AI会替代软件工程专业吗?

结论是：不会；

家长和学生的焦虑，是有来头的，不是空穴来风；

几个画面大家一定熟悉：

• 大厂一边裁员，一边说"AI 提效"
• 朋友圈里"AI 半小时写完一天的代码"
• 招聘软件上，初级岗位肉眼可见地变少
• 孩子还没入学，就听说"程序员要被替代了"

斯坦福数字经济实验室基于 ADP  payroll 数据的研究：22–25 岁软件开发者的就业人数，相比 2024 年下降近 20%；而同一批公司里 30 岁以上的开发者，就业反而增长了 6%–12%；

国内也一样。麦可思《2026 年中国本科生就业报告》显示，2025 届本科毕业生中从事"计算机程序员"职业的比例，从上一届的 1.5% 掉到 1.0%；

家长看到的是"岗位少了"，学生感受到的是"投简历没回音"；

但这两件事，都不是"这个行业不要人了"；

答案是"入门级的活，被 AI 接走了"；

而入门级的活，恰恰是过去二十年新人进场的唯一通道；

这才是真正让人慌的地方；

软件工程专业，对口的技术岗位有哪些呢？

先把"软件开发"这四个字拆开。它不是一份工作，是一串工作；

• 前端开发
  ：页面、App、小程序
• 后端开发
  ：服务器、数据库、接口、业务逻辑
• 移动端开发
  ：iOS / Android / 跨端
• 测试开发（SDET）
  ：自动化测试、质量保障
• 运维 / DevOps / SRE
  ：部署、监控、稳定性
• 数据工程 / 大数据开发
  ：数据管道、数仓
• 算法 / 机器学习工程师
  ：模型训练与落地
• 安全工程师
  ：渗透、风控、代码安全
• 嵌入式 / 底层开发
  ：芯片、操作系统、智能硬件
• 架构师 / 技术专家
  ：系统设计、技术选型

看清楚一件事：

这些岗位的共同点不是"写代码"，是"对一套系统负责"；

写代码，只是其中的一环，我之前说过，从实际工作来看，写代码大概占一位工程师30%左右的时间；

深入到这些岗位中，AI到底在起什么作用呢？

答：不是"AI 替你上班"，是"AI 坐在副驾"，具体分下面集中情况看：

• 写代码
  ：Copilot、Cursor 做补全，函数、样板代码、CRUD 接口基本秒出
• 写测试
  ：单元测试、边界用例，AI 是产量冠军
• 读代码
  ：接手陌生项目，先让 AI 讲一遍模块关系——这一步最省时间
• 改 Bug
  ：报错贴进去，AI 给三四个可能原因，工程师负责判断哪个是真的
• 写文档
  ：注释、接口文档、变更说明，AI 写得比大多数人勤快
• 做迁移
  ：老语言转新语言、老框架升级，AI 是体力活好手

谷歌 DORA 2025 年报告：90% 的软件工程师已在工作中使用 AI 工具；

国内同样，公开报道中，腾讯超过 90% 的工程师在用 AI 编程助手，2025 年约 50% 的新增代码由 AI 辅助生成，现在的比例会更高；

那AI对这些工作的实质影响是什么呢？

答案：提效，提效的幅度，集中在"简单、重复、有标准答案"的部分；

几个可查的数字：

• 微软、MIT、普林斯顿等联合研究：使用 Copilot 的开发者，每周完成的 PR 数量提升 26%
• 受控实验中，用 AI 的开发者完成任务快 55.8%，且经验越浅，收益越大
• 谷歌 CEO 皮查伊披露：AI 工具让谷歌工程团队开发效率提升约 10%
• JetBrains 调研：近九成开发者每周至少省下一小时，两成人省下八小时以上

注意"经验越浅收益越大"这句；

AI 是一根杠杆，撬动的是那些"已经知道该怎么做"的工作；

而软件工程里真正贵的活儿——

• 这个需求到底该不该做
• 这个系统三年后怎么演进
• 这个故障为什么只在凌晨两点出现
• 这个架构能不能扛住十倍流量

这些，AI 目前给不了答案；

所以真正的结论是：AI 替代的是"任务"，不是"岗位"；

一个岗位由一堆任务组成。当其中 40% 被加速，剩下 60% 的价值反而被放大了；

从计算机相关岗位招聘量的影响看，是什么样的呢？

对新手：门槛抬高了，通道变窄了；

过去招应届生的逻辑是"先让他写三个月 CRUD，慢慢就上手了"；

现在 CRUD 是 AI 最擅长的事；

那企业为什么还要为"写 CRUD"付一份应届生工资？

于是：

• 初级岗位数量收缩
• 要求从"会写代码"变成"能独立交付"
• 面向 1 年以内经验的岗位明显缩减
• 实习、项目、作品的权重，第一次超过学历和专业课成绩

企业不是不招新人，是不招"只会写代码"的新人；

对老手：需求没减少，反而在涨；

同一份研究里，30 岁以上开发者就业增长 6%–12%。

为什么？因为 AI 生成的代码，得有人审；

• 只有 33% 的开发者信任 AI 输出的准确性，46% 明确不信任
• 66% 的开发者最大的困扰是：AI 给的东西"几乎对，但就是不对"
• GitClear 数据显示，AI 时代代码 churn 率从 3.1% 升到 5.7%，返工变多了

产出变多了，判断力的价格就涨了，而判断力，是靠年头堆出来的；

现在的结构是：新手被挤压，老手被依赖，中间那层"纯执行型工程师"最危险；

作为在校大学生，现在该准备什么？有哪些建议呢？

我觉得，首先是别慌，也别躺，具体的：

1. 把 AI 用成肌肉记忆

不是"会问 ChatGPT"，是"知道 AI 在哪儿会骗你"。Codex / Cursor / Claude Code 至少精通一个，用它做完一个完整项目，而不只是写个函数；

2. 基础课别逃

数据结构、操作系统、计算机网络、数据库原理。AI 会写代码，但不会替你判断"这段的复杂度是 O(n²)"。越是需要判断的地方，基础越值钱；

3. 做一个能讲十分钟的项目

不要课程设计的"图书管理系统"。要那种有真实用户（哪怕 50 个）、有线上部署、有 Git 提交记录、有你踩过的坑。面试时讲得越具体，越能证明代码是你写的，不是 AI 写的；

4. 往 AI 不擅长的方向靠

系统设计、调试排障、业务理解，以及安全、性能、稳定性这些"出事才被想起"的领域。Indeed Hiring Lab 的数据里，安全工程岗位同比增长 124%，机器学习工程师岗位增长 59%。方向比努力重要；

5. 尽早实习

AI 把"初级任务"从公司搬走了，那"初级经验"就只能在实习里补。一份真实实习，现在比三张证书管用；

6. 学会"验收 AI 的活"

这是新时代最稀缺的能力：给 AI 下清晰的需求、审查它的产出、发现它埋的雷、为最终结果负责；

从"写代码的人"，变成"对代码负责的人"；

历史上每一次工具革命，结局都一样：

• 编译器出现，没有消灭程序员，反而让程序员多了十倍
• 云计算出现，没有消灭运维，反而让运维变成了 SRE
• 现在轮到 AI

它消灭的是"只会写代码的人"，不是"软件工程师"；

软件工程这个专业，教的从来不只是语法。它教的是：如何把一团模糊的现实需求，拆成一套能稳定运行的系统；

这件事，AI 还差得远；

所以专业不会消失；

消失的，是"学了四年，却只学会写代码"的那种毕业方式；