前两天刷到一句话:程序员以后不会再有寒冬了,因为这是将是他们的最后一个寒冬。
看完有点心酸,但也觉得挺有道理,就顺手在抖音转了一下,没敢配评论。结果评论区里大部分人的判断跟我差不多——看来这不是我一个人的体感。
最近也总被问到那个经典问题:"AI 写代码都这么强了,程序员是不是要消失了?"
今天想正面聊聊。
先说我自己:半年前,我把十年积累一键清零了
本科读的计算机,出来工作 11 年,按工龄算已经是 10 年+ 的程序员了。
前几天看了下我的 GitHub ,Star也破万了,可能很多人不知道这是什么水平,这个基本上全球排名Top 5000、国内Top 500。另外,工作这些年,高并发的系统架构做过,业务系统写过,从 0 到 1 的项目也带过。
大厂程序员、十年经验、系统架构、高并发、技术博主、GitHub 高星——这些标签拼在一起,怎么说都算个资深程序员了。
但半年前,我转岗做了产品经理。
在不少老同行眼里,这基本等于自废武功——十年攒下的东西,说扔就扔。我自己倒不觉得后悔。
有句年轻的老话:沉没成本不参与重大决策。 过去的十年是你的资产,但不是你必须继续走下去的理由。
还有一句更老的:春江水暖鸭先知。
其实从我这个选择上,大家已经能看出我对今天这个问题的立场了。不过立场归立场,这个话题还是得展开说说。
我的答案是:看你怎么定义"程序员"。
如果程序员指的是"靠把人类语言翻译成代码谋生的人",那我要说一个不太好听的观察——这个岗位基本已经消失殆尽了。但如果指的是"研发工程师",那答案是:人确实在变少,但远不到消失的程度。
这两个说法听起来矛盾,其实是一件事的两面。
从手写代码的视角看:这个岗位已经消失殆尽
先说我身边的观察:已经没有人自己写代码了,全都在指挥 AI 干活。
有人用补全工具,有人直接让 AI 写整个模块,还有人干脆把需求文档丢过去,等它交付。还在坚持一行行手敲的,只剩下极少数"古法程序员"——要么是公司整体不拥抱 AI,要么公司可能面对特殊行业要求。
这类人我挺尊敬的,但说实话,你以后可能不太能指望靠这门手艺赚钱养家了。
这不是什么新故事。最贴切的例子是打字员:上世纪八十年代,"会打字"是一门正经职业,能写进简历的那种。后来 Word 普及,打字员这个职业消失了——不是因为没人需要打字,而是因为打字变成了空气一样的底层技能。
写代码正在经历同样的事:"会写代码"正在从一项职业技能,退化成一项基础素养。 当 AI 能把意图直接翻译成代码,"翻译"这个环节就不值钱了。
从研发工程师的视角看:缩减,但远不到灭顶
过去几年,研发岗位确实一直在收缩编制、少招人、小批量裁员。但除了业务整体裁撤、或者公司直接倒掉,很少有公司会把整个研发团队端掉。至少未来这几年,公司依然需要一批研发工程师来支撑自己的业务。
为什么?我看到三个原因。
1. 组织有惯性:代码只是公司身上很小的一块
因为写代码只是研发工作流里最容易被替代的一环,而它恰恰从来就不是最值钱的那一环。
公司是个复杂的组织,系统和代码只是其中很小一部分,更大的一部分是人与人的关系。
一个公司存在的意义,目前仍然是为人服务;而大量关键信息并不在系统里,而是在员工之间的关系里、在员工的脑子里。代码这块确实被 AI 渗透得最狠,但如果你因为这一块就能被替代,就把剩下所有的人都裁了——那才是公司真正的灭顶之灾。
一个功能从想法到上线,中间要经过:这需求到底要解决什么问题、方案怎么设计、技术怎么选型、边界条件怎么处理、出了线上事故谁兜底。编码只是其中"手熟"的部分。AI 吃掉的是"手熟",吃不掉"拍板"。
2. 人与 AI 之间,需要一个专业的"需求定义"岗位
用户说出来的诉求,和 AI 能理解、能实现的诉求,中间隔着一道很深的信息压缩。
把"我想要这个功能"理清成"要做哪些事、边界在哪、怎么算做完",这个工作目前还得人来做。
注意这跟前面说的"翻译"不是一回事:前面被 AI 吃掉的是实现层的翻译(意图 → 代码),这里需要人的是需求层的澄清(模糊诉求 → 可执行、可验收的定义)。两者是上下游:下游交给 AI 之后,上游反而成了瓶颈。
这恰好就是我现在的产品经理岗最核心的职责之一。以后可能没有"产品经理"这个叫法了,但用户诉求和 AI 可实现之间那道需求定义与澄清,一定还需要人。
3. 现阶段,仍然需要人去决策、判断、给 AI 指路
AI 发展很快,在写代码这个领域尤其成熟,能力也最强。但它覆盖的只是真实物理世界里极小的一个角落。
说白了:它只能知道系统里存了什么。 而现实世界里还有大量信息从来没被系统存储和处理过,这部分它感知不到。偏偏很多关键决策,依赖的正是这些信息。
那这些信息谁来收集?谁来判断?谁来拍板?还得是人。
我的实际观察也支持这个判断:团队里初级岗位在缩减,过去一个需求配三个人的活,现在一个人加 AI 就够了;但对能拍板的人的需求没有降——反而更缺了。因为 AI 把生产的边际成本打到接近零之后,"决定生产什么、怎么验收、错了谁负责"这些东西就更贵了。
把上面这些合起来看:研发工程师的主要职责,已经不是 coding 了。
我甚至觉得再叫"研发工程师"都不太合适。单从"研发"这个视角看,AI 做得比人更快更好。这个岗位更像是在做人和系统之间的对接——如果非要起个名字,我会叫它 "人机系统对接工程师"。行业里目前没人这么叫,但我觉得这个定位很准确。
顺带说一句,我以前那个判断这一年也修正过:AI 会干掉大量初级程序员,但对高级程序员是能力增强——现在看不太准确。不是"高级程序员"被增强,而是"会写代码的人"和"会做决策的人"正在被拆成两个物种,前者在贬值,后者在升值。代码越便宜,"决定写什么代码"就越贵,这是稀缺性在起作用。
一句话总结:代码不再是资产,判断力才是。
那程序员的未来到底在哪里
去年年底,我在博客里写过一篇关于程序员未来定位的文章。当时我已经是公司内部少数大量用 AI 生成代码的人,AI 生成的代码占比到了 90%+(可能也是因为我当时做的是新项目,没有历史包袱)。
文章里我提了三个方向。不过在逐个回头看之前,得先说一个当时最流行的担心——直到今天还有人这么说:AI 写的都是屎山,总有一天要塌。
一年过去了,这件事没有发生。互联网上不少知名产品,甚至一些 AI 编程工具本身,就是用 AI 写出来的代码在持续迭代。所以那三个方向,得按一年后的 AI 能力重新过一遍。
一是产品经理。 当代码不需要人写的时候,人最大的作用是决定做哪些功能,而不是实现这些功能。这一点跟大多数人的认知一致。
二是系统架构师。 当时我认为,AI 实现细节可以,但整体架构还是得人来把控。这条判断要打折扣了,它也是我这一年最大的认知变化:它可以把整个系统的代码放进自己的上下文里,理解架构的分层和信息流——这一点,绝大多数对系统了如指掌的资深工程师都做不到,人记不住这么多层。所以在系统级设计上,它的表现比大部分人预期的要好。
三是管理者。 人的角色像一个团队 leader 或者 PMO,去管理和把控 AI 的产出,对它的产出质量做验收。这个角色我认为会长期存在。
而那篇文章发出来到现在,也就一年光景。
一年前,用 AI 写代码还是少数人的玩法;现在人人都在用,手写代码已经成了所谓的"古法",连很多非技术岗位都在写代码——我们公司也会要求他们写。
三个方向里有些因为 AI 能力的进步已经不太适用了,但有一个大方向是确定的:
未来人与 AI 协作,人的主要作用,是人和系统之间的连接,以及关键的决策和判断。
这也就是前面说的"人机系统对接工程师"。名字会换,性质会变,但被拿走的是什么、留下来的又是什么,其实很清楚。
类比一下摄影:照相机发明的时候,所有人都说画家要失业了。结果呢?画家没消失,但"画得像"这个卖点死了。绘画从记录现实的工具,变成了表达观点的媒介。摄影师没有杀死画家,杀死的是"画匠"。 换成程序员也一样——被拿走的是打字的手,不是做判断的脑子。
但要提醒一句:人机系统对接工程师 这不是一个单一的岗位。 它更可能是产品、架构、管理者多个视角的融合,对个人的要求反而更高——既要懂业务,又要懂系统,还得能管住 AI 的产出。
只掌握单一技能的人,未来的职业发展大概率不会太好,程序员尤其如此。
所以我给还在写业务代码、跟我差不多水平的同行一句建议:别把重心放在追逐那些浩如烟海的技术细节上。那些东西 AI 比你熟,而且每天都在变。
把精力挪到那些看起来"虚"的地方去——跟人沟通的能力,系统性的判断和决策能力。这些东西以前是加分项,现在是主战场。
那现在学编程还有意义吗
每次聊到这,总有人追问:那小孩子还有必要学编程吗?
我的答案是:有,但学的目的变了。
学编程不是为了当"打字的那个人",而是为了拿到一套拆解问题的习惯,也就是常说的计算思维——怎么把模糊的问题拆成清晰的步骤,怎么定义"做完了",怎么预判哪里会出错。
这套东西在 AI 时代非但没有贬值,反而是验收 AI 输出的基本功。语法会过时,拆问题的能力不会。
更远的未来
再往远看一层:也许 AI 真会无差别地取代任何一个人。
如果这个趋势是摧枯拉朽地碾过来,那作为一个个体,我没有任何办法。这一点我不打算假装乐观。
但换个角度想:我们现在站在这个时代的最前沿,如果连我们这批人都活不下去,那其他行业的人就更谈不上该怎么活了。天塌下来有高个子顶着,这点我们无需担心。
最后回到标题:所以程序员会消失,但AI(爱)不会!
推荐阅读
如果这篇让你有点想法,下面这些是我在公众号(XIN洞察)上写过、跟这个话题更近的文章:
职业、组织与商业
- 为什么程序员反而是 AI 冲击最大的行业:为什么这一轮冲击先落在门槛最高的程序员身上
- 程序员的阶级固化:同一个职业三种人生:同一个职业里,三种已经不互通的处境
- AI时代,中层管理者之危:AI 的刀锋指向的不是底层,是中间层
- AI 提效了,公司为什么还是没赚到钱:提效是产能,赚钱是变现,不是一回事
- 为什么AI提效了但工作时间却没有变短:效率红利,被更高的要求吃掉了
- 为什么很多公司(团队)会考核工时:工时未必准确,但最容易统计和解释
- 超级个体能撑起一家公司,却未必能赚到钱:一人公司最真实的卡点在哪
- 超级个体为什么还需要团队?200 年前就有了答案:用比较优势解释强者为什么要带人
- Loop Engineering 与组织运作的相似性:AI 圈的新词,其实是老管理规律换了说法
工具、方法与写作
- 给上百人培训过 AI 知识库后,我发现:大多数人不需要它:判断标准不是岗位,是信息结构
- 我和 AI 共创了一套会自己生长的 Obsidian 知识库:这个库本身是怎么被 AI 维护的
- 烧 Token:一件正在被重新审视的事:AI 编程圈的"凡尔赛",以及它为什么正在被重新审视
- 我对 AI 写作的看法,以及我是怎么用的:AI 抬高下限之后,写作的瓶颈从墨水存量挪到了想法,附我的四步流程与整理 prompt
- 聊一聊会员制与订阅制定价:AI 产品定价绕不开的"价值—价格—成本"三条线









