Q1裁了7.8万人:AI不是来抢饭碗的,是来换人的

前天晚上刷到一条消息，甲骨文裁了 3 万人，一封邮件就完事。

同一季度，净利润暴涨 95%。

省下来的钱全投了 AI 算力和数据中心。我当时就在想——这算什么？裁员不是因为亏钱，是因为”觉得不需要这么多人了”。是不是觉得有点耳熟？

我之前一直觉得这种事离自己还远。真的，直到我那个在字节的朋友发了一条消息过来。

更让人后背发凉的是一组数据： 2026 年第一季度，全球科技行业裁员 7 万 8 千多人，其中近一半——每两个被裁的人里就有一个——明确归因于 AI 替代。

麦肯锡 2020 年预测 AI 大规模替代白领岗位要到 2030 年后。提前了整整 6 年。

扯远了。说回程序员的事。

你以为的”铁饭碗”正在变成筛子

程序员、数据分析师、客服——这三个岗位的 AI 替代率已经超过 60%。

不是可能，是已经。

智谱 GLM-5.1 发布后我测了一下，它能独立拆解任务、查文档、写代码、调 bug 、跑测试。连续工作 8 小时不喘气。

不到一年，从”聊天助手”进化到了”全职 AI 同事”。

我一个在字节做中后台的朋友，上个月组里砍了 4 个初级开发。留下的两个人，一个带着三个 AI Agent 干活，产出比以前六个人还高。

而他说的这句话，可能你也听过类似版本？”以前怕 35 岁被裁，现在发现 25 岁的也开始裁了。”

真正危险的不是 AI ，是你还在用 2023 年的方式写代码

我观察了一圈身边”活下来”的人，发现一个规律——被裁的，大多数还停留在”写代码”这个层面。

什么是”写代码”？需求来了，打开 IDE ，从第一行开始敲，然后调 bug ，然后提 PR 。

这种工作模式，说实话， AI 现在比你快、比你准、还不摸鱼。

而那些没被裁的，甚至涨薪的，干的事情完全不一样。他们把 AI 当成了一个能同时并行处理 5 个任务的实习生团队，自己变成了架构师+code review 组长+验收测试负责人。

区别在哪？

先思考，再让 AI 实现。这个顺序反了，效率直接砍半。

大部分人拿到需求就直接扔给 AI ：”帮我写一个 XX 功能”。然后 AI 给你一坨代码，你花更多时间改 bug 。这不是提效，这是给自己挖坑。

正确的做法是：自己先画流程图、列数据结构、想清楚边界条件，然后把这些”思考”和”约束”一起喂给 AI 。

让 AI 负责填 boilerplate 、写测试用例、优化性能。

你负责想。

三个马上能用的动作，今天就开始

别再一口气让 AI 生成 5000 行代码

我见过太多人犯这个错。一次丢一个大需求给 AI ，生成一堆代码，然后花三天修 bug ，最后还不如自己写。

150 到 300 行。这是单次 AI 生成的安全区间。

有人可能觉得这也太保守了——反正 AI 能改。是，能改。但你试试让 AI 改自己写的 bug ，越改越烂的体验谁都有过吧？

每次只让它完成 1 到 2 个核心函数，编译通过、测试通过、确认没问题了，再继续下一块。

每轮带上上一轮的输出和具体反馈：”上轮你漏了 context 取消，这次必须加上”。

听起来慢，实际上快得多。宁可写 10 个小 Prompt 各产 150 行高质量代码，也不要一个大 Prompt 产 5000 行垃圾。

Prompt 四要素，少一个都白搭

我测试过，同样是让 AI 写一个批量查询接口，四要素齐全的 Prompt 产出的代码，能直接跑通测试。缺任何一个要素，都要返工。

四要素是：

角色定位——越具体越好。”12 年 Go 后端专家，前字节架构师，极致追求性能和可读性”比”你是一个程序员”有效 10 倍。

上下文和硬约束——技术栈、架构分层、规范、性能要求、安全红线，全部写进去。不要指望 AI 猜。

结构化输出指令——”严格按以下顺序输出：设计思路→文件清单→domain 层→service 层→测试用例”。不要让 AI 自由发挥。

验收标准——”防缓存雪崩、错误统一走 errors 包装、禁止循环内阻塞 IO 、所有 goroutine 必须可控”。告诉 AI 你最不能接受什么。

每周至少一天不用 AI

这个建议听起来反直觉，但我觉得很重要。

AI 给你的代码是”大概率正确”的代码，但你对”为什么这样做”的直觉是在手写过程中建立的。有没有过这种体验——AI 写的代码看起来没问题， review 的时候就是觉得哪里不对？那就是直觉在报警。每周花一两天纯手写核心逻辑，保持判断力。

不对，不是一两天。一周一天就够了，别矫枉过正。但这一天必须是真的手写，不是开了 AI 但假装没用。

不然时间长了，你 review AI 代码的时候根本看不出问题——因为你已经不会自己写了。这个后果比裁员严重。

我自己就被坑过。去年一个内部工具的需求，我让 AI 一次性生成了整个 CRUD 模块，大概 1200 行。跑起来没问题，我就合并了。结果上线第三天，并发一上来直接把数据库连接池打满了——AI 用了默认连接数，根本没考虑生产环境的配置。

排查了四个小时。从那以后我再也不敢让 AI 一次性超过 300 行了。

一个可能让你睡不着的想法

IBM 在所有人裁员的时候逆势扩招了入门岗。

这说明什么？说明 AI 不是在消灭岗位，是在重新定义岗位。需要人的地方一直都在，但”需要人”的标准变了。

以前是”能写代码就行”，现在是”能用 AI 大规模、高质量地产出代码”。

这两个要求差得远了。

2026 年的核心竞争力不是你会不会写代码——这个问题的答案在 2023 年就已经不重要了。现在是，你能不能驾驭 AI ，让它替你干那些重复的、标准的、无聊的部分，把你自己的精力留给真正需要人脑的决策。

你现在的团队里有几个人被 AI 替代了？你自己的工作有多少比例已经被 AI 接手？欢迎在评论区聊聊你的真实感受——这种事情说出来，也许没你想的那么孤单。

如果觉得这篇文章对你有点用，转给你还在犹豫要不要学 AI 编程的同事。可能帮不了所有人，但至少别让他们等到裁员通知来了才后悔。

我最近在整理一份”程序员 AI 提效工具清单”，后面会陆续发出来。点个”关注”，后面不会错过。