AI Dev 26 x SF 吴恩达：软件工程的未来

4月28日，Andrew Ng 在 AI Developer Conference 2026（旧金山）上发表演讲，主题是”软件工程的未来”。这是他自2017年创立 DeepLearning.AI 以来，第一次系统性地阐述 AI 编程智能体对软件工程职业的全面影响。

这场演讲的核心结论只有一个：AI 不会消灭程序员，但会消灭”纯粹执行者”这个岗位。

01 被夸大的失业恐惧

过去两年，关于 AI 将导致程序员大规模失业的预测层出不穷。高盛、麦肯锡、OpenAI……每隔几个月就会有一份重量级报告警告程序员末日将至。

Andrew Ng 的判断与此相反。

他引用了 Citadel Securities（全球最大对冲基金之一 Citadel 旗下研究机构）2026年最新报告：软件工程岗位发布量正在快速上升，而非下降。

这个数据至关重要。软件工程是受 AI 编程智能体影响最直接、最深度的职业。如果连它都没有出现岗位崩塌，其他职业受到的影响只会更小。

Andrew Ng 在演讲中直言不讳：“很多 CEO 将裁员归因于 AI，但实际上这很大程度上是’AI washing’——企业选择把裁员归咎于 AI，哪怕 AI 并没有真正改变他们的内部运营。”

疫情期间的过度招聘、高利率环境下的招聘收缩，才是过去两年就业市场放缓的主要原因。AI 只是被拉来当替罪羊。

02 Product Management Bottleneck：真正的瓶颈变了

演讲中 Andrew Ng 提出了一个关键概念：Product Management Bottleneck（产品管理瓶颈）。

“We are more constrained by deciding what to build rather than the actual building.”

真正的约束，已经从”构建能力”转向了”决策能力”。

这句话背后的含义是：当 AI 让代码生成速度提升 10 倍、100 倍之后，能写多少代码不再是问题。问题变成了——你决定做什么？给谁做？做到什么程度？

这是一个根本性的范式转移。

过去二十年，软件工程的瓶颈是”产能”——需要更多的人写更多的代码来满足业务需求。所以”首席工程师”、”架构师”这些角色，其核心价值在于”能写更多代码”或”能指导别人写代码”。

未来，软件工程的瓶颈是”决策”——需要在无限的可能性中选出最有价值的那个，并且用最小的成本试错。这意味着产品思维、系统思维、用户理解能力的价值将超过编码能力本身。

03 AI 加速图谱：前端快，后端快，基础设施慢，研究最慢

Andrew Ng 在演讲中给出了一个他观察到的 AI 对不同软件任务的加速程度排序。这个排序对团队管理和技术路线选择有重要参考价值。

实践含义：如果你管理一个产品团队，对前端团队可以要求比一年前快 2-3 倍的交付速度；但对研究团队的预期，不应有太大变化。

这也解释了为什么 2025-2026 年间，前端开发者的市场价值出现了结构性重估——他们是最直接受益于 AI 编程智能体的群体。

04 AI-Native 团队：2-10 人的通才部队

演讲中 Andrew Ng 描述了他观察到的 AI 原生团队的组织方式，其特征与传统团队截然不同。

第一个变化：工程师开始做产品工作

传统团队中，工程师写代码、产品经理做决策、设计师画图。AI 原生团队中，这些边界正在模糊。Andrew Ng 举了他观察到的一个趋势：PM:Engineer 配比从 8:1 压缩到 1:1，甚至有些团队是”工程师自己决策、自己构建”。

原因很简单：当 AI 负责执行时，减少沟通层级成为加速的关键。

第二个变化：通才比专才更有价值

传统公司需要各路专才组成大型团队才能交付产品。AI 原生团队 2-10 人，成员必须跨越职能边界思考和行动。一个”懂产品、懂开发、偶尔能做设计”的通才，比三个”只懂自己那一块”的专才更有价值。

第三个变化：同地办公重现

远程工作在疫情后成为主流，但 Andrew Ng 发现：最高速的 AI 原生团队，往往是同地办公的小团队。原因无他——沟通是速度的敌人，面对面交流的信息带宽是视频会议的 10 倍以上。

瓶颈转移：当编码快 100 倍后，一切变慢的都是瓶颈

AI 让代码交付速度提升 100 倍之后，之前被”编码速度慢”掩盖的问题全部暴露：设计师做不出图是瓶颈、法务审查一周是瓶颈、 marketing 跟不上产品发布节奏是瓶颈。

这不是某个人的问题，这是整个组织在 AI 加速后的系统性失调。

05 被数据反驳的叙事

Andrew Ng 的整场演讲，核心反驳对象是”AI 失业末日论”（AI Jobpocalypse）。

他的反驳框架很清晰：

第一，前沿 AI 实验室有动机夸大 AI 能力。 如果 AI 可以替代大量员工，这个技术当然价值连城。这不是阴谋论，这是理性经济激励的结构性存在。

第二，企业有动机将裁员归因于 AI。 “我们用 AI 提效所以裁员”听起来比”我们疫情时招人招多了”聪明得多。投资者、客户、员工都能接受前者。

第三，统计口径的误导。 CEO 们乐于将任何裁员归咎于 AI，但实际查看内部运营，很多企业的 AI 整合程度远没有宣传的那么深。

Andrew Ng 的反向预测：不是 Jobpocalypse（失业末日），而是 Jobapalooza（就业热潮）。

他预判 AI 将创造大量优质 AI 工程岗位，且这些岗位的工作内容将与传统软件工程完全不同。

06 开放问题：没有人有答案

演讲的最后，Andrew Ng 列出了他认为目前没有答案的关键问题：

• 未来高级/初级软件工程师的核心技能是什么？计算机科学课程应该如何调整？
• 当每个人都能构建功能时，什么技能/策略/资源能创造竞争优势？
• 软件的新构建块（库、SDK等）是什么？如何组织编程智能体来创建软件？
• 软件团队应该长什么样？最优的工程师:PM:设计师比例是多少？
• AI 智能体如何改变 ML 工程师和数据科学家的工作流？

这些问题，Andrew Ng 本人也没有答案。他选择在 AI Dev 26 这个场合提出它们，是希望整个行业一起来探索。

07 一个反直觉的结论

回到本文开头：AI 不会消灭程序员，但会消灭”纯粹执行者”。

过去三十年，软件工程作为一个职业，其核心价值是”把产品经理的想法翻译成代码”。这个角色在 AI 时代正在消失——不是被 AI 消灭，而是因为 AI 让”翻译”这个步骤变得微不足道。

取而代之的是另一类角色：能够定义问题、理解用户、做出产品决策，并指挥 AI 完成执行的人。

这个转变的关键在于：从”如何做”转向”做什么”和”为什么做”。

这不是程序员技能树的一次升级，而是软件工程职业本质的一次重构。

Sources:

• DeepLearning.AI The Batch: “Open Questions About the Future of Software Engineering” (Apr 20, 2026)
• DeepLearning.AI The Batch: “AI Will Not Destroy the Job Market”
• DeepLearning.AI The Batch: “Coding Agents Accelerate Some Software Tasks More Than Others”
• DeepLearning.AI The Batch: “AI-Native Software Development Needs Generalists”
• AI Dev 26 x SF: Andrew Ng: The Future of Software Engineering (youtube.com/watch?v=g8um2AEf5ZA)
• Citadel Securities Research Report (2026)

引导评论话术： 你觉得 AI 原生团队最需要什么新技能？是产品思维、跨领域知识，还是别的什么？评论区聊聊。