副标题：被替代的是工序，不是职业

2023 到 2025 年，美国"programmer"（写代码的那个人）这个岗位名的就业人数下降了 

；同一段时间、同一个行业，"software developer"（设计系统的人）只下降了 

两个数字差了 27 个百分点。它们来自同一份行业统计，描述的是同一群人、干着外人眼中差不多的活。

我想用这组数字做全文的题眼：

AI 正在消灭的不是"程序员"这个身份，而是"把需求翻译成代码"这道工序。

这道工序会消失，职业不会。但"不会消失"和"对你个人没有影响"是两件事。这篇文章想说清楚三件事：AI 到底改了什么、为什么软件需求反而会被它推得更大、以及在这个被推大的需求里，程序员到底该站在哪个位置。结尾我会分开写给两类人——正焦虑的在职工程师，和正在决定砍不砍初级岗的管理者。

一、现状：AI 确实进来了，但它改的是工序

先说一个不用争论的事实：采用率已经见顶。

Black Duck 的调查显示，97% 的团队已经在用 AI 编程助手；JetBrains 调研了 1.1 万名开发者，90% 的人日常在用，但真正用上 Agent（能自主多步完成任务的那一类）的只有 22%。换句话说，工具已经铺满桌面，但大多数人还停留在"自动补全增强版"的阶段。

真正有意思的变化不在"用没用"，而在"时间花在哪"。

上的时间，还多于审查 AI 代码的时间；到了现在，反过来了——开发者平均每周花 

。工作量没有消失，它搬了家：从"生产"挪到了"验证"。

这恰好解释了为什么效率数据是个罗生门。厂商说用了能每周省 8 小时，DORA 说 80% 的人觉得变快了；但 METR 做过一个随机对照试验，把资深开发者随机分成用 AI 和不用 AI 两组，结果用 AI 的那组

——整整 40 个百分点的认知误差。不是他们笨，而是 AI 把时间成本藏到了下游：多出来的审查、返工、安全排查，都没算进"我写这段代码花了多久"的直觉里。

质量是有代价的。AI 参与的 PR 平均比纯人工的大 18%、故障多 24%、变更失败率高 30%；Veracode 的测试更直接，44% 的 AI 生成任务会引入有风险的漏洞。

所以这一段要落在一个反直觉的点上：

这些"负面数据"，恰恰不是悲观的证据，而是乐观的证据。

 它说明 AI 的效率红利没有干净利落地转化成"少雇人"，因为下游多出来的验证、安全、返工，全是必须有人干、而且往往是更贵的人干的活。AI 把成本从"生产代码"挪到了"验证代码"——而验证，需要人。

二、归因校正：裁员的账不能全算在 AI 头上

如果你是从业者，看到这里大概想说："我同事上周刚被裁。"

我说过，这篇文章的乐观必须建立在先把坏消息说透的基础上。所以这一段，我把裁员这件事单独拎出来。

2026 年美国科技行业裁员约 14.8 万人。但 Challenger 的归因分析里，明确归到"AI"头上的只占 25%–26%，更大的头是"市场与经济因素"——说白了，是 2020–2021 年过度扩张之后的宿醉。Sam Altman 自己都承认存在 "AI washing"：本来就要裁掉的人，甩锅给 AI 听起来体面得多。

唯一确凿的、能撕掉"周期性"标签的信号，藏在年龄结构里：

22–25 岁的开发者就业下降了近 20%，而同公司 30 岁以上的开发者同期增长了 6%–12%

请注意这个画面——不是在裁人，是在

。资深的人留着，入口被悄悄焊上了。这比"大规模裁员"更值得警惕，也更值得拆开看：它意味着行业对 AI 的判断是"先用起来替补初级产能"，而不是"整体产能已经过剩到要砍中层"。

把"周期性收缩"和"结构性替代"分开，是判断未来的前提。前者会回来，后者不会。下面要论证的，是后者并没有表面看起来那么可怕。

：当一种资源的使用效率大幅提升、成本大幅下降，需求不降反升。煤炭更省着烧，不是用得少了，而是因为便宜了，被用到了更多以前烧不起的地方。

软件正在经历同样的事。过去每家公司都有一份"太贵所以没做"的清单——内部工具、系统间集成、历史技术债迁移、给某个小流程写个自动化脚本。每一项独立看 ROI 都勉强为负，所以永远排在 backlog 最底下。当 AI 把"写出一个能跑的版本"的成本砍掉一大截，这一整列清单会集体越过 ROI 门槛，变成真实的需求。

硬数据撑得住这个判断。BLS（美国劳工统计局）预测 2024–2034 年软件开发者的岗位将增长 

。需求不是在被满足后萎缩，而是在被解锁后膨胀。

。AI 只生产代码，不吸收它制造的系统复杂度。代码量涨上去，集成债、安全攻击面、长期维护负担同步涨。你请 AI 一天生成一万行，你就多了一万行要有人看懂、要有人为它负责。生产的边际成本降了，验证和治理的总成本反而升了。

但结构性乐观最危险的地方，是变成自嗨。所以我必须写反方，而且写得比悲观派还狠：

杰文斯悖论成立的前提，是 AI 是"互补品"而非"替代品"。

 如果 AI 最终能完全替代一个角色，那么成本下降带来的需求扩张，会被角色本身的消失抵消。而这个前提现在根本没被证明。更狠的是，BLS 同一份报告里，"computer programmer"（纯编程）这个细分岗位的预测是 

——这和开篇那个 27.5% 的数字完全咬合：在衰减的，从来是"敲代码"这个动作，不是"做软件"这件事。

中国市场的对照更戏剧化：传统软件开发岗位招聘量同比跌超 70%，校招出现 15 人抢 1 个坑；与此同时，AI 工程化、大模型应用、安全相关岗位的需求在暴涨。同一个国家、同一年，软件需求在塌方，也在喷发——塌的是旧工序，喷的是新能力。

需求会涨，但涨的不是"写代码的人"，而是"定义系统、验证系统、为系统负责的人"。

四、程序员在所有职业里的相对位置

现在做横向对比，而且我要先泼一盆冷水，免得有人觉得"程序员有优势"。

Anthropic 测过 342 个职业对 AI 的"暴露度"——也就是多大比例的工作内容理论上能被当前 AI 处理。

，高于客服（70%）、市场研究（65%）、财务分析师（57%）。也就是说，如果只看"工作内容能被 AI 覆盖多少"，程序员是全职业里最危险的一批。

更扎心的是受冲击人群的特征：暴露度最高的是高学历、高收入的白领——硕士以上学历在零暴露职业组里的占比，不到高暴露组的三分之一；高暴露组的时薪平均比零暴露组高 47%。一句话，

AI 第一波砍的是"脑子好使、工资又高"的白领，不是蓝领。

 厨师、修理工、救生员这些职业的暴露度接近 0，约 30% 的劳动者几乎完全没被波及。

所以这一段不能写成"程序员有优势"，得写成：

程序员是最先被推下悬崖的人，但也是唯一带了降落伞的人。

 三个真实的、别人抢不走的降落伞：

还有一个神来之笔的数据，值得单独拎出来：

Anthropic 发现，AI 理论上能处理程序员 94% 的任务，但实际观测到的只有 33%。

 中间那 61 个百分点，不是模型的谦虚，是落地时的现实摩擦——权限、上下文、组织流程、没人敢签的字。这 61 个百分点，就是所有人剩下的时间窗口，也是这篇文章能给的最诚实的答案。

五、终局推演：如果 AI 真能干大多数事

把视角拉到最远。假如有一天 AI 真的能干掉大多数"事情"，剩下的岗位大概只剩两类：

 莫拉维克悖论早就指出，对人工智能来说，推理这种"高级"智能反而容易，走路、抓握、在杂乱环境里拧一颗螺丝这种"低级"智能极度困难。AI 先自动化的是"思考"，最后才自动化"动手"。所以越是贴着物理世界的活儿，越是最后被替代。

 谁签字，谁背锅。金融、医疗、航空这些领域的合规要求，让"未经人类验证的 AI 输出"直接等于法律责任。只要责任还挂在人头上，就总得有个人站在输出背后。

程序员的位置微妙而关键：他是少数

的职业。把物理世界数字化——具身智能的控制、机器人软件、工业系统——要靠他；给 AI 装护栏、做可观测、做审计追溯，也要靠他。这不是情怀，是数据：安全工程岗位同比增长 

。在"AI 干大多数事"的终局里，程序员不是边缘角色，而是那个给 AI 上缰绳、又把 AI 接进真实世界的人。

六、行动建议：分开写给两类人

前面五段如果只停留在"行业没问题"，那就是何不食肉糜。所以这一段，落到具体的你。

给在职程序员：从"实现者"迁到"验证者与定义者"

核心动作是身份迁移。当"把需求翻译成代码"这道工序被压缩，你的价值要从"写得多快"转向"判得准不准、定义得清不清、负得起责不负得起"。

这里有一个反共识的观点，我认为是全文最该被记住的一句：

真正危险的不是"不会用 AI 的程序员"，而是"只会用 AI 的程序员"。

原因在于，验证能力来自你曾经手写过、debug 过、被生产事故坑过的那些痛苦。你之所以能一眼看出 AI 给的代码哪里会炸，是因为你十年前亲手炸过。Hacker News 上票数最高的一条评论说得最准：

AI 只在你有能力验证它的地方，才真正有用。所以给工程师的建议不是"去学 prompt"，而是：

守住你深度掌握的那一块，让 AI 在你的判断半径里放大你，而不是替你跳出判断半径。

 向外扩的是你使用 AI 的疆域，向内不能塌的是你验证 AI 的底线。

给技术管理者：三条反直觉的建议

第一，别用代码行数或 PR 数量衡量 AI 收益。

 METR 已经证明，人会高估 AI 带来的提速 40 个百分点。你拿这两个指标做考核，会直接骗到自己，然后在错误的方向上加码。

第二，把省下的工时投进 backlog，而不是投进裁员表。

 AI 释放出来的不是"可以砍掉的人"，而是"可以开始还的技术债"。把审查、安全、架构梳理这些一直没空做的事排进去，组织的系统复杂度才会跟着代码量一起被管好。

第三，保住初级管线是竞争优势，不是成本。

 我前面提过，初级岗位是生产资深工程师的唯一流水线——你没法把十年的线上事故压缩进 prompt 练习。现在砍掉入口，2031 年就没有人能站在 AI 输出背后说"你在胡扯"了。反例是 IBM：2026 年它反其道而行，把应届招聘扩大到 3 倍，公开理由是"AI 需要人来监督，砍掉初级管线是长期的管理灾难"。

27.5% 与 0.3%。掉下去的是"programmer"，站稳的是"software developer"。这组反差说的不是行业在萎缩，而是职业在被重新定价：

为"写出代码"付的钱在跌，为"判断该写什么、验证写得对不对、为结果负责"付的钱在涨。

程序员这个职业没有消失。它只是从"翻译需求的人"，变成了"定义系统、驾驭工具、承担后果的人"。前者正在被工序化、被自动化；后者，恰恰因为 AI 能把前者干掉，才变得比以往任何时候都稀缺。

窗口是真实的——那 61 个百分点。但它不会永远开着。

（全文约 5200 字。核心数据来源：BLS 2024–2034 就业预测、斯坦福 AI Index、METR 随机对照试验、Anthropic 职业暴露度研究、JetBrains 开发者调查、Black Duck / Veracode 行业报告、Challenger 2026 裁员归因、IEEE Spectrum 岗位统计、GitHub 2025 年度数据。）

2023 到 2025 年，美国"programmer"（写代码的那个人）这个岗位名的就业人数下降了 27.5%；同一段时间、同一个行业，"software developer"（设计系统的人）只下降了 0.3%。

AI 时代，程序员该何去何从？

架构师

人工智能

职业发展

编程语言

AI正在消灭的不是程序员职业，而是"把需求翻译成代码"这道工序。2023-2025年，美国programmer岗位下降27.5%，而softwaredeveloper仅下降0.3%。AI将工作重心从"生产代码"转向"验证代码"，开发者每周花11.4小时审查AI代码。需求不降反升，BLS预测软件开发岗将增长15%。真正稀缺的是能定义系统、验证AI输出、承担责任的人。

大模型应用

软件开发

软件需求

具身智能

AI编程

GitHub

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI正在消灭的不是程序员职业，而是"把需求翻译成代码"这道工序。2023-2025年，美国programmer岗位下降27.5%，而softwaredeveloper仅下降0.3%。AI将工作重心从"生产代码"转向"验证代码"，开发者每周花11.4小时审查AI代码。需求不降反升，BLS预测软件开发岗将增长15%。真正稀...

AI 时代，程序员该何去何从？

AI 时代，程序员该何去何从？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐