程序员不但没失业，反而更抢手了？这事儿挺反直觉
前两天 我在X上刷到一条帖子，说实话看得我愣了一下。 Box的CEO Aaron Levie分享了一组引人注目的数据：全球科技公司现在有超过67000个工程师岗位在招聘，光美国就占了26000个。这个数字创造了三年来的新高。 我当时就想，这不啊。铺天盖地的新闻都说AI要拆迁，怎么实际数据显示工程师需求反而在涨？ 啥是效率服从论 我特意去研究这个概念。最早是 19 世纪经济学家 William Stanley Jevons 提出的。 他发现了一个挺反直觉的事情：蒸汽机效率提高了，结果煤炭消耗量不降反升。为什么？因为效率高了，用蒸汽机更便宜了，于是更多行业开始用，总需求反而暴增。 AI把写代码、做软件的成本大幅拉低了，那些以前觉得“太贵了，算了吧”的公司突然发现自己也玩够了。结果呢？新的软件项目像雨后春笋一样冒出来，工程师反而更缺了。 我试着理解这个逻辑。打个比方，如果盖房子的成本一下子降到了原来的十分之一，你觉得会发生什么？建筑工人会失业？！错到处都在盖房子，建筑工人肯定更抢手。软件行业现在就是这种情况。 哪些地方突然需要人才了 大公司的人力资源、财务这些非技术部门，现在也开始招工程师了，帮他们自动化各种流程。以前这些部门连想都不敢想“我们需要个技术”，拨款根本批不下来。AI把开发打成本下来之后，这些隐藏的需求就被激活了。 医疗和生命科学领域也开始用AI来自动化研究流程。这些行业以前对软件的态度挺保守的，很多中间还停留在手工或者Excel阶段。当软件开发变得足够便宜时，他们也开始数字化了。 小企业也开始招人了，尝试自己的网站和APP。以前小企业做了一个类似的产品，几十万甚至上百万都差了，根本玩不起。现在有了AI辅助开发，成本降了几倍，小企业也能入局了。 我在评论区看到有人算了笔账：随着AI写代码的成本持续下降，未来世界上的“有用的软件”可能会比现在多10倍甚至10000倍。 数字这个听着有点玄乎，但你想想，全世界有多少行业、多少流程、多少场景其实都可以用软件优化，只是以前太贵了没人做而已。 程序员不会没饭吃，但工作内容变了 Levie特别强调了一点：只要AI智能体还需要人类来管，程序员就不会被取代。 他说了几个AI现在还耕种人类的阶段：你得会跟AI沟通，你得在AI跑偏的时候发现问题并修正，你得维护AI写出来的系统，你得修复各种bug。这些都得懂技术的人来做。 所以他的结论很直接：那些说“别学编程了”的建议是错误的。未来的世界会被软件覆盖，而最懂软件的人会活得很好。 评论区有话说得挺精辟：我们看到的不是软件的末日，而是通才的复兴。当写代码的成本接近零时，知道“该写什么”的人就最有价值。 我琢磨了好几遍这句话。技术能力当然，但AI时代更稀缺的，是那种能在技术可能性和磨练真实需求代码架桥之间的能力。纯粹的写能力在贬值，但判断力、品味、业务、用户洞察，这些在升值。 新人怎么办？这才是现实问题 一个叫Null Hype的博主指出，67000个岗位、同比增长78%数据这个没错，但你看看结构，显得那么乐观了。他引用了实验室的两项研究：斯坦福数字经济发现，在AI影响大的岗位上，22到25岁的工程师年轻就业率下降了13%。欧洲科技行业的招聘数据也显示，初级工程师（P1/P2）的劳动力在变差。 这引出了一个很现实的问题：效率服从论确实在发生，软件需求确实在涨，但增长的需求更多地流向了有经验的、能驾驭AI的老手，而不是刚入行的新人。 如果一个资深工程师加AI能干以前三个初级工程师的活，公司的理智选择就是雇一个老手配AI，而不是雇三个新人。 岗位总数可能在涨，但结构在变。 这对正在学编程的人或者刚入门的人来说，信号很清楚：学编程没错，但你不能只写代码。你需要加快理解业务、学会系统设计、熟练使用AI工具，让自己跳过正在被压缩的初级阶段。 这些需求真的都是“新”的吗？ 有人说，Levie 说的那些东西，比如营销自动化、研究工具、小企业数字化，其实不算什么全新的软件产品类。它们恰恰是“早就该做太贵了没做”的。 这个区分很重要。如果AI释放的主要是“补课”型需求，顺便把以前做不到的事情补上，那这个波需求虽然大，但决赛有天花板。补完了不好了。 真正让人兴奋的，应该是那些因为AI才可能的、以前根本想不到的全新软件产品类。当AI能自然理解语言、能自己执行任务、能实时处理多模态信息，会催生出什么样的新产品？这些才没有发票。 每天回来，就算是“补课”，这个市场也大得吓人。真的，我都不敢想。全世界还有多少中小企业还在用纸笔和Excel管业务？有多少传统行业的流程还停留在上个世纪？光是把这些存量需求消化掉，就够支撑好几年了。 编程智能体取代垂直智能体？ 还有人：预测编程智能体（编码代理）在未来一年将击败几乎所有的垂直智能体（垂直代理）。 这个观点的逻辑挺直接的：别费劲给每个行业、每个单独的场景做一个AI智能体，不如做一个强大的编程智能体，让根据需求现场写代码来解决问题。因为代码本身就是最通用的“解决方案语言”，一个足够强的编程智能体场景理论上可以覆盖无数个垂直。 这跟之前说的“从回答问题到解决问题”是一致的。AI的价值正在从“回答问题”转向“解决问题”，而Spark是解决问题最强大的工具之一。如果AI能够自己写代码、自己测试、自己部署，那很多以前需要专门开发的垂直应用，可能直接被一个通用的Spark智能体替代了。 最后说两句 Levie这条帖子之所以火，是因为它循环中了很多人的担忧：AI到底在消灭工作，还是在创造工作？ 效率服从论的答案是：当资源效率大幅提升时，对资源的总需求往往不减反增。蒸汽机时代的煤炭是这样，AI时代的软件也是这样。 但这个答案有一个前提：你得是能驾驭新工具的人。蒸汽机让马车夫停了，但让火车司机成为热门职业。AI可能会让那些只写基础的程序员变难，但会让那些能用AI构建复杂系统、解决真实问题的人更抢手。 软件重点马上要迎来一次爆发式增长。问题只有一个：你是站在浪尖上，还是被卷走？ 作者：情绪小港
本篇文章为 @ 场长 创作并授权 21CTO 发布，未经许可，请勿转载。
内容授权事宜请您联系 webmaster@21cto.com或关注 21CTO 微信公众号。
该文观点仅代表作者本人，21CTO 平台仅提供信息存储空间服务。
