终结的开端

我老在琢磨一件事:AI推进得这么快,可大家对这事儿真正意味着什么,怎么就这么不愿意正眼瞧一瞧呢。每回有人提起软件开发、DevOps、测试、云工程师、分析师、设计师,说白了就是整个现代技术栈,要不了多久恐怕都用不着这么多人了,得到的反应永远一个模子刻出来的。大伙儿条件反射似的脱口而出:"人类永远会在环里"、"AI顶多算咱的辅助工具"或者"肯定还会冒出新岗位"。这听着更像大伙儿抱团搞的心理安慰,离冷静分析还差着十万八千里。
真要敞开天窗说亮话,"人类依然有用"这句话在技术字面上没错,可实打实地误导人。电梯里至今还配着维修技师,但开电梯的电梯工早就没影儿了。工厂照样离不开工程师,可流水线上几千号工人早撤得差不多了。自助结账台边上确实得站个活人看着,但用不着二十个收银员了。有需要,跟"需要海了去的人",完全是两码事,这点道理大伙儿心里其实跟明镜似的。
"可历史上每一波自动化都创造了更多岗位,也没见变少啊"
这是圈里最受欢迎的一条安慰毯。从打孔卡到汇编,再到C语言和Python。电子表格没把会计干死,ORM也没把数据库工程师弄失业。每次抽象层往上抬一级,咱造出来的东西复杂度就跟着水涨船高,结果软件越写越多。凭啥这一回就例外?
因为前几轮每次抽象升级,新出来的这一层照样得靠受过训练的专家去伺候。从汇编换到C语言,你照样得找个懂C的程序员。从手写SQL换到ORM,你照样得找个懂数据建模的开发。旧手艺被替掉了,立马又长出一门同样吃专业门槛的新手艺。AI不一样的地方在于,这回的新界面直接变成了"把你想要啥说出来",干这活儿压根儿用不着蹲好几年学专业课。产品经理、业务老炮儿、脑子里有个点子的创始人,自己上手就能办了的次数越来越多。这回抽象层直接从专业技能一步跨到了自然语言,而说话这门手艺谁打小都会。
其实把电子表格那套类比往深里算,反而正好坐实了我的意思。没错,今天的会计人数确实比1980年多。可你算算每处理一笔金融交易摊到的会计人头比例,早就跌穿地板了。那几十年经济盘子猛涨,硬是把效率提升多出来的产能全消化了。大伙儿故意漏掉没提的是,经济盘子哪有无限往下撑的空间。今天几乎所有行业早就在拿软件跑了。咱又不是待在1980年刚发现企业原来需要财务分析。现在都2025年了,哪家公司没有自己的技术部和一大堆积压需求?要是想靠新增需求把"一个工程师顶过去十个"这窟窿填平,市场需求得原地炸出十倍百倍才行。
"干开发的真功夫在开会、抠需求和周旋利益方,又不止是写代码"
另一条常见反驳是这么说的:副总裁拍脑门定个瞎规则要把财务系统干崩的时候,AI可没法坐进会议室顶回去。真正的工作是写第一行代码之前先掰扯六个礼拜的需求文档。总得有活人拦住不靠谱的点子,把领导嘴里的虚词儿翻成人话需求,再在公司组织架构里小心趟雷,因为压根儿没人把"千万别动那张表,否则Karen非扒了你的皮不可"这种潜规则写进文档。
放到今天,这话一点儿毛病没有。同时它也压根儿没戳到点子上。
没人说AI明天就能把软件开发里的办公室政治全端了。问题的关键在后头:吵完那六个礼拜的架之后,过去要十五个人拉扯的落地开发,现在两个人带个AI就能扛下来。从开会到上线那条流水线还在那儿,可后半段开发执行所需的人力投入直接塌方了。你照样得留个懂业务的明白人,能问出对的问题,能把生意诉求翻译成技术方向。但后头那支埋头写代码的施工队,真用不着了。等AI把上下文吞得越来越利索,整套代码库、Confluence页面、Slack聊天记录和公司规矩全吃进去,连"这老系统除了老张谁也看不懂"那点儿护城河,每过一个季度都在肉眼可见地变浅。
再说了,咱也别把"整天泡在会议室"吹得跟啥黄金手艺似的。那纯粹是管理损耗。公司愿意忍着这笔开销,仅仅因为总得有人在业务方的念想和跑起来的代码之间搭座桥。只要AI能读懂需求文档并且反过来追问细节(现在它已经会干这事儿了),这座桥就短了一大截,留人守桥的必要性自然跟着往下掉。
"软件便宜了需求就会爆,杰文斯悖论能兜住咱们"
这套经济学说辞听着挺有道理:造软件成本一降,大家就更愿意造软件。过去嫌太贵不划算解决的毛病,现在都能动手解决了。整个软件市场盘子做大了,被挤出来的工程师自然能重新找到饭碗。
要是AI仅仅把生产软件的成本打下来,这话确实能让人睡个安稳觉。可惜AI在压低成本的同时,直接砍掉了干活需要的人手。这两件事的后果天差地别。要是靠AI一个工程师就能干过去十个人的活儿,那整个软件市场得凭空涨出十倍,才勉强保得住原本这么多人的饭碗。指望这么个需求大爆发,纯属白日做梦。杰文斯悖论当年在煤炭上灵验,是因为烧更多煤得盖更多熔炉,多出来的熔炉照样得雇更多工人添煤。AI写出来的软件可不用等比例配更多活人。底层的生产函数本身已经变了天。
哪怕需求真往外扩了一点儿,扩出去的也全是一个人就能独吞的小众缝隙。一个开发者单枪匹马给小商户做定制工具,省掉的是原本可能再招九个人的理由。软件的"长尾需求"确实存在,可长出来的是一水儿一人公司的小作坊,跟新一轮大规模招人八竿子打不着。
"AI在复杂的企业级老古董系统上还是抓瞎"
大伙儿特爱拿这个说事儿:AI碰上十五年陈的老数据库和一团乱麻的未文档化接口立马傻眼,遇上没人完全摸透的遗留API就碎一地,只要离开全新的CRUD小应用就开始埋隐蔽的Bug。眼下这全是大实话。可拿这个当成往后十年职业安全感的地基,这步棋走得太险了。
2023年那会儿,AI连补全单个函数都磕磕绊绊。2024年它已经能写生产环境代码、顺带把基础设施部署出去了。到了2025年,它整套应用都能搭起来,还能跨服务排查Bug、提架构方案。从"AI搞不定企业级复杂度"到"AI利利索索拿下企业级复杂度",中间隔着的可不是二十年。撑死了三五年,没准儿还要短。今天人们挂在嘴边的每条短板,什么上下文窗口太短、爱产生幻觉、摸不透组织约束,背后都有人类史上最不差钱的几家顶级研究机构天天砸资源死磕呢。
接下来这句大实话可能更不好听:企业级系统那点儿复杂度,真算不上啥高深莫测的智力高峰。说白了十有八九都是陈年累月攒下来的一堆烂摊子。面条式代码、没人记过的流程、还有硬塞进技术选型里的部门妥协。收拾这摊活儿根本不需要AI长出爱因斯坦的脑子。只要上下文窗口塞得下,全库跑一遍的模式匹配够准,这事儿就能啃下来。这属于纯粹的工程规模问题,跟智力的本质天花板挨不上边。把公司内部混乱当成高深技术壁垒的人,往后八成得栽个大跟头。
"大公司转身慢得要死,连COBOL现在不照样跑在核心系统上"
没错,确实有大企业光是从Slack换到Teams就磨蹭了十八个月。也确实,银行底层今天还有COBOL在跑。大公司的技术采纳节奏比起AI能力的迭代速度简直像冰川移动,这确实能给从业者撑出一块缓冲期。
可你细琢磨一下这个论点到底在说啥:它在说大组织动作太慢,还没来得及放手让AI把活儿干了。这顶多算拖延时间,算不上什么金钟罩。跟历史上那些大换代完全不同,过去推不动是因为有实打实的硬件和物理门槛,得改造工厂流水线、得重新培训整批工人、得从头重写系统;而阻碍AI落地的阻力几乎全是公司政治和企业文化。挡道的是怕背锅的CIO和拖沓的采购流程,跟技术兼不兼容没啥关系。等市场竞争压力一上来,看着隔壁小团队发版快得飞起,这点儿流程阻力分分钟蒸发。这剧本咱早就看过一遍了。当年云计算也被批成"对严肃大企业太危险",结果一眨眼全搬上AWS了。
拿COBOL当护身符更是讽刺。那些老系统今天还活着,纯粹是因为没人愿意去重写,而当年懂它的老前辈们一个个快退休了。要真想大规模把这批老家伙翻新现代化,AI几乎是唯一靠谱的路子。大伙儿嘴里拿来证明"改变慢"的典型样本,转头就会变成AI最大的生意单之一。
"数据都证明AI只是提效辅助,没见着替代人啊"
说到这儿,各种报告就该掏出来了:MIT NANDA说95%的生成式AI试点项目商业回报为零。METR测试显示用AI工具的开发者反而慢了19%。麦肯锡报告称只有1%的企业达到完全AI成熟度。谷歌的随机对照试验给出21%的速度提升,听着像是增效辅助,可没替掉人。美国劳工统计局BLS甚至预测到2033年软件开发岗位还会再涨17.9%。
这些数字都是实打实的,可它们拍下来的只是咱们眼下站着的这张快照,看不太清这趟车正往哪儿狂奔。每一项改变时代的技术刚冒头时,老玩家都得经历一阵抓瞎期。当年早期互联网项目不也照样95%打水漂?最早那批往云上迁的系统,跑得比本地机房既慢又贵。那只说明技术普及曲线刚起步时都要交一笔学费,没拦住互联网和云计算最后把桌面全扫干净。
这堆数字里最忽悠人的就是BLS那份预测。政府部门的就业预测模型靠盯着后视镜算账,默认过去几年的斜率以后接着这么长。当年互联网把线下旅行社团灭的前夜,BLS还在预测旅行社经纪人岗位前景一片大好呢。那种统计模型天生算不准范式转移,而咱们现在脚底下踩着的偏偏就是一场范式转移。
至于METR那份"用了AI反而慢19%"的研究:拢共就测了16个经验丰富的老手,干的还是人家闭着眼睛都熟练的日常任务。可你扭头看看那些真正在生产环境大规模铺开AI的公司数据,Anthropic自家内部统计、GitHub的报告、Cognition的基准测试,全都在往反方向狂飙。几十份大趋势摆在面前视而不见,偏揪着唯一那份让你心里舒坦的小样本研究不放,这属于教科书级别的确认偏误。
"大语言模型有先天死穴,只会概率插值,根本算不上智能"
最体面、最显学问的反对意见来了:大语言模型本质上是概率模式匹配机器,算不上真正的推理大脑。它只能从训练数据里做插值,压根儿不懂背后的道理。算力堆出来的收益是对数级的,越往后越干不动。幻觉和错误级联写死在底子里,根本修不干净。只要一天突破不了AGI,大语言模型就只能停留在趁手工具的段位,掀翻不了人的饭碗。
从严格的技术定义上讲,这话没准儿还真对。但这事儿对就业市场一点儿影响没有。
要震塌科技行业的用工盘子,根本用不着等到AGI降临。想把70%的编码实现工作砍掉,机器压根儿不需要真的"懂",只要它在模式匹配、生成代码、排查调试和自动部署上够好使,能让十个人的团队精简成两个人,这就足够翻天了。好多活儿其实已经跨过这条线了。触发行业地震的门槛从来不在"全面碾压人类智慧",而在"经济账彻底算不过来"的那一瞬间。计算器也不懂数学原理啊。可当年坐满一整屋子的人肉计算员,照样被计算器扫进了历史书。
再说了,认定"LLM早晚撞墙停摆"这套说法,暗地里假设全行业会死守在纯Transformer语言模型上原地踏步。那显然不可能。混合架构、能调用外部工具的代理、检索增强系统、专攻推理的模型,整个技术研发面铺得大着呢。退一步讲,就算纯预训练尺度定律慢慢见顶,架在上面的这一整套AI工具生态还在滚雪球似的互相叠加。当年iPhone横空出世靠的也是上千个小改进堆到一块儿,硬生生跨过了那道体验门槛。今天AI的演进路数一模一样。
"AI推理烧钱烧得太凶,商业账根本算不平"
这个论调生命力顽强得让人吃惊:说白了就是觉得AI工具全靠风投烧钱补贴吊命,真实成本高到天上,等哪天热钱退潮补贴一停,雇大活人写代码又会重新显出性价比。数据中心吃电跟喝水似的。芯片每隔阵子还得全换一茬。这就是又一场等着炸裂的科技泡沫,等泡沫破了,老板们还得乖乖回来请人类工程师出山。
这么想的人,多半没看懂技术成本曲线是怎么走的。过去六十年算力价格一直呈指数级暴跌,今天也看不见半点刹车的苗头。英伟达赚的真金白银可不是哪家机构在做慈善,全是实打实看到回报的企业掏出来的。从2023年到现在,推理成本已经往下掉了好几个数量级,加上专用芯片、模型蒸馏和架构瘦身,单价还在一路往下砸。
确实,好几家AI公司眼下还在账面亏钱。当年亚马逊也连着亏了将近十年。那会儿市场是在提前给它日后统治电商的地位定价,事实证明市场眼光毒得很。真正紧要的是未来成本曲线往哪边走,而不是今天单次推理贵不贵。而这条曲线正一头扎着往下冲。当一个高级工程师一年人力成本20万美元,而一个能干掉他80%产出的AI代理一年只要3000美元的时候,冷冰冰的算术题可不管你对"商业模式可持续性"有啥感触。
哪怕按今天大家嘴里所谓"带补贴"的价格算,好多场景的账早就平得不能再平了。前阵子有个人跟我聊,他一个月花250美元的AI费用,愣是跑出了以前一年得砸300万美元养团队才能拿出来的产出。就算哪天补贴全撤、API价格原地翻十倍,那也不过是一个月2500美元对一个月25万美元。两边差距大到这种份上,补不补贴在账本里几乎可以四舍五入忽略不计。
"AI没法担责,出事儿总得找个人背锅吧"
这回搬出来的是公司治理逻辑:企业招人不光图你手艺好,更指望系统出乱子时有个人出来扛事儿。天塌下来总得指着谁骂一通。你总不能把AI叫进办公室开除,没法上法院告它,也没法把它拽进复盘会交代到底咋搞砸的。高管需要在自己和灾难之间立一排肉盾挡箭,靠着这份刚性制度需求,人的饭碗应该保得住。
这话里确实掺着几分扎心的现实,可惜能保住的岗位比大伙儿指望的少得多。大公司早就把核心系统外包给一堆根本没法真正追责的供应商了。AWS哪天抽风把半个互联网拖趴下,你上法院也告不出个所以然,最后还不是自己咽下亏损?哪款SaaS工具把你数据库搞坏了,翻开合同看一眼,人家的赔偿上限早封死了,多半约等于零。指望靠公司问责制兜住全员编制,纯属一厢情愿的怀旧情结。公司早就习惯把命脉业务交给半黑盒系统打理了。
现实中真正发生的局面是责任高度浓缩。过去二十个人分摊一块责任牌子,往后变成一个资深老兵独自签字兜底,底下具体活儿全交给AI去跑。算下来,公司留下一个人专门在出事时担责,剩下十九个直接走人。
"总得有人背锅"这派人还有个更不愿直面的真相:拍板裁员的董事会和高管们,压根儿没把抽象的问责机制放第一位。人家盯紧的是速度和成本。只要AI能让功能上线快十倍、成本打一折,董事会绝不会在会上问:"慢着,万一搞砸了咱们拿谁开刀?"人家的命令简单粗暴:"先把人头砍了,责任咋划分回头再补制度。"资本公司打诞生那天起就是这德行。先奔着利润把账算顺,治理规矩等出了事再现凑。
"AI垃圾代码早晚酿成技术债海啸,到时候还得请咱们回去擦屁股"
这是一出解气的复仇幻想剧:老板们把工程师全赶走,放任AI堆出几座没法维护的屎山,过两年系统彻底趴窝,再灰溜溜开着天价回来跪求懂行的老程序员救火。靠vibe coding瞎糊弄出来的未来就像纸牌屋,等它哗啦一声塌下来,真正懂系统架构的活人比黄金还金贵。
这剧本听着可太舒坦了,直接给自尊心做足了按摩:"早晚有你们求我回来那天。"可惜搁现实里走不过三回合。
首先,连收拾烂摊子擦屁股这活儿,你猜谁来干?照样是AI。既然AI已经强到能亲手造出复杂系统,那它顺手重构和调试系统的能力自然也不在话下,更何况清理的还是它自己顺手写出来的代码。觉得AI只会捅娄子、最后非人类救场不可,相当于暗地里指望AI刚好卡在方便你反驳的那一秒停止进化。
其次,哪怕中间真冒出一阵救火清理期,那也只是临时过渡。它顶多算一次性的收尾修正,撑不起一辈子的铁饭碗。煤炭行业当年也留下过庞大的环境治理工程,可没人会把环保清淤捧成一条朝阳黄金赛道吧。指着别人早晚翻车来规划自己往后二十年的职业生涯,这账怎么算都不踏实。
第三点,也是最扎心的一点:喊着"AI slop迟早害死他们"的人,严重高估了掏钱签字那帮人对代码质量的在乎程度。产品经理和高管们容忍二流烂代码已经容忍了好几十年了。AI出现之前他们照样往外发带Bug的软件,AI来了之后他们依然会发带Bug的软件。唯一的变化是以前需要三十个人凑合着发,现在三个人就能凑合着发。代码质量从来没卡住过商业决策的脖子。卡脖子的永远是上线速度和开发成本。偏偏这两项,AI全占了上风。
"自动驾驶证明了技术达标跟大规模普及完全是两码事"
一个挺巧的结构性类比:早在2016、2017年,自动驾驶的演示表现就已经摸到人类司机水平了。快十年过去,无人驾驶出租车也就在屈指可数的几个城市跑着,往外铺开还是磕磕绊绊。连开车这么个十六岁小孩都能学会的"简单"技能,技术够格之后都磨蹭了十年还没铺满全球,凭啥认定AI写软件淘汰人的速度会快到哪儿去?
这个类比很有启发,只不过真正推演下来,结论偏偏指向大伙儿最不想看见的那一头。
自动驾驶头顶悬着的安全红线,写代码可背不着。无人车代码里出个Bug真能撞死人。SaaS软件里出个Bug顶多在后台多一条客服工单。全社会、监管部门和保险公司有千百条充分理由对无人车严防死守、步步小心。可绝不会有哪个监管局跑来审查一家公司是不是拿AI生成内部数据看板。AI在软件行业落地的摩擦阻力比马路上小了好几个数量级。
况且自动驾驶背后拖着一整摊沉重的物理基建:满车的传感器套件、高精度地图采集、按城市一家家啃的牌照审批、车队运营还有维修保养厂。软件开发用AI呢?只要一个包月订阅号。任何一个开发拿着台笔记本电脑再开个Claude账号,这会儿就已经算"上线部署"AI辅助开发了。不用铺一米实体基建,也不用市议会举手表决。两边的扩散机制压根儿不在一条赛道上。
再说了,你要真把自动驾驶这几年的时间线摊开看,它其实反过来给咱的判断撑了腰:Waymo现在已经实打实跑出了数百万单接送。真正的拐点确实比吹风的慢半拍,可比怀疑论者盼着的那天来得快多了。而软件开发里的AI早就越过了那个拐点。普及早不是停留在纸面上的假设,此刻就在每一支用着Copilot、Claude或者Cursor的工程团队里天天发生。
"要是大伙儿都没班上了,谁还买东西?资本主义总得要消费者吧"
宏观经济学终极将死一招:要是AI把几百万脑力劳动者全踢出局,这帮人手里没钱买东西,经济一萎缩,大企业砸钱投AI也照样收不回利润。当年亨利福特主动给工人翻倍涨工资,不就是为了让自家工人买得起福特车吗?大规模失业等于自己锯自己坐的树枝。所以这套系统早晚逼着自己回调,因为它没得选。
这是整场争论里分量最重的一张牌,同时也把眼下局面到底有多吓人剥了个底朝天。
你把这句话翻译成大白话,意思其实是:"事情绝对不可能发展到那么惨,因为真到那步田地整个文明都得崩盘。"这可算不上大家想听的定心丸。这等于变相承认照现在的轨道一直开下去前面就是悬崖,只能祈祷中途冒出只看不见的手赶紧替咱踩住刹车。
至于大伙儿老爱拿来背书的"福特涨薪"佳话,总是很顺手地跳过前面几十年的血泪账:暗无天日的工厂车间、童工、流血冲突的大罢工还有差点翻天的政治动荡。那套体制可从来不是体体面面"自我修正"过来的。它是被铺天盖地的苦难、街头抗争和逼出来的劳工法案硬拽转弯的。如果历史的剧本按这个模子重演一遍,那没错,经济体制兴许早晚真能重新站稳脚跟。代价是整整一代人熬过失业、绝望和剧烈的社会撕裂。
更要命的一层在于,消费论默认经济机器必须靠今天这么多张嘴吃饭买单才转得动。可惜现实并不按这个规矩来。一小撮手里握着AI杠杆、收入暴涨的超级打工人,照样撑得起一套专供少数人消费的精品高溢价经济圈。眼下咱其实已经看见苗头了:财富集中度正在加速往上聚拢,丝毫没见往外散开。经济运转只要盘子里有足够多买单的人就够了,而这批"足够的人",比今天满大街写代码的科技从业者总数可少太多了。
"监管肯定会保护咱们,政府不会坐视大规模失业的"
上面肯定会出手管。AI肯定要被严管。劳动保护法案一定会跟上。政策早晚会把这场岗位替代给按住或者刹停。
你抬头往四周扫一圈。咱认真问一句,具体指望哪国政府来办这事儿?
美国折腾到现在连社交媒体都没管明白,如今那边的政坛风向更是铆足了劲往放松监管、减少限制跑,哪有护着打工人的心思。欧洲确实出台了《人工智能法案》(AI Act),可人家盯的是安全合规和算法透明,里头压根儿没写保饭碗条款。中国正一头扎进AI军备竞赛里全速冲刺,半点儿减速的念头都没有。指望全球主要大国默契配合出台一套同步监管铁律来挡住失业潮,这要求政府具备的执行力、反应速度和跨国团结度,从人类发明第一件工具起还从来没出现过。
退一步说,就算立法真落了地,枪口多半也对不准这块靶子。政府出手往往针对的是肉眼可见、能瞬间点燃情绪的危害:比如招聘算法歧视、选举深度伪造视频、AI生成的儿童性剥削内容(CSAM)。人家绝不会立一条法律规定:"严禁X公司使用Claude把研发团队从50人缩编成8人。"世上可找不到哪个选区会游行高喊"禁止企业提高运营效率"。裁员不犯法,部门合并重组也不归监管管。AI挤掉工作岗位最常见的路数,无非是公司悄悄冻结空缺不再补招、停招应届初级工程师、顺手把几个小组并成一个,这套操作在监管雷达底下完全隐身,而且每一步都合法合规。
至于后面紧跟着常聊的"全民基本收入(UBI)"美梦?就算哪个国家真动了发全民基本收入的念头(眼下任何一个主要民主国家里都找不到支持这项提案的议会多数),光走完立法扯皮、地方试点和预算拉锯就得耗掉好些年。岗位收缩此刻就在发生。把身家性命押在一条影儿都没有、政治上走不通、真落实还得等十年的政策上,这算不上什么防御策略。这就是在指望天上掉馅饼。
"人口老龄化少子化本来就缺人,刚好把被裁的人填进去"
这套宏观乐观派的算盘打得挺漂亮:发达国家人口正在萎缩,新进职场的年轻人越来越少。照这么算,AI简直是踩着点儿赶来救急填坑的,咱其实得感谢AI补上了人手缺口。
这说法听上去特别顺耳,毛病出在拿宏观总数硬往细分行业上套。没错,好多国家确实闹用工荒,缺的是护士、养老护工、建筑工人和一线蓝领技工。可偏偏这些工种目前还没怎么被AI挤兑。AI正大口吞掉的是知识型白领:软件工程师、数据分析师、设计师、内容创作者,而这几行眼下人多得直往外溢。人口断崖缺的是现场弯腰流汗的手艺活儿,AI腾出来的偏偏是坐在电脑前动脑子的白领。两边根本不在同一个池子里流动。你总不能指着医院闹护士荒,就把失业的后端工程师直接拉去病房扎针吧。
时间轴也完全对不上茬。人口萎缩是横跨几十年的慢动作滑坡。AI带来的岗位挤压却集中在三到五年这个短窗口里猛冲过来。脑力劳动者根本来不及大规模转行去干体力现场活儿,人口红利消退那层慢垫子压根儿接不住这一摔。最后摆在眼前的反而是个拧巴的死结:AI暂时帮不上忙的工种到处喊缺人,AI已经熟练接管的岗位挤满了找不到下家的人。这种局面谈不上什么平衡,反而是剧烈的结构性错配,带来的社会震荡只会更猛。
那些大家闭口不谈的心理防御机制
上面聊的还全停留在技术和经济账面上的辩论。可实际上,大伙儿拼命抗拒承认眼前这一幕,根子扎得比任何论据都要深得多。背后撑腰的是一整套心理、社交和组织利益上的防御本能,跟AI到底能不能把活儿干漂亮早就没啥关系了。
身份认同。 对几百万从业者来说,做开发、做云架构师、做系统设计师早就融入了骨血,直接定义了自己是个什么样的人,远远超出了一份挣钱差事的范畴。跟一个人说你这套身份在市场上快贬值归零了,激发的防御反应跟面对生存危机一模一样,因为它本来就是生存危机。很多人嘴硬坚持"AI干不了我这活儿",背后哪是冷静做过什么技术测评,纯粹因为一旦认了账,就等于承认"我这个人"的价值也跟着悬了。网上每篇义正词严骂"AI还是太菜"的帖子,扯掉那层技术分析的包装纸,里面包着的十有八九都是作者的自尊心保卫战。
沉没成本。 程序员攒下一身专业本事,少则几年,多则一二十年。如今要亲口承认这套功夫贬值速度快过以往任何年代,听起来就像承认自己半辈子青春全打水漂了。这跟让人死活不肯离开一段烂感情或者赔钱生意的心理路数一模一样:前面往里砸的本钱越重,就越下不去狠心承认这笔买卖回不了本。所以大伙儿死抓着"深层技术积累永远吃香"这根稻草不放,实在是因为想都不敢想反过来的那个画面。
从众心理与抱团忠诚。 当周围同行在论坛、Slack群和技术大会上异口同声说着"放心,咱没事儿",谁敢唱反调谁就显得像个叛徒。圈里互相打气,反复确认AI"终究只是个工具"。谁要是敢泼冷水,立马被扣上末日论者、悲观派、行业内鬼的帽子。于是明白人也学会了闭嘴。私底下夜里睡不着觉、心里直犯嘀咕的那批人,白昼照样跟着大部队喊口号,因为在圈子里说一句"哥们儿,我觉得咱们真悬了"所要付出的社交代价,远远高过顺着大伙儿往下哄。最后就拧成了一个闭环:明面上人人稳如泰山,背地里各怀鬼胎心里打鼓。
管理层的屁股位置。 技术主管和工程经理在结构上就天然有动力把AI的冲击往小了说:承认手下这摊人快多余了,头一个先锯掉的是自己屁股底下的椅子。如果一个经理在公司里的身价跟他手下管着多少号人直接挂钩,那公开承认"我们组缩编80%照样转"跟职场自杀没啥区别。所以管理层自然成了现状最卖力的护旗手;倒不全是他们拎不清,实在是在那套考核机制里,说大实话跟砸自己饭碗没啥两样。往上走到工程总监、副总裁甚至CTO,整座管理金字塔的每一级在利益上都注定了嘴上绝不可能承认金字塔正在塌方。
"自己抓紧适应不就行了"的PUA话术。 所有防御招数里最狠毒的一句,大概就是整天冲着打工人喊"赶紧提升技能"、"学会跟AI配合"。这套说辞把一场系统性的经济洗牌,硬生生歪曲成了个人的上进心考核。它明里暗里甩锅给每个个体:要是丢了饭碗,那是你自己懒、没跟上潮流,闭口不谈背后一道再简单不过的算术题,哪怕全行业每个人都拼命卷到把AI用出花来,音乐停下那刻场上的椅子照样少了一大半。只要一个人带AI就能干完十个人的活儿,无论那九个人学得多刻苦多听话,最后照样得滚蛋。"抓紧适应"向来是整套体系拿不出解法时,甩给底下单兵背锅的万能台词。
资本压倒性的结构优势。 扒到最底层看,这场大替代之所以势不可挡,是因为AI彻底把谈判天平从劳动者手里扳回了资本那边。过去几十年科技打工人腰杆硬、高薪、高福利、一言不合就跳槽、说走就走且到周五就能攥三份新Offer,靠的全是人才稀缺。公司离了高精尖技术人员转不动,市场又一直缺人。AI一出手直接把"稀缺性"给抹平了。资本其实早就眼馋想撬掉技术工人的这根议价杠杆了。当年搞培训班速成、业务外包海外、放宽H-1B工作签证名额,全是以前试过的招数,可惜每次只生效了一半。这一回AI算是真正把事儿办透了:它一边把干活成本压到地板,一边干脆把雇不雇人变成了可选项。只要人类劳动从"必选项"滑成"可选项",打工人手里攥过的所有讨价还价筹码瞬间清零。这正是全世界每一位CEO和董事会盯着AI两眼放光的核心卖点,半点儿意外都没有。
眼下AI已经能扛起几十号人原本干的杂活了:写代码、生成测试用例、部署基础设施、改Bug、画原型图、搭监控面板、分析日志、写文档、跑QA测试、优化SQL查询、拆解规划任务。就算后头需要人看着把把关,你也用不着留五十个监工,留两个顶天了。没准儿留一个就够。到了再往后,除了极少数的刁钻边界情况,没准儿一个都不用留。
只是没人愿意亲口认下这笔账,因为细想实在太吓人。几十年来,科技行业一直是块金字招牌,门槛高、待遇稳、用人不愁。大伙儿把整个人生锚点都系在了"程序员"、"云工程师"或者"测试专家"这块招牌上。要承认AI正把这些分工统统压扁成"敲几句人话、按一下回车",感觉就像亲手给自个儿苦学多年的手艺签发一张作废证明。于是咱们只好嘴里不停念叨"升级转型"和"新岗位会有的",仿佛念经念够了遍数就能把算术题念改过来似的。
人类确实还会留在环里再站一班岗,只不过这个环每隔几个月就在往里收紧一圈。眼下是人干绝大部分活儿,AI在旁边搭把手。用不了多久就会翻过来,变成AI干掉绝大部分活儿,人只负责点个通过。再往后,人也就是隔三差五抽查审计一下。每往下迈一个台阶,需要站岗的人头数就断崖往下栽一截。数量未必归零,但也只剩今天盘子的一个零头。
咱自己骗自己的地方恰恰就在这儿:人类确实不会一夜之间全消失,可真指望市场对人工的需求还能像今天这么坚挺,那就纯属自己哄自己了。大伙儿口口声声说着"咱们肯定还在",听着仿佛几百万个饭碗能原封不动保下来似的。没那回事儿。一个人带几个AI代理跑流程,跟三十个人手把手一行行敲代码,放在就业市场上完全不是一回事儿。
明天倒还不至于把所有人全清零,但真正造软件、养软件到底还得用上多少活人,这个基本盘正在肉眼可见地剧烈收缩。绝大多数人宁可死死攥着那些顺耳好听的故事不撒手,也不愿意抬头正视那个摆在桌上的可能:曾经那个熟悉的行业,以后真用不着这么多咱们了。