腾讯大部分代码已由AI生成,工程师还在干嘛?

6月1日，台北，GTC Taipei。

黄仁勋站在台上，对着台下几千人说了一句话。

这句话后来被财联社的报道原文引用——

AI减少工作岗位完全是胡说八道，实际上有更多软件工程师被雇用。

现场有人鼓掌，有人拍照，有人低头开始写稿。

我读完这句话，第一反应不是他说得对不对，而是——他给了什么数据来支撑这个判断？

因为一个人的结论可以错，但他拿出来的数字通常不会凭空捏造。数字本身不会撒谎，但选择性地展示哪些数字，本身就是一种叙事。

所以我决定做一件笨事：把黄仁勋提到的数据，和其他来源的数据放在一起看。不站队，不喊口号，就拆。

· · ·

14亿次，然后呢

黄仁勋在GTC Taipei上抛出的一组数字是这样的：

AI编程使用次数——2023年3亿次，2024年4亿次，2025年5亿次，2026年前几个月已经飙升至14亿次。

14亿。

接近2025年全年的3倍。

全球专业软件开发者有多少？3000万到4000万。GitHub Copilot的安装量已经超过7300万。

这些数字放在一起，确实能得出一个结论：AI编程工具的使用量在爆发式增长。

但我想追问的是：这14亿次使用，到底意味着什么？

这里有一个很多人忽略的区分——AI编程使用次数的暴增，不等于人类编程行为的暴增。

这两个概念之间的缝隙，才是真正有意思的地方。

换句话说，AI编程工具的爆发式使用中，有很大一部分不是因为以前用手写的事情现在用AI写，而是以前压根不做的事情现在开始做了。

AI编程正在重演这个悖论。

代码生成的成本在急剧下降，所以我们对代码的需求在急剧上升。14亿次使用，其中一部分是替代了人力，另一部分是创造了以前不存在的任务。

黄仁勋拿出了这个数字，说你看，使用量在暴增，工程师也在增加。逻辑上没错。但他只讲了故事的一半。

另一半是：这些工程师正在做的事情，和三年前已经完全不同了。

· · ·

岗位没少，但岗位正在被替换

大部分。

不是一部分，不是越来越多，是大部分。

腾讯2025年的资本开支是792亿元，2026年预计850到1170亿元，其中AI相关投入超过50%。

那工程师在干什么？

Anthropic的那项内部研究给出了更具体的画像——Claude在工程师中的使用率从28%上升到59%，几乎翻倍。工程师自报的效率提升从+20%跳到+50%。每名工程师每天合并的PR（Pull Request）数量增加了67%。

67%的PR增长。

这意味着什么？意味着工程师每天处理的代码量大幅增加了，但这些代码很大一部分不是他们自己一行一行敲出来的。

他们的工作正在从写代码变成审代码、定义规格、调试AI生成的代码。

这个转变听起来很温和，像是一个工作流程的优化。但如果你仔细想，它的含义相当深刻。

一个软件工程师的核心竞争力，过去二十年一直是把需求翻译成可运行的代码。这是考试考的，这是面试考的，这是绩效评估的。

但现在，翻译这件事AI做得越来越快。

那工程师的核心竞争力变成了什么？

变成了判断AI写的代码对不对、好不好、安不安全。变成了在AI给出五种方案的时候，选择正确的方向。变成了在AI没能力处理的边界问题上，亲自上手。

这就是我说的岗位替换——不是岗位消失了，是岗位的内涵被静默替换了。

外表还是那个软件工程师的title，但里面的活儿，已经换了。

· · ·

稀缺性迁移：从编写到验证

腾讯研究院在《AI Coding观察报告2.0》里下了一个判断，我认为是过去一年关于AI编程最有洞察力的一句话：

这个词用得很精准。

当一个东西的供应成本趋近于零，它就从稀缺资源变成丰饶资源。然后经济学的基本规律开始生效——价值会从生产端转移到筛选端。

就像印刷术发明之后，写书不再是瓶颈，选什么书出版才是。就像互联网之后，生产内容不再是瓶颈，分发和推荐才是。

代码也一样。

当AI可以在几秒钟内生成几百行代码，写代码本身不再是瓶颈。瓶颈变成了：这堆代码对不对？能不能用？安不安全？符合不符合需求？

验证，成了新的稀缺能力。

Anthropic的研究从另一个角度印证了这个判断。他们发现工程师最不愿意交给AI的任务类型，恰恰是设计决策和高层战略相关的。

换句话说，当AI能做的越来越多，人类工程师会本能地把精力往AI做不了的方向收缩——往决策层走，往架构层走，往判断什么是正确的事的方向走。

但它带来的一个问题是：不是每个工程师都能完成这种迁移。

一个擅长写CRUD接口的工程师，和一个擅长做系统架构设计的工程师，面对AI冲击时的适应能力是完全不同的。前者发现AI做自己的活儿比自己快，后者发现AI是自己的效率倍增器。

同样的技术变革，对不同的人意味着完全不同的事情。

黄仁勋说有更多软件工程师被雇用——这可能是真的。但被雇用的那些工程师，和五年前被雇用的工程师，可能在做截然不同的工作。

· · ·

黄仁勋为什么这么说

说到这里，我想回头聊一个更现实的问题：黄仁勋为什么要这么说？

不是说他一定在说谎。我前面说了，他拿出来的数据是真的。

但一个人选择在什么场合、用什么框架、强调哪些数据——这些选择本身就是信息。

黄仁勋是英伟达的CEO。英伟达卖的是什么？算力芯片。

AI编程工具越普及，每次生成代码消耗的token越多，对算力的需求越大，对英伟达芯片的需求越大。

他的商业利益和AI编程工具被广泛采用这件事是高度绑定的。

所以当他在GTC台北台上说AI不会减少工作岗位，实际上有更多工程师被雇用的时候，他做了一件非常精明的事——用真实的数据，构建了一个对英伟达有利的叙事框架。

这个框架的逻辑链是：AI编程工具使用量暴增 → 工程师没有被取代 → 所以企业应该放心大胆地采购AI基础设施 → 所以你应该买更多英伟达的芯片。

每一步都是对的。但每一步都只展示了真相的一个切面。

他没有说的是：岗位在增加的同时，岗位的技能要求在快速变化。他没有说的是：一部分工程师确实在受益，但另一部分工程师正在经历痛苦的能力重建。他没有说的是：工程师数量增加和每个工程师的不可替代性增强是两件完全不同的事。

这些不是谎言，是被省略的上下文。

在公共沟通中，省略有时候比撒谎更有力。因为你没法反驳一个没说出口的东西。

我无意把黄仁勋塑造成一个狡猾的商人。他可能真心相信自己的判断。但作为信息的接收者，我有责任把他放在什么位置上讲这番话这件事纳入考量。

一个卖算力芯片的人告诉你AI工具很好用，大家都在用，不用担心，和一个人力资源总监告诉你同样的话，权重是不一样的。

· · ·

安静的结构性替换

回到开头那句胡说八道。

黄仁勋说得对不对？

从岗位数量这个维度看，他说的很可能是对的。AI编程工具的爆发式使用确实创造了新的需求，新的岗位确实在出现。

但从岗位内涵这个维度看，他只说了一半的真相。

我来做个总结：

所以这不是AI会不会抢饭碗的二元问题。

岗位的数量没有剧烈变化，但岗位里面装的内容，正在被一块一块地换掉。

增加的是能够驾驭AI的岗位——定义问题、审核输出、做架构决策、处理AI无法处理的边界case。

减少的是以把明确需求翻译成代码为核心价值的岗位——因为这件事，AI做得越来越快、越来越便宜、越来越好。

黄仁勋说AI减少工作岗位完全是胡说八道。

我同意。岗位确实没有被大规模减少。

但我补充一句他没说的话：

岗位还在，但岗位里面的活儿，已经不完全是以前的活儿了。

外表没变，内核已换。

这才是2026年AI编程浪潮中最值得被看见的事实。