夜雨聆风镜头 左边屏幕上，GitHub Copilot 刚刚自动补全了三十几行支付模块代码，逻辑严密，注释清晰。右边屏幕上，主管发来消息："下午两点，3 号会议室，带上你的电脑。"——如果 AI 能写我百分之六十的代码，公司为什么还需要一个完整的我？ |
2025 年春天，林远在深圳一家中型互联网公司做了十年后端开发。他是这篇文章的主角，也是这个时代无数程序员的影子。
01AI 编程，正在重写行业规则
林远的遭遇不是个例。把时间线拉长，数据比个人命运更冷静。
2026 年头两个月，全球科技巨头裁员超 9 万人，超过 2025 全年总和。 42%的代码由 AI 生成或辅助编写，而 2023 年这个数字只有 6%。 95%的 Y Combinator 创业公司代码由 AI 生成。Anthropic 90% 的代码已是 AI 写的。 |
微软裁了一万多人，其中四成是软件工程师。扎克伯格在内部信里写了一句让很多人睡不着的话——"过去需要多个团队的项目，如今仅需一名优秀人才。"
但 Anthropic 的 CEO 同时说了另一句话："你仍然需要同样多的软件工程师，甚至可能需要更多。"矛盾吗？表面矛盾，底层不矛盾。这恰恰是理解 AI 冲击的关键。
02谁在被淘汰，谁在变得更贵
林远被裁后投了一百多份简历，拿到四个面试。其中一家公司的面试官比他小八岁，问了一个他从未准备过的问题："你平时怎么用 Copilot 或 Claude Code？举几个具体例子。"他支吾着说了些套话，对方礼貌地结束了面试。
📉需求下降 Java 开发岗位 ↓ 32%-50% · 基础运维 ↓ 60% · 初级测试 ↓ 34% |
📈需求激增 AI 架构师 ↑ 120%-215% · 提示词工程师 ↑ 200%+ · AI 安全工程师供不应求 |
岗位没有消失，岗位在重新分布。斯坦福大学的研究发现，自 ChatGPT 发布以来，22 到 25 岁开发者的就业下降了约20%，而那些有十到十五年经验的资深工程师，需求不降反升。核心差别只有两个字——判断力。初级程序员做"实现"，这是 AI 最擅长的。高级工程师做"决策"，这是 AI 还不行的。
03"裁员悖论"：AI 到底夺走了多少工作
这里有一个值得停下来讲的重要事实。89%的企业因 AI 的"预期影响"而裁员。但只有2%的企业表示，裁员是因为 AI 确实替代了人的工作。
案例 Salesforce 裁掉 4000 人，声称 AI 转型。四个月后，AI 工具在实际业务中几乎完全失效，被迫重新招聘。超过30%曾因 AI 理由裁员的企业，后来又招回了原岗位的 25%-50%。 |
我们正在经历的，不是一场精确的"替代"，而是一场充满恐慌和试探的"重组"。企业急于用 AI 降成本，但很多时候并不清楚 AI 能替代什么。对林远们来说，这既是坏消息也是好消息——刀已经落下来了，但很多企业正在碰壁，开始重新理解人的价值。
04不写代码之后，还能做什么
林远失业的第二个月，开始认真思考出路。一个他带过的实习生的经历启发了他——那小伙子从 2024 年就重度使用 Cursor，到 2025 年已经能一个人完成过去半个团队的工作量。他的原话是："我不再是码农了，更像是 AI 的指挥官。我告诉它要做什么，它出方案，我判断对错。"
林远意识到自己掉进了一个心理陷阱——一直把 AI 当对手，从来没把它当杠杆。接下来三个月，他做了三件事。
| 第一件事 · 把 AI 变成搭档 花两周系统学习 Claude Code 和 Cursor 的高级用法。他发现自己十年积累的架构直觉成了巨大优势——看到 AI 生成的代码，一眼就能判断哪里有并发问题、哪里埋了性能隐患。一个初级程序员要跑完测试才知道的事，他看一眼就心里有数。 |
| 第二件事 · 解决真实世界的问题 接了一个传统制造企业的外包项目。飞到工厂待了三天，跟车间主任、质检员、维修工一个个聊，才发现真正的痛点不是"做个看板"，而是不同部门对数据的理解都不一样。他用 AI 写了 70% 的代码，把省下来的时间全部投入到需求理解和方案设计上。总硬件成本不到五千块，对方成了长期客户。 |
| 第三件事 · 帮别人重建信心 在 B 站开了个号，不卖焦虑不讲"再不转型就晚了"，就是把 AI 时代程序员的真实经历、踩过的坑、收入变化一五一十讲出来。第七期视频下有一条评论让他沉默了很久："我今年四十岁，看了你的视频终于敢碰 AI 工具了。以前觉得学不动了，现在我每天让 Claude 教我写 Python。" |
05三条路：AI 时代的程序员进化论
林远的故事是一个缩影。综合行业数据和大量真实案例，AI 时代程序员的出路正在聚拢成三条清晰的轨道。
路线一 AI 增强型工程师 把 AI 变成超能力放大器。核心能力三项——精准描述需求、快速判断 AI 输出质量、在 AI 方案之上做优化。门槛不高，适合大多数在职程序员，但需要从"我是写代码的"转变为"我是指挥 AI 写代码的"。 |
路线二 独立创造者 AI 把"一个人等于一个团队"从口号变成现实。过去需要前端、后端、设计师各一人的产品，现在一个人加上 AI 就可以做完。适合有产品思维和行业认知的程序员。风险高，上限也高。已经有大量案例证明，一个人借助 AI 独立开发的产品能产生可观的被动收入。 |
路线三 AI 系统设计师 最难，但护城河最深。核心能力包括大模型应用架构、AI Agent 协作流程设计、模型微调与部署、AI 安全与伦理把控。Gartner 预测，到 2027 年 80% 的工程人员需要因 AI 重新学习。坐在这个位置上的人，不是被 AI 威胁的人，而是决定 AI 怎么用的人。 |
三条路看似不同，但有一个共同的内核：从"代码的实现者"变成"问题的解决者"。代码只是手段，AI 把这种手段的门槛降到了史无前例的低位。但"理解人的需求、设计对的方案、做出对的判断"——这些事，AI 差得远。
✦结语：人的部分，不会过时
很多讨论把 AI 对程序员的影响简化成一个问题——它能不能写代码？能。写得好不好？越来越好。那程序员是不是要完？逻辑上似乎没毛病。
但这个逻辑漏掉了最重要的事情：代码从来不是程序员真正的价值。代码是手段，解决问题是目的。代码是语言，理解需求是前提。代码是执行，判断方向是核心。AI 正在成为世界上最擅长"手段""语言"和"执行"的东西。但"目的""前提"和"核心"——这些需要同理心、经验判断、在模糊中找到确定性的事情——依然是人来做的。
以前我觉得，程序员的价值是写出机器能懂的代码。现在我才明白，程序员真正的价值，是让机器替人干活，而人去做只有人才能做的事。听懂老板没说出来的需求，理解用户自己都说不清的痛点，在一百个方案里选那个不坑后人的——这些事，暂时还轮不到 AI。技术会淘汰技能，但不会淘汰关心。 |
—— END ——
