5个残酷的问题：软件工程还剩下什么？机器之心

软件行业正站在一个颇为微妙的拐点上。AI 已经从自动补全代码，演进为能够自主执行开发任务的智能体。

在这一变化之下，初级开发者和高级开发者正同时被推入各自不同、却同样棘手的困境之中。

对初级开发者而言，最大的挑战不在于会不会写代码，而在于还没来得及成长，练级空间就被压缩了。企业不再愿意为学习成本买单，初级岗位要么减少，要么被要求一上来就能独立产出。

而对高级开发者来说，处境同样不好过。AI 并没有让他们更轻松，而是让责任进一步集中。当团队规模缩小、初级人手减少，高级工程师往往既要做架构决策，又要兜底 AI 和自动化系统带来的各种隐性风险，代码质量、性能、安全、合规。写代码的比例在下降，但判断、评审和决策的压力却在上升，一旦系统出问题，责任仍然落在人身上。

接下来会发生什么，充满了不确定性。

Addy Osmani，来自谷歌的一名软件工程师，在一篇文章中提出了 5 个可能在 2026 年前重塑软件工程的关键问题，并为每个问题给出两种截然不同的走向。

文章链接：https://addyosmani.com/blog/next-two-years/

这五个问题都指向同一件事，软件工程正在从写代码的职业，转变为驾驭复杂系统与 AI 的职业。未来不是单一答案，而是多种路径并存，谁能适应变化，谁就能留下来。

初级开发者之问

结论很直接：随着 AI 开始自动化入门级任务，初级开发者的招聘可能会出现崩塌；也可能随着软件渗透到几乎所有行业而重新反弹。这两种未来都存在，但对应的生存策略完全不同。

像传统路径，学会编程、拿到初级岗位、逐步成长为高级工程师正在动摇。一项覆盖 6200 万名劳动者的哈佛研究发现，当企业采用生成式 AI 后，在六个季度内，初级开发者的就业人数下降了大约 9%–10%，而高级开发者的就业几乎没有变化。过去三年，大型科技公司招聘的应届毕业生数量减少了 50%。正如一位工程师略带讽刺地说：既然一个 AI 编码智能体的成本更低，为什么还要花 9 万美元去雇一个初级工程师？

这并不只是 AI 的问题。像利率上升等宏观因素，在 2022 年左右就已出现影响，那时 AI 工具还未大规模普及。但 AI 加速了这一趋势。如今，一名配备 AI 辅助的高级工程师，产出已经相当于过去一个小团队的工作量。相比裁员，许多公司更常见的做法是悄悄地不再招聘初级开发者。

反过来的情景是：AI 在所有行业，而不仅仅是科技行业，释放出对开发者的巨大需求。医疗、农业、制造业、金融业都开始大规模嵌入软件和自动化。AI 不是取代开发者，而是成为一种放大器，把开发工作扩展到过去几乎不雇程序员的领域。初级岗位会更多出现，但形式不同：那些能快速为特定细分场景构建自动化和集成方案的 AI 原生开发者。

美国劳工统计局预计，2024 年到 2034 年间，软件相关岗位将增长约 15%。如果企业选择用 AI 来扩大产出，而不是单纯压缩人力规模，它们仍然需要人类去把握 AI 创造的新机会。

但悲观情景的一个长期风险常常被忽视：今天的初级开发者，就是 5 到 10 年后的高级工程师和技术领导者。如果完全切断人才培养管道，最终会造成领导力真空。行业老兵将这种现象称为缓慢衰退，一个停止培养接班人的生态系统。

对于初级开发者来说，要让自己具备 AI 使用能力并保持多面性。证明一名初级开发者 + AI 的组合，能够匹配一个小团队的产出。使用 AI 编码智能体（如 Cursor、Antigravity、Claude Code、Gemini CLI）来构建更大的功能模块，但要理解并能解释其中的每一行代码，至少是大部分代码。把重心放在 AI 不容易替代的能力上：沟通能力、问题拆解能力、领域知识。将相邻岗位（如 QA、开发者关系、数据分析）视为切入口。建立作品集，尤其是包含 AI API 集成的项目。考虑学徒制、实习、合同制工作或参与开源项目。不要成为又一个需要大量培训的应届生，而要成为一个能够立刻产生价值、并且学习速度很快的工程师。

对于高级开发者来说，初级人员减少意味着更多基础性工作会落到自己身上。要用自动化来应对日常事务，但不要什么都自己做。搭建 CI/CD、代码规范检查工具以及 AI 辅助测试，以捕捉基础问题。通过开源项目或辅导其他部门的同事，进行非正式的指导。如果未来初级岗位需求回升，要准备好高效地进行入职引导，并以结合 AI 的方式进行任务分配。你的价值不在于自己写了多少代码，而在于放大整个团队的产出。

核心结论：当 AI 编写了大部分代码之后，编程基本功要么会逐渐退化，要么会因为人类开发者转向监督与把关而变得比以往任何时候都更重要。接下来的几年，将决定我们究竟是用理解力换速度，还是在效率提升的同时守住理解。

如今，已有 84% 的开发者在日常工作中经常使用 AI 辅助。对许多人来说，面对一个 Bug 或新功能时的第一反应，不再是从零开始写代码，而是先写一个提示词，把 AI 生成的代码片段拼接起来。入门级开发者正在跳过最难的那条路：他们可能从未亲手实现过一棵二叉搜索树，也从未独立排查过一次内存泄漏。

技能结构正在发生迁移：从实现算法，转向知道如何向 AI 提出正确的问题，并验证它的输出。职业阶梯的第一步，不再要求展示纯粹的编码能力，而是能够熟练地提示 AI、校验结果。一些资深工程师担心，这会催生出一代无法独立高质量写代码的开发者，一种事实上的去技能化。而 AI 生成的代码往往会引入隐蔽的 Bug 和安全漏洞，经验不足的开发者很容易忽略这些问题。