明自己具備AI無法替代的復合能力。

?人機協作成為常態

工程師將轉型為「AI督導」，工作重心轉向架構設計、復雜問題解決和代碼質量把控。產品、設計等技術鄰接崗位需要掌握基礎編程能力。

?價值評估體系重構

單純的技術實現能力將貶值，而系統思維、產品洞察、跨領域協作等「人類專屬」技能會成為核心競爭力。

當然，如果某個重大技術突破即將來臨，或者超級人工智能（ASI）在今年秋天席卷全球，那么一切預測都將失效。

但如果沒有這種突破，以下是Taren對未來幾年AI和技術勞動力市場的一些預測。

沒有AGI的短期預測

1 質量保證（QA）將成為AI智能體主戰場。

在未來一到兩年內，AI智能體在軟件測試和質量保障（QA）方面的能力，將成為重點發展方向。

眼下的趨勢是：AI已經顯著加快了編碼速度，但QA階段卻成了新的瓶頸。

隨著像OpenAI的Operator和Claude Computer Use這樣能夠操作計算機界面的工具不斷改進，將會出現一個龐大的市場，專門用于開發能夠輔助或替代人類進行QA的AI智能體。

這些工具反過來也會增強AI編程工具的整體價值。

2「AI技術債」危機隱現。

AI快速生成代碼的便利性正在埋下隱患。

未來3-5年，「AI技術債」將成為一個行業共識：包括代碼可維護性降低、測試覆蓋率不足、安全隱患增多，以及團隊對代碼庫理解弱化等問題。

這可能會催生新的專業工作類型，但同時也會削弱AI帶來的長期凈生產力收益。

3 適應AI將成為必然。

部分受訪企業已開始解雇拒絕使用AI工具的工程師。雖然目前這在大多數公司中還不是決定性因素——但很快就會是了。

AI適應能力即將成為從業底線。

假如未來幾年AGI沒有突然出現，行業繼續沿著現有軌道發展，那么還有一個預判

4 人才儲備將逐漸枯竭。

許多人認為，對于大多數公司來說，初級崗位的招聘將不再有吸引力，但經驗豐富的工程師仍將長期保持價值。

然而，沒有人能回答一個顯而易見的問題：未來的經驗豐富工程師從哪里來？

如果不讓人們以初級工程師的身份工作多年并領取薪水，如何培養他們成為AI賦能的高級工程師？

如果工程崗位在未來十年仍以熟悉的形式存在，行業可能面臨嚴重的人才斷檔。

目前尚未出現可行的解決方案，這場延遲爆發的危機正在倒計時。

長期來看，工程師會滅絕嗎？

簡而言之：無人能確知。

更詳細的回答是：三種相互競爭的假設，都試圖解釋科技勞動力市場的長期走向。

Jevons悖論：工程師將激增。

Jevons Paradox描述了一種現象：技術進步提高了資源使用的效率，反而可能導致該資源消耗總量的增加。

換句話說，當某樣東西變得更便宜時，你不僅會買更多，甚至可能會在總量上花更多的錢。例如，隨著計算能力變得更便宜——芯片效率不斷提高——我們使用的總計算量顯然大幅增加，甚至連計算硬件的總支出也隨著時間推移而增加。

將這一理論應用于軟件工程：當AI突破人力供給限制，曾被視作不切實際的創意將獲得實現可能。

更低的開發成本將催生海量新應用、定制工具和功能迭代，最終對工程設計的總體需求（系統架構、集成測試、運維管理等）可能超越AI帶來的效率增益，導致工程師總量不降反升——盡管工作內容將轉向更高階的創造與監管。

總的來說，根據這一理論，未來將需要更多的工程師，盡管他們的工作性質會轉向更高層次的設計和監督。

歷史循環論：「太陽底下無新事」

一些人認為，從長遠來看，AI其實并不是什么大事。

持此觀點的某資深工程師，直言不諱地建議「去讀讀技術史」。

她指出，每隔10到20年，工程師的編碼方式就會引入一個新的主要抽象層。

最初，人們直接用機器碼或低級匯編語言編程；

接著出現了像C這樣的高級編譯語言，自動化了直接硬件操作；

然后面向對象語言又增加了一層抽象；

再后來，像Java或C，消除了大量人工操作和常見錯誤；

之后又出現了復雜的框架、云計算和動態腳本語言。

每次變革都自動化了特定技能，但工程師職業反而因處理更復雜問題而進化。

從這個角度看，AI代碼生成只是下一個抽象層，很可能會遵循歷史上的模式：顛覆、適應，最終穩定，而非工程崗位的終結。

全面自動化假說：技術崗首當其沖

若相信AI終將取代多數現有工作，那么前文論述的所有特質（清晰評估標準、豐富訓練數據等）恰恰使技術崗位成為最脆弱的標的。

這可能表現為大規模失業，或通過勞動力向AI相對弱勢領域轉移維持就業平衡。

Taren Stinebrickner-Kauffman認為上面描述的三種路徑在未來幾十年內都是有可能發生的，并且取決于AI能力的發展.

但如果非要選擇一個，她最傾向于第三種情景：

即使AI不會導致整體大規模失業，工程類工作也會急劇下降。AI革命可能最終會吞噬自身。

終極悖論在于：若AI真能完全替代工程師，意味著它已具備通用智能（AGI），屆時所有職業都將面臨重構。

在這種情境下，「工程師失業」只是文明級變革的序章。

更可能的情景是漸進式演化——就像汽車取代馬車夫卻創造了更龐大的交通運輸業，技術革命的真正影響往往超越我們最初的想象邊界。

參考資料：

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