大家好，这里是最佳拍档。你可能想不到，美国的程序员群体正在经历一场被业内称为大屠杀的行业重构。这不是危言耸听的标题党，也不是遥远的预言，而是正在发生的、有数据支撑的残酷现实。根据美国劳工统计局的官方数据显示，美国程序员的就业率已经暴跌了27.5%，意味着将近三分之一的岗位彻底消失。而由AI直接或间接导致的全球大裁员，在2025年达到了117万，这是自2020年疫情以来的最高纪录。对于2026届的计算机科学专业毕业生来说，他们一走出校园，面对的不是曾经毕业即高薪的黄金时代，而是一岗难求的水深火热。今天，我们就来拆解这场AI引发的行业地震：它到底有多猛烈？谁是最大的受害者？以及未来的从业者，又该如何破局？

年轻开发者困境：AI的“入门级”收割

首先，我们从最核心的就业数据说起。斯坦福大学的研究团队分析了美国最大薪酬公司ADP的工资记录，追踪了2021年至2025年7月间数万家公司、数百万名员工的就业轨迹。研究发现，在2022年底之前，22-25岁的年轻开发者和年长开发者的就业曲线几乎是完全重合的，行业发展相对平稳。但是从2022年底开始，也就是ChatGPT等AI工具开始普及之后，两条曲线就出现了明显的分化：年轻开发者的就业率持续下滑，短短两年间下降了将近20%，而年长开发者的就业情况却相对稳定，没有出现大规模失业的现象。为什么年轻开发者会成为重灾区？答案是，AI正在替代的恰恰是那些入门级、高度结构化的编码工作。美国一家咨询公司的报告显示，2025年AI直接或间接导致了美国近55000人失业，这场冲击的严重程度仅次于2020年的疫情。在科技行业内部，这种冲击更是无处不在。一位匿名的程序员在自己的博客中发出了这样的疑问：“为什么我认识的每一个人都在被裁员？”他提到，Meta裁员数千人，谷歌招聘冻结，曾经让无数人向往的FAANG的神话，正在从内部慢慢腐烂。他甚至调侃着给这场危机起了各种名字，比如科技升级灾难、独角兽清洗、FAANG末日，还有一个非常形象的称呼——CrashGPT。

而对于刚毕业的CS专业的学生来说，他们面临的困境比在职者更加残酷。斯坦福大学的CS毕业生们发现，自己的求职处境和三年前简直是天壤之别。三年前，很多学生还没毕业就已经收到了科技巨头的offer，CS专业是人人追捧的香饽饽，动辄就能拿到百万年薪，还有完善的福利和充满创造力的工作环境。但是到了2025年，他们投出的简历大多石沉大海。很多人不得不选择多读一年研究生，试图通过提升学历来增加竞争力。多伦多大学的计算机系毕业生阿兹卡·阿兹米（Azka Azmi）今年春天毕业之后就一直在找工作，越找越沮丧的她发现，自己几乎没有机会和真人招聘官交流，所有公司都在用AI进行简历筛选和初步面试，整个求职过程变成了人与机器的对话。她提到，曾经很多学生依靠实习或合作项目的机会获得全职工作，但是现在，只有百分之一的申请者能收到回复，竞争激烈到令人绝望。另一位多伦多大学的毕业生埃利奥特·陈（Elliot Chen）的经历更具代表性。2024年春季，他获得了CS本科学位，之后投递了几百份简历，却发现留给应届毕业生的机会少的可怜。很多岗位都明确要求至少一年的非实习工作经验，这对于刚毕业的学生来说，无疑是一道无法跨越的门槛。由于求职不顺，埃利奥特·陈决定继续攻读CS硕士学位，希望通过更高的学历让自己在求职市场中脱颖而出。但是让他没想到的是，读研读到一半，他收到的雇主回复竟然比本科时还要少。这种越努力越迷茫的处境，正在成为很多年轻CS毕业生的常态。还有一位CS博士告诉媒体，现在本科阶段的CS学生们正面临着极度的恐慌，甚至出现了心理健康问题。“竞争非常激烈，很多环境都变得非常不友好。这些孩子什么都做，他们超越了以往任何人的极限。这对每个人来说都是残酷的。”多伦多大学的学生克丽丝·朱（Chrisee Zhu）也有同样的感受，她发现同学们都异常焦虑，在小组课程中常常心不在焉，无法专注于课程任务和团队协作。每个人都把所有的精力放在了求职申请和编程练习上，只为了能在技术面试中多一分胜算。

资深开发者转型：拥抱新范式与AI的“双刃剑”

可能有人会说，年轻人缺乏经验，被AI替代很正常。那行业内的资深大佬是不是就高枕无忧了？答案是否定的。就连前特斯拉AI总监、OpenAI联合创始人安德列·卡帕西（Andrej Karpathy）都在社交媒体上发出了这样的感叹。他说：“我从未感到作为一名程序员如此落后，这个职业正在被彻底重构。程序员所贡献的代码越来越稀少且分散。”卡帕西进一步解释说，过去一年中涌现出了大量AI工具，如果能正确地将这些工具串联起来，程序员的效率就能提升十倍。但是如果无法抓住这个提升得机会，那就是技能上的重大缺陷。他提到，现在的程序员需要掌握一个全新的可编程抽象层，这个抽象层叠加在原有的技术栈之上，涉及到agent、sub-agent、提示词（prompt）、上下文（context）、MCP、LSP等一系列全新的概念。更重要的是，程序员需要构建一个全面的心理模型来理解这些本质上随机、不可靠、难以理解且不断变化的实体，而这些实体现在已经和传统严谨的软件工程实践交织在了一起。卡帕西还将AI比作被递到人类手中的强大外星工具，它没有说明书，每个人都得靠自己摸索着掌握如何使用。他用9级地震来形容这场变革对行业的冲击，最后呼吁同行：“卷起袖子，别掉队了。”

他的这番言论引发了广泛共鸣。Anthropic公司的工程师鲍里斯·切尔尼（Boris Cherny）在评论区留言说，自己每周都会有同样的感受。有时候他开始手动处理一个问题，中途就会提醒自己：“Claude可能能搞定这个。”切尔尼还分享了一个具体的例子：最近他们团队在调试Claude Code中的一个内存泄漏问题。他一开始用的是老办法：连接性能分析工具、运行应用、暂停分析工具、手动查看堆内存分配。而他的同事则直接让Claude生成一个堆内存dump，然后让Claude分析dump，寻找不应该存在的保留对象。结果Claude一针见血地找到了问题所在，还直接提交了代码合并请求。这种情况每周都会发生。更让他感触的是，那些对AI模型的能力没有预设偏见的新同事，甚至是刚毕业的新人，反而能最有效地使用这些工具。因为每隔一两个月，AI模型在编码和工程方面的能力就会有明显的提升，想要持续调整对模型能力的认知，需要付出相当大的脑力劳动。切尔尼还透露，自己上个月完全没有打开过IDE，纯让Opus 4.5写了大约200个代码合并请求，每一行代码都是AI生成的。他感叹道：“软件工程正在发生根本性的变化。即使对于我们这些早期的采用者和实践者来说，最难的仍然是不断调整自己的预期，而这，才刚刚开始。”卡帕西也表示，自己有类似的经历。AI就像一把强大但是难以驾驭的武器，你到处挥舞的时候，它可能会走火，但是如果能握持得恰到好处，一道强大的激光就会射出来，直接解决你的问题。这两位行业大佬用亲身经历告诉我们，AI带来的不是简单的替代，而是整个行业工作模式的根本性重构。无论是新人还是资深开发者，都必须重新学习如何与AI共处，否则就会被时代淘汰。

成长阶梯断裂：新人困境与行业未来

不过，在这场行业地震中，并非所有的编程相关岗位都在衰退。美国劳工统计局的数据显示，2023年至2025年间，虽然程序员的就业率暴跌27.5%，但是整体计算机和数据处理行业的就业率仅微跌了0.3%。与此同时，信息安全分析师和AI工程师的职位出现了两位数的爆发式增长。这种岗位分化背后，是雇主对技能需求的根本性转变。宾夕法尼亚大学职业服务中心的高级副主任杰米·格兰特（Jamie Grant）分析得是一针见血。她警告那些追求软件工程职位的学生，现在不再仅仅是写代码那么简单了，雇主要求的是更高阶的思维能力、对软件开发生命周期的全面掌控，以及那些AI无法替代的技能，比如理解客户那些模糊不清的需求。美国大学与雇主协会（NACE）发布的《2026就业展望》，也印证了这一点。雇主们的悲观情绪已达到2020年以来的最高点。在这份报告中，雇主对就业市场的评级分布显示，认为市场较差（Poor）的比例达到6.0%，一般（Fair）的比例为45.0%，而认为良好（Good）和非常好（Very Good）的比例分别为37.0%和12.0%，与前几年相比，整体信心明显下滑。但是值得注意的是，雇主们并非在全面缩减招聘，而是在重新定义岗位需求。他们不再需要只会堆砌代码的执行者，而是需要能利用AI提升效率、解决复杂问题的战略家。

说到这里，可能很多人会有一个疑问：既然程序员的岗位在减少，是不是因为AI写代码比人类更好、更高效呢？真相可能会让你大吃一惊。AI软件公司CodeRabbit近期发布的一份研究报告，给盲目崇拜AI编程的人们泼了一盆冷水。该公司分析了470个代码合并请求，得出的结论是：人类编写的代码，平均每个请求包含6.45个问题；而AI生成的代码，平均每个请求包含10.83个问题。也就是说，AI生成代码的出错率是人类的1.7倍。更令人担忧的是错误的性质。CodeRabbit的报告显示，AI生成的代码中，严重（Critical）和重大（Major）问题的比例远高于人类代码，其中，严重问题的数量是人类的1.4倍，重大问题的数量是人类的1.7倍。尽管AI在拼写和语法上的准确性比人类高两倍，但是一旦出错，往往是深层次的逻辑谬误、功能正确性缺失，以及代码的可读性灾难。从错误类型的分布来看，AI在逻辑与正确性方面的错误率是人类的1.75倍，其中算法或业务逻辑错误是人类的2.25倍，并发控制错误是人类的2.29倍，空指针或None的引用错误是人类的2.27倍。在代码质量与可维护性方面，AI的错误率是人类的1.64倍，其中代码可读性问题更是达到了人类的3.15倍，命名不清晰问题是1.87倍，代码格式错误是2.66倍，未使用和冗余代码是1.64倍。在安全方面，AI生成的代码安全漏洞数量是人类的1.56倍，其中跨站脚本攻击漏洞是人类的2.74倍，密码处理不当问题是人类的1.88倍，不安全的对象引用是1.91倍。安全公司Apiiro的研究也得出了类似的结论：使用AI的开发者搞出的安全问题是不使用AI的同行的十倍，因为AI在处理密码和敏感信息时，经常会出现降智的表现，导致受保护的信息泄露。贝恩公司（Bain & Company）在9月的报告中更是直言不讳的指出，尽管编程是最早部署生成式AI的领域，但是成本节省并不显著，而且结果未能达到炒作的预期。这些数据告诉我们一个残酷的现实：AI并没有成为更优秀的程序员，反而成了一个Bug制造机和长期技术债的积累者。CodeRabbit的报告指出，AI生成的代码问题正在像滚雪球一样累积，这些问题不仅难以审查，而且会给后续的维护和升级带来巨大的麻烦，最终转化为企业的技术债务海啸。

那么，既然AI生成的代码质量如此堪忧，为什么还有越来越多的公司在使用AI编程呢？答案很简单，那就是AI能极大地提升产出效率，即使是以牺牲质量为代价。对于很多追求短期业绩的公司来说，快速产出代码、推进项目进度，比代码的长期可维护性更重要。但是这种短视的做法，正在让人类开发者陷入一个荒诞的困境：他们的工作不再是从零开始编写代码，而是变成了给AI擦屁股。研究机构METR在7月的一项研究，揭示了一个反直觉的现象：对于经验丰富的开发者来说，AI工具实际上拖慢了他们的进度。这项随机对照试验招募了16名具有一定AI使用经验的开发者，他们平均拥有5年的大型复杂项目经验，需要完成246项任务。结果显示，这些资深开发者使用AI工具后的效率反而比不使用时下降了。虽然经济专家、机器学习专家以及开发者自己，在研究开始前的预测都认为AI会提升效率，但是实际的结果却截然相反。为什么会出现这种情况呢？因为资深开发者被迫变成了全职的找茬专家，他们需要像拿着显微镜一样，逐行审查AI生成的、看似完美、实则漏洞百出的代码。AI生成的代码往往表面上逻辑通顺、语法正确，但深层的逻辑谬误、安全漏洞却非常隐蔽，只要漏掉一个，整个系统就可能崩溃。这种审查工作需要消耗大量的精力，甚至比自己从头编写代码还要累。

但是这并不意味着我们应该抛弃AI。杰米·格兰特（Jamie Grant）将AI比作一套外骨骼，想象一下，它能让你轻松举起1000磅的重物，所以它应该是你工作的增强器，强化你更高阶的批判性思维。NACE的数据也支持了这个观点：61%的雇主表示，他们并没有用AI简单地取代入门级岗位，而是有41%的雇主计划利用AI来增强这些岗位的工作效率。也就是说，AI的正确定位应该是辅助工具，而不是替代者。它负责完成重复性的编码工作，人类则专注于更有价值的设计、审查、决策等工作。然而，当前行业的现状是，很多公司并没有正确使用AI，而是陷入了盲目依赖的误区。这不仅导致了技术债务的累积，还引发了一个更为深远的危机，那就是新一代工程师的成长阶梯断裂了。过去，初级工程师的成长路径非常清晰：他们从简单的、任务导向的脏活累活开始做起，比如编写基础模块、修复简单的Bug、优化代码格式等等。通过这些基础工作，他们逐渐熟悉软件的开发生命周期，积累实战经验，培养解决问题的能力，最终成长为能够独当一面的资深工程师和架构师。但是现在，这些基础工作都被AI包圆了。初级工程师一入职，就被要求直接处理复杂的设计问题、审查AI生成的代码，甚至解决深层次的逻辑漏洞，但他们根本没有经过基础工作的磨练，缺乏相应的技能和经验，很难胜任这些高阶工作。

SignalFire发布的报告显示，顶尖CS项目毕业生的就业率正在持续下滑。基于美国排名前20的工程学院的CS毕业生数据，2019年有80%的毕业生在毕业后6个月内找到工作，其中68%成为工程师，18%进入七巨头公司；而到了2024年，整体就业率下降到了70%，成为工程师的比例降至61%，进入七巨头公司的比例更是只有12%。更严峻的是，入门级岗位的占比已经从疫情前的水平下降了50%。SignalFire的数据分析显示，无论是大型科技公司还是初创公司，招聘新员工时，对工作经验的要求都在不断提高。2019年，大型科技公司新招聘的员工中，有近15%是工作经验不足1年的应届生；而到了2023年，这个比例骤降至不足5%，2024年虽有小幅回升，但是仍远低于疫情前水平。初创公司的情况也类似，2019年应届生在新员工中的占比约为12%，2023年降至4%左右。与此同时，大型科技公司和初创公司都在增加对资深员工的招聘。2024年，大型科技公司招聘的员工中，工作经验10年以上的占比显著提升，而初创公司对5-10年经验员工的需求也在增长。这种重资深、轻新人的招聘策略，导致职场新人陷入了先有鸡还是先有蛋的死循环：没有基础工作经验，就无法获得高阶工作机会；但是没有高阶工作机会，又无法积累基础经验。Creating Coding Careers的创始人迈克·罗伯茨（Mike Roberts）对此发出了警告，认为许多公司目光短浅，只看重下个季度的业绩，不愿投资培训新人。在他看来，当前的行业现状正在透支未来的人才储备。当资深工程师逐渐退休，而新一代工程师无法成长起来，整个行业可能会面临人才断层的危机。

在社交媒体上，关于软件工程是否正在走向终结的讨论，也异常热烈。用户萨姆瓦拉（Samswara）写道：“软件工程师这个职业正在走向终结，可能是5年，也可能是10年，但我们都感受到了，终点正在开始。愿我们能以光荣、欢乐和庆祝的方式，为这个辉煌产业的终结画上句点。”而另一位用户妮塔（Nita）则反驳道：“我不认为软件工程会结束。真正结束的，是对普通技能存在无限需求的幻觉。将会有一个混乱的过渡期，大量工作被自动化，许多事情会出错，质量下降，人们也会感到沮丧。那些保持好奇心、不断更新技能，并且真正分析哪里出了问题的人，在调整之后将处于最强的位置。其余的人则会筋疲力尽。”总之，美国码农行业正在经历的大屠杀，本质上是AI浪潮下，一场优胜劣汰的自然选择。平庸者将被淘汰，强者则将借助AI的力量，实现能力的跃迁。无论如何，AI时代的大门已经打开了。与其恐惧变革，不如主动适应变革；与其抱怨被淘汰，不如努力提升自己。感谢收看本期视频，我们下期再见。