AI 狂飙，码农挨刀

这波 AI 狂潮，到现在看已经不太像一次普通技术升级了。过去这半年，变化最大的不是模型又会了什么新能力，而是整个行业说话的语气都变了。大家开始比 PR、比 token、比流程、比 demo，像突然进入了一种运动式推进。

你这时候如果还在聊边界、成本、质量、培养新人，会显得有点不合时宜。麻烦就在这儿：这次又不是纯吹，它里面确实有真东西。

我为什么改口

其实不算早被说服。2025 年 3 月和 9 月，都认真试过 AI 写代码。那时候的结论差不多，补点小片段可以，真到项目里，文件一多，复杂度一上来，就开始不对劲。

后来真正改口，是去年年底先后用到 Gemini 3 和 Claude Opus 4.5。Claude Opus 4.5 尤其明显，它让人意识到，这套 agent 写代码已经不只是写点边角料了，而是真的能接生产任务，进工程反馈回路，把结果交出来。

后来又去看了 Chip 的 AI engineering，也补了些 Anthropic 和 OpenAI 自己写的案例。越看越觉得，变化不只是模型更聪明了，而是整套干活的方式都开始变了。

再往后就是高强度实战。结果很不讲道理。以前觉得要做三周的一批 UI 组件，有一次一天就做完了。三个月里提了四百多个 PR，落了七万多行实际在生产里跑的代码。

今年到现在，几乎没怎么手写代码。重点不是敲没敲字，而是代码进仓了，功能上线了，系统在跑。

一个人，五个人的产能

工作方式也跟着变了。现在经常同时开四五个 Claude Code 或 Codex 窗口，一个在跑线上 UI 代码，一两个在搞基础设施，一个做调研写设计文档。那种感觉挺怪的，会突然觉得，一个人好像真的能顶过去五个人。

至少短期内，这不是错觉。很多原来卡在人手、切换成本、机械劳动上的活，突然一下就被压扁了。

软件行业尤其明显，因为代码的反馈回路太短了。你写，跑，测，改，再跑。失败成本低，验证也快，结果又是全数字化的。这种环境本来就很适合这种东西长起来。

为什么先倒霉的是程序员

所以现在越来越觉得，程序员很可能会成为最早被大规模替代的白领工种之一。很多人以前设想的是卡车司机、客服、审核、流水线文员先出事。结果现在看，最先被正面冲击的，反而可能是天天在网上聊 AGI、智能体、评测的这群人自己。

逻辑也不复杂。凡是反馈回路短、评价标准相对清楚、产物又完全数字化的行业，都会先挨这一刀。代码只是最典型的例子。

公司也不需要 AI 真的像人一样聪明，才开始压缩岗位。很多时候，只要它够便宜、够快、够稳定，能把一大批中间层工作吃掉，就已经够了。

狂热、繁荣、裁员

最近看 Meta 内部那种全员 AI 狂潮，这种感觉就更强了。人人都在写代码，人人都在写 skill，人人都在展示自己又搓了什么工具，连 VP 都亲自下场。

这种状态当然会带来真实提升。PR 数涨了，部分团队交付也确实快了。但 PR 暴涨，不等于价值也按同样比例涨。

更值得警惕的是，很多人花大量时间搭流程、调那套东西，看上去非常忙，截图也非常壮观，最后真正落地的功能并没有想象中那么多。翻一翻成果，里面常常很大一部分是 markdown、提示词、计划、复盘、使用说明，而不是真正进生产环境的东西。

哪怕这里只兑现一半，也够改写劳动力市场了。企业不会等技术百分之百成熟才裁人。它只要发现，原来二十个人的活，现在十个人加一堆 agent 也能顶住，就会按新的方式重算人头。

外部市场已经能闻到这个味道了。实习岗在变少，入门级岗位肉眼可见地缩，新人的培养链路也没人真上心。长期看这当然有问题，没有新人，就没有未来的 senior；但财报周期比人才培养周期短得多，能省编制就先省。

所以对“入门程序员会不会完蛋”这件事，没什么浪漫想象。中短期看，日子会很难。过去那条“先做几年初级开发，慢慢熟悉系统，再逐步成长”的路，大概率会被压得很厉害。

不会写代码的人，不会自动升级

也不认同另一种说法：以后谁都不用学写代码了。至少到现在，还是不信一个从来没手写过代码、没做过项目、没扛过线上事故的人，能直接上来指挥 AI 写线上代码。

做个小玩具当然可以，真到线上不是这个难度。你没有工程判断，没有系统感，对边界条件、依赖关系、测试策略、回滚风险没有基本感觉，就很难真把这些工具驾驭住。

所以更准确的说法不是“不会写代码的人也能取代程序员”，而是“会写代码的人借助 AI，可以把原本需要的程序员数量压得很低”。前者比较像神话，后者更接近现实。

新工种，也是新苦役

这也是为什么越来越觉得，新工种未必是“人人都是程序员”，更像某种还很早期的 AI 包工头。你得会搭反馈回路，会设约束，会拆任务，会看中间产物，也得知道模型什么时候在胡来，什么时候必须自己接管。

这和传统编程当然连着，但已经不完全是一份工作了。更像把工程、产品、运维、审校、管理捏在一起，再用模型把执行面放大。

代价也很明显。效率是高，但人也是真的累。以前一周工作不到四十小时，现在经常六十多个小时，因为你是在同时盯着几个半自动系统转。它们看上去都在替你干活，实际上每一个都在持续索取你的注意力。

快乐也会被削掉一层。现在很多时间花在计划和验收上，更像个全天候值班的包工头。也就难怪，AI 明明是拿来提效的，但第一批最积极用它的人，反而先把自己活成了高频调度员。

被替掉的人怎么办

即便这样，也不打算站到“AI 都是泡沫”那边去。那种说法和“AI 无所不能”一样省事。麻烦就在于，这次既有泡沫，也有很硬的生产力提升。正因为里面有真货，后果才更硬。

如果一定要下个判断，大概会说，大厂里的程序员数量，未来几年大概率会明显下降，腰斩都不算特别夸张。先被挤掉的，会是那些可替代性高、任务边界清楚、又没形成独特判断力的人。再往后，别的重数字化行业也会跟上。代码只是先倒霉。

从这个意义上讲，码农居然成了最先被替代的候选行业之一，这事确实有点黑色幽默。总会想起当年在大连读书时坐开发区五路公交车，不抓紧把手，司机一脚油门，人直接往后飞。现在这辆车就是越开越快，车上的人自己都站不稳，更别提那些现在还想上车的 new grad。

最后未必是“程序员消失”，更像是行业结构会被彻底改写。少量更强的人，带着更强的工具，做完过去大团队才能做完的事；大量原本作为训练梯队和执行层存在的人，被挤出主航道。

对个人来说，这已经不是“要不要拥抱 AI”的问题了，没得选。更现实的问题是，能不能尽快从纯执行型码农，转成一个能设计反馈回路、能判断质量、能把 AI 变成杠杆的人。

至于已经被挤下船的人怎么办，现在也没有漂亮答案。比较现实的路，无非是往更强的工程判断和系统能力上走，或者往具体业务里扎，别只停留在“会写增删改查”；再不然，就接受编程正在从手艺变成调度，尽快学会怎么驯这些系统。

但有一件事大概是真的：放卫星的人越来越多，食堂里的饭，未必会跟着变多。