ARTICLE · 1241193
宏观层面困境:软件行业进入AI竞速内卷时代 (五)
宏观层面困境:软件行业进入AI竞速内卷时代 (五)作为软件开发者，已经无可避免地在AI浪潮的席卷下首当其冲。 从业者从初次接触大模型的惊叹新奇，逐步产生替代焦虑，再到尝试接纳AI工具，借助其完成过去难以实现的工作，心态与实践模式的转变发生得极为迅速。 新兴技术的落地必然伴随着反复试错、实践磨合与持续演进。 不管是职业范式还是思想认知的更迭，在过渡阶段都会发生剧烈的行业洗牌。无论主动选择还是被动裹挟，整个行业已经步入AI竞速内卷的状态。 不同于一般意义上的行业内卷，AI竞速内卷的核心并不单纯是人与人之间的内部竞争，而是由技术迭代驱动：在持续加速的技术更新之下，市场交付标准被不断拉高，迫使从业者不停追赶，逐步形成一种结构性的集体困境。 本章从行业与社会的宏观集体视角，剖析AI竞速内卷的生成逻辑。 
软件开发从业者能够直观感受到AI能力的跃迁：从早期对话式生成、代码补全，发展到如今可以承接复杂度较高的编程任务，同时完成测试验证、代码审阅等配套环节，技术迭代节奏不断加快。 各大模型厂商持续推出新版本，Coding Agent(代码智能体)工具也快速进化，推理能力、多智能体协同能力持续提升。部分数月前备受关注的工具与技术概念，会随着新一轮模型更新快速淡出行业视野。经过行业迭代筛选，只有具备核心价值的能力得以沉淀延续。 对从业者而言，这意味着需要持续主动或者被动地学习适配新工具与模型体系。过去积累的部分实操技能，有可能在新一轮技术迭代之后被大模型替代，甚至AI的输出质量会超越人工完成的效果。 与此同时，AI可以短时间批量生成代码，这进一步抬高了企业对开发者的交付预期。过去团队管理中通常会避免人员同时并行推进两个以上项目，而在AI工具的加持之下，一名开发者同时承接4‑5个项目任务已经成为部分企业可预期的现实。 从行业集体视角来看，在全员获得AI提效能力的环境下，市场的产出预期被整体性拉高，开发者被环境推着不断加码提速，行驶在极致效率的赛道之上。 根据Anthropic发布的内部职场研究How employment is changing at Anthropic[1]，大规模使用AI之后，人类注意力正在成为新的系统瓶颈，大量工作时间并非消耗在原始内容创作，而是投入到对AI输出结果的审核、校验、修正等次生工作当中，这类针对AI产出开展监督与处置的活动也被概括为meta‑work（元工作）[1]。 GitHub相关统计也显示，当下开发者工作流中由AI辅助产出的代码占比持续走高，这也为企业不断上调交付目标提供了现实基础②。 工具迭代带来的竞速压力只是矛盾的起点，不断抬升的产出预期进一步传导至劳动力市场，重塑岗位需求与人才筛选逻辑。 
AI极大提升明确任务下的执行效率，单次迭代即可产出质量可观的代码。在整体市场需求并未同步爆发的前提下，效率普惠直接带来劳动力市场的结构性变化，行业对于初级岗位的需求出现收缩。 马太效应随之加剧，资源与机会更多向具备经验的高阶人才集中，新人的发展空间则受到挤压。非软件开发专业的普通使用者，也能够借助大模型快速开发适配自身场景的工具，在一定范围内弱化了简单开发场景对于专职人员的依赖。 这一现象并不局限于软件行业。公开新闻与行业记录显示，不少企业已经针对客服、基础行政文员等执行属性较强的岗位进行人员规模调整。 不过需要客观区分现实的两类情形：一部分企业将AI作为降本手段，直接裁撤存量执行类岗位；还有大量企业并未大规模解雇已有成熟员工，而是收紧初级岗位新增招聘名额。同时很多人员缩减事件混杂着资本市场周期、企业自身降本诉求，AI属于重要驱动变量，但并非唯一诱因。 来自Anthropic的内部观测数据为此提供了企业样本参考[1]：该企业整体人员规模依旧保持扩张，但技术岗位中新招聘初级人员占比出现明显下滑，由27%下降至9%；招聘评价权重发生迁移，传统硬知识记忆的重要性下降，自主性与判断力成为企业更加看重的素质。 斯坦福数字经济实验室的相关研究同样指出[2]，在AI高暴露的行业当中，冲击更多体现为青年新人的就业机会相对萎缩，而非在职人员的大规模失业。 国内招聘平台的年度就业报告也反映出软件行业“去初级化”的趋势：拥有多年实战经验的岗位需求相对坚挺，应届生、低年资开发者的岗位供给出现收缩。 市场上出现一种被学界讨论的假说：职业岗位结构有可能逐步向T字形或者倒三角形态演化，执行类岗位不断收缩，高度依赖经验、方向判断的高阶岗位占据更高权重。 由此衍生出一组现实悖论：成熟人才的判断力、复合能力建立在大量基础岗位实操历练之上，而当下行业入口收紧，新人获取传统训练途径的机会正在变少。 跨行业案例也印证该趋势的扩散性：微软、澳大利亚联邦银行等机构部署AI客服体系之后，大量标准化咨询交由机器承接，仅疑难复杂业务流转人工，基础客服人力规模随之压缩；印度电商Dukaan曾大规模裁撤客服团队替换为AI聊天机器人，但后续暴露出AI难以处理复杂用户诉求的服务缺陷，侧面说明完全替代的现实障碍。 国内多地司法实践也体现出制度层面的约束，企业单纯以AI替代岗位作为理由直接解除劳动关系，往往不被司法体系认可①。这也提示市场的岗位替代过程并非完全放任自由，制度规则具备调节空间。 倘若行业长期走向只追逐效率优先，新人历练通道持续收窄，那么能否支撑行业长期稳定且具备创新性的发展，值得全社会审慎思考。 而就业结构的改变叠加AI本身永不休止的技术特征，进一步塑造出整个行业集体层面的竞争心态。 
在Token供给充足的条件下，AI可以不间断开展工作，不存在生理休息的需求。Anthropic职场报告中提到，AI可实现的有效工作时长能够达到人类的6倍[1]。 这种技术特性打破了长久以来人类社会形成的工作与作息边界。 即便AI承担大量执行环节，关键任务方向、决策判断仍然需要人类介入，人类也就成为整套工作链路中新的约束瓶颈。 极致追求效率的行业氛围持续抬高市场预期，由此催生出弥漫于行业内部的集体替代焦虑。 它存在双向传导路径：一方面是自下而上的扩散：一线执行岗位最先直面AI对日常工作的渗透，来自开发者真实工作体验的危机感经由技术社区、行业舆论向上蔓延，塑造整个圈层的情绪底色。 另一方面压力又是自上而下传导：企业收缩基础岗位的人事策略、资本市场对AI转型的叙事、不断更新的人才评判标准，连同各类裁员新闻，将竞速与生存压力由组织顶层向下传递到全体从业者。 两种方向并非彼此独立，还会互相强化：底层弥漫的危机感会反向影响企业对人才的判断；而企业端的人事调整消息，又进一步放大一线群体的不安。 结合Anthropic第二篇配套研究Working at the frontier shapes expectations for the future[3]可以发现一组认知鸿沟：深度置身AI浪潮当中的前沿从业者，对AI未来的能力上限和替代范围的预估，显著高于普通劳动者；这种来自行业内部的偏高预期，又进一步放大了整个圈层的恐慌氛围，加剧竞速内卷的集体心态。 竞速氛围之下，市场不断追逐所谓的“不可替代性”。 行业舆论持续抬高对从业者的能力预期，倒逼群体不断加码自我要求，却很少反思：这套不断升级的能力标尺，放在普通从业者身上究竟是否具备现实可达性。 但同时也带来价值层面的反思：即便AI在越来越多任务上展现出能力，社会是否就必然走向持续被机器挤压的终局？ 是否可以通过行业规范、制度设计与法律划定边界，确立人的主体地位，将AI定位为人的辅助工具，而非完全主导生产的主体。 纯粹以效率、收益为唯一导向的发展模式潜藏风险，社会有必要去探索更加良性的发展路径，依靠制度、行业规范进行适度制衡，而不是毫无保留地拥抱极致提效。 本章从集体宏观层面梳理AI时代竞速内卷的三重结构性困境。 第一，大模型工具高速迭代，行业被迫持续追赶技术更新，同时AI批量产出的能力拉高企业交付预期，各类监督校验AI输出的次生工作带来的注意力消耗成为新的负担来源。 第二，AI重塑劳动力市场，市场呈现马太效应：既出现部分企业裁撤执行岗位的现象，更普遍的变化是初级岗位招聘收缩，造成新人历练通道收窄的悖论。 第三，AI永不休止的技术特征，叠加焦虑自下而上与自上而下双向传导的行业机制、前沿从业者群体对AI能力的高估，共同催生行业范围内集体竞速焦虑。 整体来看，上述趋势刻画的是AI浪潮下浮现出的结构性竞争压力，但竞速内卷与筛选加剧并不代表创新空间被完全锁死。本书第二章已经讨论过AI带来的效率提升与创新门槛下降，在此基础上，进一步催生了微型团队、个体独立创新这类新型组织形态的发展机会。 这些宏观结构性压力最终会沉降到个体身上，由此产生的个人工作负荷、心理困境将是第六章的讨论重心。 ① 杭州、广州、北京等地已出现多起相关劳动争议案件，司法裁判普遍认为企业主动引入人工智能属于经营层面技术升级，不能直接以此为由单方解除劳动关系。参见：央视网，《公司以“AI替岗”为由裁员 劳动者被判获双倍赔偿》；央广网，《岗位被AI替代，男子拒绝降薪遭开除！法院判了》。 ② GitHub开发者年度行业公开统计报告，反映AI辅助编码在开发工作流中的普及状况。 [1] Anthropic. How employment is changing at Anthropic[R]. [2] Stanford Digital Economy Lab. [R]. [3] Anthropic. Working at the frontier shapes expectations for the future[R]
5.1 行业结构性内卷：人类被迫无限追赶AI工具的迭代速度
5.2 AI抬高入行门槛，行业筛选更极致、马太效应加剧
5.3 永不休息、持续进化的AI，倒逼人类无间断自我迭代
- 本章结语 -
注释
参考文献
本文为个人实践观察与独立思考，仅供行业交流探讨。本系列持续更新，欢迎关注，阅读后续章节 ;-)
