夜雨聆风Hacker News 前几天挂出一篇 800 多分的帖子，标题是《AI 正在移除软件工程的中产阶级》，近 800 条评论吵成一团。作者是伦敦一位写了十年代码的工程师 Florian Herrengt。我的看法放在最前面：他说对了一半，实现变廉价、判断力变贵是真的。但更麻烦的问题他只点了一下——中间的活都交给 AI 之后，下一批资深工程师从哪里长出来？
原帖的论证
Herrengt 用一组假想的对比场景开头。2020 年，你休假几周，回来代码库才会烂掉。2026 年，一个平常的周一早上，等着你审的 PR 有 7 个，第一个就是加了 24506 行、删了 3938 行，配着 AI 生成的描述。到下午，7 个变成 13 个。
要命的是这些代码表面上能跑。拉下来测一测大概没问题，于是没人停手。知识被外包给了模型：你问同事数据是从哪来的，对方回答"我问下 Claude"。设计决策埋在一段十几轮的对话链接里。
他给的不对称性论证也很直观：让模型加几张表只要几分钟，但表里一旦存了生产数据，删掉就要迁移方案、要处理外键、要考虑回滚。你解开一个坏决策的时间里，又有新的坏决策被 merge 了。
结论落在一句话上：
Today, implementation is cheap. You are paid to make good decisions.
今天，实现是廉价的，你拿工资是为了做出好决策。他赌薪资会进一步两极分化——想被雇用，你得跨过一道门槛，这道门槛就是当下最强模型能做到的水平。
反对的人也有硬理由
评论区排在前面的几条反驳，值得认真看。
一条说这不是 AI 独有的剧情：技术几十年来一直在掏空各行业的中间层，律所整合让区域合伙人的路径消失，电商干掉了本地小生意，AI 只是延续了这条线。
另一条更不客气，说原帖戴着怀旧滤镜：AI 之前的日子也没有"总有个人懂系统"，懂的人早离职了，没人写测试，没文档，"以前就是烂的，兄弟"。
还有人直接要证据：编码 agent 已经存在两三年了，有没有任何一例可以确凿归因于它的工程师岗位损失？经济学角度的反驳也在场：工具全行业人人可用，相当于大家同时垫高，on-call、维护、规划这些需求都还在，行业不会收缩到只剩顶尖的人。
数据能证明的部分：先被挤压的是入口
真实数据比双方的判断都更具体。斯坦福团队基于覆盖数百万上班族的工资单数据做过一项追踪，8 月刚更新过一版：生成式 AI 普及后，22 到 25 岁人群里，AI 高暴露职业的就业和低暴露职业拉开了约 19% 的缺口，暴露度最高的那批岗位就业水平比 2022 年 11 月降了约 11%，低暴露的反而涨了约 10%。有经验的从业者，就业基本稳定。
招聘端的数据同向。风投机构 SignalFire 的人才报告说，大厂的应届生和入门级招聘比 2019 年降了约 65%。同一份报告里还有个更细的数字：整体招聘比 2019 年降 25%，工程岗只降 11%，砍掉的集中在入门级，资深工程师在新入职里的占比反而升了。
这些数字没法把原因全归给 AI，同期还有加息和疫情后过度招聘的回调，研究者自己的措辞也是"与 AI 效应一致"，不是因果结论。但方向和原帖对得上：门槛附近的工作先被挤压，有经验的人暂时更稳。
比中间层消失更麻烦的，是梯子断了
评论区有两条声音，比原帖本身更让我在意。一条说，AI 加上全球劳工竞争的双重挤压，让进入初级和中级岗位从来没有这么难过，"我们通往资深工程师的管道已经断了"。另一条说得更直白：没有人天生是好工程师，都是熬夜、犯错、受苦堆出来的，以后不会再有预算让年轻人这样成长。
资深更值钱，是这场变化的上半场。下半场的问题是：判断力很大程度上是在写那些廉价实现的过程里长出来的。把这个过程整体交给模型，等这一代资深退场，下一代从哪来？
这个判断可以验证。接下来两三年，看大厂会不会重新捡起初级工程师培养计划，或者出现学徒制的变体。当然，培养计划受经济周期和预算的影响不比受 AI 的影响小，这个信号只能当参考，不能当判决书。
我如果模型能力继续按这两年的势头涨，"资深"本身也会被重新定义。在那之前，团队里最稳的位置，还是那个真正知道系统里发生了什么的人。
