为什么要花9万刀雇一个新人？
一个AI编码智能体可要便宜多了！
过去几年，科技大厂校招应届生数量直接腰斩，下降超过50%。
受AI冲击的，不止是初级程序员岗位。
当AI可以完成80%的代码，甚至到了全自动编码实现的那一天，所有软件工程师的饭碗，还稳吗？
他们赖以生存的技能，会不会在一夜之间突然贬值？
近日，Google Cloud AI总监Addy Osmani的一篇博客，为上述焦虑拨开了迷雾。
Google Cloud AI总监Addy Osmani
在《软件工程的未来两年》这篇博客中，Addy Osmani结合自己在一线的体感，提出了5个直击灵魂的拷问。
它们关系到初级开发者、技能、开发者角色、专才与通才、软件教育5个根本性问题。
更重要的是，针对每一个问题，Addy Osmani都分别为「新手」和「老兵」提供了具体建议。
为什么这些建议如此重要？
看看Addy Osmani的履历就知道。
他是一位拥有25年以上经验的开发者与技术领导者，目前专注于推动Gemini等AI技术的落地应用。
此前，他长期负责Google Chrome的开发者体验工作，并主导过Lighthouse等知名项目。
他的建议，对于许多程序员来说，好比AI时代的一份「生存路线图」。
第一问
AI正在「杀死」初级程序员岗位吗？
AI会让初级程序员岗位消失吗？网上有很多类似的讨论。
这背后其实是一个扎心的真相：
新手程序员原来那条「学编程→初级岗位→被项目毒打→变成高级工程师」的传统成长路径，似乎正在崩塌。
这种崩塌预示着一种未来，它是冰冷的。
哈佛大学一项覆盖了6200万劳动者的研究，数据显示：当一家公司开始用生成式AI，六个季度之内，初级开发者的岗位需求会应声下跌9%到10%。
过去几年，那些新手挤破头想进的科技大厂，招收的应届生数量直接腰斩，下降超过50%。
而高级开发者的岗位，几乎不受影响。
有的工程师在网上刻薄地发问：「我为什么要花9万美金雇一个新人，然后手把手教他？一个AI编码智能体可比这便宜多了。」
这种现象背后AI毫无疑问是最猛的催化剂，它让一个配了顶级AI助手的高级工程师，能单枪匹马干掉过去一个小团队的活儿。
于是，很多公司选择了「不招新人来缩编」，而不是大规模裁员。
还有另一种未来，它是火热的。
AI并没有「杀死」程序员，反而放大了软件开发的需求。
医疗、农业、制造业、金融……这些过去离程序员很遥远的行业，正以前所未有的深度，把软件和自动化嵌进自己的业务里。
我们会看到海量的入门级岗位涌现，只不过，它们不再是传统意义上的「初级码农」，而是更偏向「AI原生」的开发者。
他们能为某个具体的行业，快速搭建起自动化流程和各种集成方案。
而美国劳工统计局的预测数据似乎也在印证这一点：从2024到2034年，软件岗位依然会增长约15%。
但在前面提到的那个冰冷的未来里，隐藏着一个被很多人忽略的长期危机：
如果今天我们掐断了所有新人的入口，5到10年后，谁来当高级工程师？谁来做技术Leader？
行业老兵们管这叫「慢性衰败」：一个生态系统，如果不再培养自己的接班人，离枯萎也就不远了。
新手生存路线图
Addy Osmani建议初级程序员不要把自己当成一个「等待被培训的毕业生」，要努力证明一个新人使用AI，也能创造出相当于一个小团队的价值。
要用AI挑战复杂项目：
大胆地用AI编码工具（比如Cursor、Claude Code）去做更复杂的项目，但要保证AI生成的每一行代码，自己能够讲明白。
要磨练不可替代能力：
把学习重心放在那些AI短期内无法替代的能力上，比如沟通、拆解复杂问题、对某个业务领域的深入理解等能力。
要拓展相邻切入口：
质量保证（QA）、技术支持（DevRel）、数据分析这些相邻岗位也可以是职场切入口。
打造自己的作品集：
作品集就是你的名片，尤其是那些集成了AI API的项目。实习、外包、开源，都可以是练兵场。
老兵生存路线图
要做好心理准备：新人少了，更多「脏活累活」可能会落到你头上。
用自动化武装自己。把CI/CD、代码检查、AI辅助测试这些流程搭起来，让机器先把低级问题过滤掉。
不要什么都自己干。可以通过参与开源项目，或者带其他部门的同事，来完成「非正式」的导师职责。
你的价值，不再是写了多少行代码，而是能把整个团队的产出，放大多少倍。
第二问
当AI写了80%的代码，我们还剩下什么？
如今，超过八成的开发者都在用AI辅助编程。
其中的一个「副作用」就是：入门的开发者，正在大规模地跳过那些曾经被视为「基本功」的硬核训练。
而技能的天平，正在从「实现算法」悄悄滑向「问对问题+验证输出」。
一种未来，是退化的。
一些资深工程师忧心忡忡，他们害怕这会培养出一代「离开AI就不会写代码」的开发者。
更可怕的是，AI生成的代码里，常常藏着隐蔽的bug和安全漏洞。一个经验不足的开发者很难发现，直到它们在生产环境里「爆炸」。
我们用速度，换走了深度理解。
另一种未来，是进化的。
当AI负责了常规的80%代码，而人类则需要专注于那最艰难、最关键的20%部分。
系统架构、棘手的集成、创造性的设计、机器难以处理的极端情况……这些，才是人类专业性的新战场。
AI的普及，非但没有让深度知识过时，反而让它变得前所未有的重要。
这就是「高杠杆工程师」的时代：每个人手里都有了AI这个「放大器」，但真正能用好它的，永远是那些深刻理解系统原理的人。
当人人都能用AI快速生成一个网页应用，区分高手和菜鸟的关键点就变成了：
你知道AI在什么时候会犯错吗？
你知道AI的方案在什么情况下不划算吗？
你知道如何审查AI的输出，找出那些逻辑错误、安全缺陷和与需求不符的地方吗？
正如一位老兵所说：「最好的软件工程师，从来不是敲代码最快的人，而是最知道什么时候不该相信AI的人。」
新手生存路线图
把AI当成你的私人教练，而不是拐杖。
当AI给你一段代码时，像做Code Review（代码审查）一样盘问它：为什么这么写？弱点在哪？
偶尔，关掉所有AI助手，逼自己从头写一遍关键算法。
把CS基础知识（数据结构、算法、内存管理）捡起来，这些都是新手的内功。
训练自己严格的测试能力，学会看报错堆栈，熟练使用调试器，而不是一出问题就问AI。
老兵生存路线图
把自己定位成团队的「质量守门人」和「复杂度终结者」，继续打磨核心能力：架构、安全、扩展性。
练习在系统中引入AI组件时，如何预判它可能在哪些地方失控。
拥抱「导师」和「审查者」的新角色。
为团队明确哪些地方可以用AI，哪些地方（比如支付、安全相关的核心代码）必须强制人工审查。
把精力从常规的API对接中解放出来，去思考「我们应该做哪些 API」，去投入那些更具创造性和战略性的工作：
人类开发者不可替代的部分，是可靠的判断力，是系统级的思考，是带人的能力。
第三问
从「代码清洁工」到「系统指挥家」，角色如何变？
开发者这个角色，未来会走向何方？
Addy Osmani提出了两种泾渭分明的极端。
一种未来，是收缩的。
开发者的创造性职责被大大削弱，我们不再是「创造软件的人」，而更像是一个「AI监工」。
生产，由AI系统或者使用无代码平台的业务人员（「公民开发者」）来完成。
而专业开发者则负责复核、验收、检查AI的产出有没有错误、偏见或安全问题，然后批准上线。
专业开发者从「造东西的人」，变成了「挑毛病的人」，写代码的快乐被「风险管理的焦虑」所取代。
很多工程师已经开始抱怨，他们花在评审AI生成的PR、管理自动化流水线上的时间越来越多，而从零开始打磨一段优雅代码的时间，越来越少。
就像一位工程师感叹的：「我不想最后变成一个代码清洁工，每天的工作就是清理AI隔着墙扔过来的垃圾。」
另一种未来，是扩张的。
这是一种非常有意思的变化。
开发者进化成了一位高层次的「编排者」或「总指挥」，把技术、战略和责任融为一体。
他们设计整个系统的蓝图，决定哪些任务交给哪个AI组件，然后把一大堆活动的部件严谨地拼接成一个能解决实际问题的方案。
一位低代码平台的CEO形容得很好：在一个「智能体化」的开发环境里，工程师会变成「作曲家」。
他们指挥着一支由AI智能体和各种软件服务组成的庞大乐团。
他们不会亲手写下每一个音符，但他们会定义整首乐曲的旋律、结构和灵魂——那就是架构、接口和智能体之间的协作规则。
当AI负责了所有重复性的劳动，开发者的工作，反而可能被迫转向更高价值的活动，变得前所未有的有趣。
新手生存路线图
主动去寻找写代码之外的机会。
写测试用例、搭建CI流水线、配置应用监控——这些技能更贴近未来的「监工」角色。
用个人项目来保护你「创造」的快乐，别丢了做东西的手感。
培养「系统思维」。
多去了解组件之间是如何通信的，一个好的API应该是怎样设计的。
多读大厂的工程博客和系统设计案例。
不要只关心「我的代码能跑吗？」，而是要注重自己的思路是否周全。
老兵生存路线图
更用力地拥抱领导力和架构职责。
要为团队塑造AI和新人要遵循的标准与框架。
要把重心放在系统设计和集成能力上。主动去梳理跨服务的数据流，找出潜在的失败点。
强化作为技术导师的角色。
多做Code Review（代码审查），多组织设计讨论，练就一双火眼金睛，能快速评估别人（或AI）的代码并给出高层反馈。
培养产品感和商业嗅觉。去理解我们「为什么」要做这个功能，客户真正关心的是什么。
从一个Coder，进化成一个Conductor（指挥家）。
第四问
「一招鲜」的专才，会被时代抛弃吗？
模型、工具、框架，这一切的迭代速度快到令人目眩。
在这种变化之下，一种未来，是脆弱的。
Addy Osmani认为，如果把自己的职业生涯，完全押注在单一技术栈上，风险正变得空前巨大。
那些只专注在「某一个栈、某一个框架、或某一个产品领域」的开发者，就像当年的COBOL、Flash开发者一样，可能某天醒来，发现自己所在的赛道，正在被时代遗忘。
只会一招鲜的人，可能会绝望地发现，AI已经能干掉他们90%的活儿。
另一种未来，则是灵活的。
一种新的「专才」形态正在崛起：T型工程师。
「T」的那一根「竖线」，代表你在某一两个领域有足够深厚的功底，那一根「横线」，代表你对很多相关领域都有广泛的了解。
Addy Osmani把这类工程师，比作是团队里真正的「胶水」。
他们能和不同领域的专家无障碍沟通，必要时还能亲自下场补位，端到端地解决问题。
而AI工具的出现，恰恰极大地增强了「通才」的能力，放大了那条「横线」的能力，让「横向打通」变得前所未有的容易。
越来越多工程岗位，都在期待候选人具备多领域能力：比如编程+云基础设施，或者前端+一点机器学习的知识。
新手生存路线图
Addy Osmani对新人的建议是，尽早打下一个广阔的知识基础。
因此，不要把视野锁死在自己的具体岗位中。
比如，做移动端的也去学点后端基础；做前端的，也可以试着写一个简单的服务；了解Docker和GitHub Actions这样的部署工具等。
找到一两个自己真心热爱的方向，把它挖深，作为你的「竖线」，然后把自己包装成一个「混合型」人才。
比如「全栈开发+云安全方向」，或「前端开发+UX专长」。
用AI工具去快速学习新领域，养成持续学习的习惯。
参加黑客松或跨职能项目，逼自己进入通才模式。
在职业生涯的早期，适应力就是你的超能力。
老兵生存路线图
画出你的技能图谱：
你真正的强项是什么？哪些是你的知识盲区？
挑一两个相邻的领域，认真地把它补起来，至少要做到「能对话、能上手」。
主动把你的深层技能，迁移到新的场景里。
比如，你过去是做Web性能优化的，能不能把这些经验用到ML推理优化上？
志愿去做那个「集成负责人」，去串联项目里涉及的多个领域。
做一个T型的榜样：在你的专长上足够深，这给你权威和底气；同时，持续地把你的横向边界往外推。
Addy Osmani的这个建议，与另外一名谷歌AI产品经理Marily Nika近日的一个观点异曲同工。
她建议产品经理要在过去所做工作的相邻领域去发展。
以往工作的积累，就好比「T型」人才中的那一「竖」，而「做一只螃蟹」，就好比要向横向边界去扩展。
第五问
CS学位，还是一张「黄金门票」吗？
四年制的计算机科学（Computer Science）学位，长期以来都是进入软件行业的金标准。
但如今这个传统，正在被剧烈地动摇。
一种未来，是滞后的。
大学依然重要，但它的课程更新速度，远远跟不上行业的迭代速度。
很多应届生毕业时，甚至从没系统地学过云计算、现代DevOps或AI工具链。
一边是高昂的学生贷款，另一边是公司不得不花大钱重新培训新人。
大学，越来越像一个「花钱买门槛」的地方。
另一种未来，是颠覆的。
传统教育正在被一个由编程训练营、在线认证、开源作品集、甚至雇主自建培训学院组成的「新生态」所取代。
Google、IBM这样的巨头，已经对部分技术岗位取消了学位要求。
招聘的硬通货，正在变成那些看得见、摸得着的东西：
一个能跑起来、文档完整的作品集。
一个行业公认的技能证书（比如AWS、Azure认证）。
在GitHub上的活跃贡献。
新手生存路线图
如果你是学生，别只依赖学校的课程。
用真实的项目来补强，比如做一个Web应用或者参与开源。
尽可能争取实习机会。课程里没教的热门技术，可以通过在线平台补上。
可以通过考行业认可的证书（GCP、AWS、Azure）来证明实操能力。
如果你是自学者，要把作品集做到极致：至少要有一个「够大、能跑、文档完整」的项目，并且能把它的设计思路讲清楚。
通过LinkedIn、线下聚会、开发者活动去拓展人脉。
要持续学习，技术技能的「半衰期」很短。
老兵生存路线图
仅靠资历/文凭没法吃一辈子。
要持续投入学习，比如通过网课、工作坊、会议、认证等路径。
要用新的方式证明你「现在还行」，比如保持用新技术做的副项目。
如果你是管理者，重新思考你的招聘门槛：
你真的需要一个有CS学位的员工，还是一个具备某些特定技能、并且学习能力超强的人？
在成长上：真实世界的成果+持续学习，往往比再读一个学位更关键。
最后，Addy Osmani总结道，这些情景并不互斥，很多时候现实很可能就是它们的「混合版」，并提出了贯穿其中的主线：
唯一不变的是变化，保持对技术趋势的关注（也保持一点怀疑），不容易被「神话」或「末日论」带节奏。
如果我们能够持续更新技能、拓展能力，把重心放在更人类的部分（创造力、批判性思维、协作），就能一直在牌桌上。
无论未来是编程复兴配资吧官网，还是「代码全自动化」的世界，那些能整体思考、持续学习、推动技术解决真实问题的工程师一定是不可或缺的。
盈亚配资提示：文章来自网络，不代表本站观点。
热点资讯
