当 AI 写完 90% 的代码,程序员还剩什么?

2026 年春天，Anthropic 的 Claude Code 创始人在与 Andrej Karpathy 的一场对话中，说了一句让整个技术圈脊背发凉的话：

"我已经几个月没手写过一行代码了。我们公司 70% 到 90% 的代码都是由 AI 生成的，一天能提交 22 到 27 个 AI 写的 PR。"

这不是某个边缘团队的实验，而是 Claude Code 的创造者本人——他亲手建造了那把"枪"，然后第一个被"枪"替代了写作代码的动作。

他不是孤例。Sonar 发布的最新报告显示：2026 年全球代码库中 42% 的提交来自 AI，预计到 2027 年将升至 65%。Google 的新代码 75% 由 AI 生成，Meta 要求 65% 的工程师达到 75% AI 代码占比，Snap 更是设定了全公司 65% AI 代码的下限。

英伟达 CEO 黄仁勋在 GTC 2026 说得更直白：100% 的英伟达工程师在使用 AI 编程工具。他给管理层算了一笔账——一个年薪 50 万美元的工程师，每年至少应该消耗 25 万美元的 AI token。

这不再是一场关于"会不会"的辩论，而是一场关于"还剩什么"的清算。

二、亚马逊的 1.1 万个实习岗和 Block 的 40% 裁员

两种叙事正在同时上演。

乐观面：AWS CEO Matt Garman 公开辟谣，称亚马逊 2026 年计划招收 1.1 万名软件工程实习生，开发者需求不降反升。他的逻辑是——程序员不再以"写 Java 代码"为核心竞争力，而是转向系统架构和客户需求解决。编程的门槛降低，意味着能做工程的人更多、工程的总表面积更大。

悲观面：金融科技公司 Block（前 Square）在 2025 年底裁掉了 40% 的员工，被广泛视为首次完全由 AI 扩张引发的规模性裁员。Anthropic CEO Dario Amodei 更是预测，AI 可能在未来 6-12 个月内完成软件工程师端到端的所有工作。Claude Code 负责人 Cherny 直接说，软件工程师这一职位名称将在 2026 年底"开始消失"。

两种叙事都可能是对的。关键在于你站在哪个位置。

三、就业市场正在分裂成三个世界

IT Revolution 的一篇文章精准地描绘了当下的分层格局：

核心事实：15 万美元的"普通 Java 开发者"岗位已经回不来了。

在中国，这个趋势同样清晰。智联招聘数据显示，过去三年计算机专业本科月薪从 8192 元降至 7639 元，薪资排名从第二跌出前十。与此同时，Indeed 上全球软件工程师职位发布量同比增长 11%，高于整体职位增速。

市场不是消失了，而是换了一套评价标准。

1Password 的 CTO 已经取消了手动编码测试，改为考察系统思维和 AI 工具熟练度。安永不再以"会写代码"作为筛选标准，而是问候选人"为什么做某个设计决策""如何融入整体产品战略"。

哈佛大学的研究给出了一个更精确的画像：采用 AI 的企业中，初级开发者岗位减少约 10%，但高级岗位持续增长。

四、"我发现自己连 Laravel API 都忘了怎么写"

硬币的另一面：AI 正在让一部分程序员的核心能力萎缩。

软件工程师 Pia Torain 在连续四个月每天发出数百条提示词后，公开承认自己"开始丧失编程能力"。她不得不刻意放慢速度，重新理解程序的架构——不是因为 AI 不够快，而是因为她的大脑在闲置中生了锈。

一位中国大厂程序员在搜狐的自述更令人心惊："用了半年 AI 编程，我连 Laravel API 都不会写了！看到编辑器里那个红色下划线，我大学就是学这个的，那一刻却感觉自己回到了没写过一行代码的状态。"

这是"氛围编程"（Vibe Coding）的代价。代码写得更快，但理解得更浅。一位 Hacker News 用户的评论成了经典："如果大语言模型能更快、更廉价地完成初级工作，导致没人愿意雇佣初级开发者，那么未来还有谁能成长为专家呢？"

但也不是所有人都陷入了恐慌。多位 50-60 岁的资深程序员在 Hacker News 上说，AI 让他们重新拾起了搁置多年的项目。62 岁的 Reini Urban 说"有了 Opus 终于成为可能"；63 岁的 Chris Marshall 称 AI 解决了"退休程序员的孤独感"；前 Google 工程师 Steve Yegge 声称自己的生产力提升了 10 倍、20 倍甚至 100 倍——"就像我们一辈子靠双腿走路，如今却突然飞起来了一样。"

同一把工具，在不同人手里产生截然相反的效果。

五、Jeremy Howard 的开炮和 Simon Willison 的警告

fast.ai 创始人、AI 元老 Jeremy Howard 在 Hacker News 上引发了一场百楼辩论。他的核心观点尖锐到近乎冒犯：

"编程从来就不是效率的瓶颈。"

他自己 90% 的代码由 AI 生成，但他认为效率并未因此显著提升。他和 LLVM 创始人 Chris Lattner 讨论后得出结论——AI 只是在"训练数据片段间插值"，无法实现真正的原创。他批评 Claude Code 的路线是方向性错误，更直指 Dario Amodei 和 Elon Musk "根本不懂现代软件工程"。

但另一位知名开发者 Simon Willison 给出了截然不同的忠告。他在 2026 年 1 月发表《Don't fall into the anti-AI hype》，引用 Redis 创始人 Salvatore Sanfilippo 的话：

"AI 公司能否收回投资、股市是否崩盘都不重要。编程已经被永久改变了。"

Willison 的意思是：你不需要喜欢这个变化，但你不能假装它没有发生。

六、当编码变成"指挥 AI 舰队"

在中国的一家电商技术团队里，一位 AI 工程师这样描述自己的一天：90% 的工作内容变成了指挥多个 AI 智能体干活——从"手搓代码"变成了"工地总指挥"。

流程变成了：想清楚需求 → 自然语言描述 → AI 生成代码 → 审查测试集成。

审查，成了核心技能。Sonar 的调研印证了这一点：81% 的工程负责人表示，AI 省下的时间现在又花在了审查 AI 产出上。代码写得越快，审查的压力越大。

Andrej Karpathy 本人在 2026 年初提出了一个概念："产出式怀疑"——主动地质疑和评估 AI 的产出，而不是被动接收。他已经不把 IDE 当作写代码的地方，而是当作审查和编辑 Agent 产出的平台。他的 CLAUDE.md 文件被 fork 超过 10 万次，成了 AI 时代的"编码十诫"。

能力模型的底层逻辑已经变了：

七、真正的问题是"还剩什么"，不是"剩下多少"

AWS CEO 做了一个精妙的类比：程序员不是"收费站工人"——那种被自动化完全替代的角色。更像"银行柜员"——ATM 让基础交易自动化后，反而催生了更多网点、更多处理复杂金融对话的柜员。

AI 消除了例行实现，但扩大了"工程"的总表面积。

但这只对能跟上的人成立。纽约联储 2025 年的研究显示，计算机科学毕业生的失业率已经达到 6.1%-7.5%，是生物学和艺术史专业的两倍多——一个曾经被认为"最好找工作"的专业，正在变成最难的一个。

Sridhar Vembu（Zoho 创始人）说得更直白："More code ≠ more productivity." 他在 Moneycontrol 的采访中警告，AI 生成的代码量已经大到了审查体系追不上的程度，"像老鼠窝一样的技术债正在堆积"。

从手写代码到"智能体工程"（Agentic Engineering），这不是工具升级，而是职业定义的改写。编程正在从精确性工作变成判断力工作——写代码的动作贬值了，但判断该写什么、为什么写、写完后如何验证的能力，比任何时候都贵。

在 Anthropic，Claude 实例之间已经通过 Slack 自主通信解决问题。在一个工程师一天能提交 27 个 AI 生成的 PR 的世界里，你的价值不来自你敲了多少行代码，而来自你在那 27 个 PR 中挑出了几个不该合并的，以及在 AI 没想到的地方设计了什么。

回到那个问题：当 AI 写完了 90% 的代码，程序员还剩什么？

剩下那 10% 里需要的全部判断力、系统思维、产品直觉和"这东西到底能不能上线"的最后一票否决权。

而这 10%，恰好是整个工程里最难的那部分。