ARTICLE · 1108021
AI 会写代码了,世赛却新增了一个「软件测试」赛项
AI 会写代码了,世赛却新增了一个「软件测试」赛项上海，第48届世界技能大赛。展馆里无人机旋翼嗡嗡作响，屏幕上代码一行行飞奔。 如果你是第一次听说这个比赛，可能会以为它是"最快拧螺丝大赛"或者"最强烘焙大赛"。它确实有烘焙。但这一届，新增了一个赛项：软件测试。 选手坐在电脑前，面对的不是机床，不是面团，是眼花缭乱的程序代码。 这就有点意思了。 因为就在同一时间，全世界的程序员正在被同一件事困扰：AI 已经会写代码了，而且写得很快。 那么问题来了——当"写"这件事变得越来越便宜，为什么一个全球最高水平的技能比赛，反而要新增一个赛项，专门考"查"？ 一、这个新增的赛项，考的不是"写"，是"查" 软件测试赛项的场地测试工程师杨骥寅，给出了一个特别好懂的比喻：不同于传统程序员，计算机软件测试员好比数字领域的"质检员"。 他说，测试员除了学习编程能力，还应具备质检和客群分析等综合能力，才能更好地检查电商平台、社交网站等系统是否符合要求，排查出潜在问题。 制造业里有个岗位叫质检员，一百年前就有了。它存在的理由是一个很朴素的常识：生产得越快，越需要有人站在流水线末端，判断这个东西合不合格。 产量低的时候，质检员是奢侈品。产量高的时候，质检员是必需品。 软件行业正在经历同一件事。 AI 把"产出一行代码"的成本压到了接近零。但"这行代码对不对""这个系统在真实场景下会不会崩""它是不是真的解决了用户的问题"——这些判断的成本，不但没降，反而升了。 产出越多，需要被判断的东西就越多。 同一个展馆里，另一个新增赛项叫"智慧安防技术"。选手既要完成监控探头等硬件安装，也要做数字软件的配置与运维调试。新华社的报道里有一句很精准的描述：昔日的"拉线工"正蜕变为"数字工程师"。 注意这个方向——不是"人被机器替代了"，是"人的工作内容往上游移了一格"。 广东唯康教育科技股份有限公司营销中心总监宋鹏说，人工智能、数字化等相关能力要求，正逐步成为传统技能岗位的新需求。广州市交通技师学院副院长刘海波的总结更凝练：从"会操作"到"懂技术、善创新、能协同"。 三个字的变化，背后是一整条成长路径的改写。 
二、"现在的学生更会用AI，但底层逻辑不够扎实" 这是那篇新华社报道里最扎人的一句，出自一线教练之口。 过去的技能是这样形成的：一个新人从最基础、最重复、最枯燥的环节做起，在反复练习中把基本功磨出来，然后才有资格碰更复杂的活。这条路径很慢，但每一步都在给下一步打地基。 现在 AI 把这条路径的中间段抽掉了。 新人第一天就能用 AI 产出一个看起来很像样的东西。他很兴奋，这是真实的兴奋。但他跳过了那一段"反复出错、反复修正"的过程——而恰恰是那段过程，在帮他建立判断力。 于是出现了一个很微妙的状态：产出能力超前，判断能力滞后。 他能在十分钟内生成一段代码，但他看不出这段代码哪里有问题。 这不是个别现象。中国人民大学经济学院教授宋扬指出，人工智能对重复性、常规性工作的替代，确实会在一定程度上造成传统技能形成机制的断层。 他还有一句判断值得单独拎出来：人工智能倾向于对中低技能形成替代，与高技能形成互补。 清华大学教育研究院的韩锡斌给了一个新的"基本功"清单：通用能力、专业技能、数字技能、人机协同能力，以及批判性思维、复杂问题拆解、沟通协作、快速学习。但他紧接着补了一句——"但是，AI时代最该打牢的仍然是专业技能。" 理由是：具备深厚行业经验的专业人才，是训练 AI 不可或缺的力量；非标准化场景下的高水平技能，AI 尚不能胜任。 你越懂，AI 才越有用。你不懂，AI 只是帮你把错误做得更快。 
三、一个不太好的消息：培训资源正在减少 前面两节讲的是"需求变了"。这一节讲的是"供给在缩"。 普华永道在 9 月 29 日发布了《2026 全球劳动力希望与恐惧调查》，覆盖 48 个国家和地区的近 5 万名员工。几个数字放在一起看，会有一种很强的撕裂感。 过去 12 个月在工作中用过 AI 的员工占 64%，比去年提高 10 个百分点。每天使用生成式 AI 的比例从 14% 涨到 22%。约六成的人预期未来一年自己在工作中用 AI 会更多。 但另一边—— 只有 51% 的人说，自己能获得工作所需的学习和发展资源。去年这个数字是 59%。一年降了 8 个百分点。 AI 的使用在加速，培训资源的供给在减速。 两条曲线正在朝相反方向走。 而且分化得非常具体。调查把员工大致分成两类：一类是技能稀缺、AI 能力强的"领跑者"；另一类是占比 56%、技能可替代性强、AI 学习曲线还没深入的"发动机舱"员工。 后一类里，只有五分之二说能拿到自己需要的培训资源。 结果是肉眼可见的落差。每天用 AI 的人，68% 对自己的工作安全感有信心；不常用的人只有 57%。前者更可能主动要求晋升（高出 12 个百分点）、更信任高层管理（高出 15 个百分点）、更相信自己能学会新技能（高出 21 个百分点）。 最后这一项，我想多说一句。 会用 AI 的人不是天生更自信。是他们在反复使用的过程中，不断拿到"我确实能学会新东西"的证据。这种信心是被经验喂养出来的，不是被口号喊出来的。 而不常用的人，缺的不只是技能，是"我能学会"的证据。 普华永道全球劳动力负责人 Pete Brown 的说法很克制：领导者面临的挑战是，如何继续培养这些人——但不是以牺牲其余员工为代价。 翻译过来就一句：分化已经开始了。 顺带还有一个数字：近三成的"领跑者"表示，未来一年内非常或极有可能更换雇主。最会用的那批人，也是最可能走的那批人。 
四、价值正在往上游移动 世界经济论坛《2025 年未来就业报告》给过一个更长期的判断：2025 到 2030 年，需求增长最快的技能是人工智能与大数据，紧随其后的是网络与网络安全、技术素养；而"手工灵巧度"的重要性在下降。 注意这份名单的性质。排在前面的几乎全是"判断类"技能，排在后面的是"执行类"的。 这不是巧合。 背后是一个很朴素的机制：当一个环节的边际成本趋近于零，价值就会自动迁移到它上游和下游的环节。 打字员消失，不是因为打字不值钱了，是因为打字这件事被工具吸收了，价值移到了"写什么"和"写了给谁看"。 代码也是一样。写代码这件事正在被工具吸收，价值移到"这段代码该不该写"和"写完怎么验证"。 所以宋扬那句话的完整意思是：AI 时代不是不需要技能人才，而是更需要高技能人才，特别是满足人机协同需求、能够解决复杂问题的复合型人才。 那么，"被替代"和"被互补"的分界线到底在哪里？ 在一个非常具体的地方：你能不能判断 AI 交出来的东西对不对。 能，你就在互补的位置上——AI 是你的产能放大器。 不能，你就在被替代的位置上——AI 只是比你便宜。 
五、这对一个准备考证的人意味着什么 我知道读到这里的不少人，手上正放着一本计算机二级的教材。 你大概会问一个很直接的问题：既然 AI 都能写代码、能做表格、能生成 PPT 了，我为什么还要考这个？ 这个问题问得对。我给你三个我自己相信的回答。 第一，考证不是为了学操作，是为了建立判断力。 AI 能帮你把 Excel 函数写出来，但它不会告诉你这个场景该不该用这个函数。AI 能帮你生成一段 Python，但它不会告诉你这段代码跑在十万条数据上会不会超时。 判断力从哪来？从你亲手做过一百次、错过五十次里来。 考证真正的价值不是那张纸，是它强迫你走完那段"反复出错、反复修正"的路。而前面说过——那段路恰恰是 AI 时代最容易被人跳过、也最不该被跳过的一段。 第二，把"会用"和"懂"分开。 会用 AI 是一种能力，懂原理是另一种能力。前者让你快，后者让你知道什么时候该慢下来。 一个很具体的自测：当 AI 给你的答案看起来很完美时，你能不能提出三个可能让它出错的条件？ 能提出来，你就是懂的。提不出来，你只是在搬运。 第三，别等培训。 普华永道那个数字我再说一遍：能获得所需培训资源的员工比例，一年之内从 59% 降到了 51%。 公司培训在收缩，这是全球性的趋势，不是你所在的某一家公司的问题。 这意味着"等公司教我"这条路径正在关闭，自我投资从加分项变成了必选项。 落到行动上，我的建议很土：找一个真实的问题，用 AI 帮你解决它，然后亲手验证结果对不对。做十次，你的判断力会有一次质变。 最后 回到上海的那个展馆。 烘焙赛场上有选手在烤面包，无人机赛场上有旋翼在转，软件测试赛场上有选手盯着屏幕上一行行代码。 这些画面放在一起，其实就是这一届世赛想说的话：技能没有消失，技能在换位置。 一百年前，"会做"值钱。三十年前，"做得快"值钱。现在，"知道该做什么、以及做完怎么验证"值钱。 那位一线教练说，现在的学生更会用 AI，但底层逻辑不够扎实。 这句话不是在批评学生。它是在描述一个正在发生的错位——工具跑得太快，地基还没跟上。 补地基这件事不性感，也没有人给你发奖牌。 但它是唯一一件，AI 替你做不了的事。