AI 编程虽爽，五年后谁来为烂尾代码买单？
上月，他毅然递交了辞呈。
并非为了另谋高就，也非立志创业。只因公司裁撤了 8 位初级程序员，将其工作全权移交 GitHub Copilot，并强令剩余几位资深工程师监管 AI 产出，一人干起十一人的活。
他目睹代码库逐渐沦为一堆无人能懂的真实"烂摊子"。
他坦言：这份工作已变得面目全非。
这并非单纯的抱怨，而是对行业内悄然蔓延之危机的真实写照。
数据光鲜，直至泡沫破裂之日
新闻头条如此宣称——
Salesforce 宣布停止招聘软件工程师，声称 AI 提升效率三成。Meta 削减数千工程师，亚马逊裁员一万八。投资者欢呼雀跃，股价应声上涨，众人皆在为"AI 降本增效"喝彩。
然而头条未曾披露的是：半年过后，这些企业内部究竟遭遇了何种困境。
斯坦福数字经济实验室数据显示，22 至 25 岁初级开发者就业人数较峰值下滑近两成。科技业失业率于 2025 年初单月内从 3.9% 激增至 5.7%。实习岗位自 2023 年起锐减约三成。
这不仅是年轻人的求职困局，更意味着整个行业"人才流水线"正面临断裂危机。
他们遗忘了资深专家的来源
制定裁员大计的高管们，似乎忘却了软件工程的一条基本公理：
所有资深工程师，皆由初级程序员磨砺而成。
正是在处理枯燥基础代码、修复微小漏洞、反复试错与复盘中，他们才逐步构建起对系统底层逻辑的深刻认知。此过程毫无捷径，亦无替代方案。
某大厂资深工程师坦言：四年前，他亦是那个为每次成功合并请求而自豪的新手。其判断力，全是在实战中点滴打磨而出。
那些砍掉初级岗位的企业，本质上是在锯断自己赖以生存的树枝。
约莫五至七年后，行业必将遭遇严重的资深人才荒。这非预言，而是算术题。
AI 生成代码，看似正确未必真对
此处有个常被忽视的隐患。
AI 编程工具产出的代码"表面上"无误——能编译，能过基础测试，大体符合要求。
但它不懂业务逻辑。它不知 2019 年某项看似怪异的技术决策背后隐藏的历史渊源。它不理解系统间那些从未落于文档、仅存于老工程师脑海中的"隐形契约"。
后果便是：AI 埋下隐患，或许数月不显，一旦爆发，唯有深谙底层背景者方能诊断。
而那些精通底层的资深专家，正因疲于应付 AI 制造的繁重工作量而相继离去。
待他们离开，那些深层逻辑与背景知识，亦将随之湮灭。
"审核"绝非"理解"
Stack Overflow 2025 年调查显示，84% 开发者在过程中使用 AI 工具。但同一报告揭示了另一面：开发者对 AI 输出的信任度从 40% 骤降至 29%，45% 受访者认为调试 AI 代码比手写更耗时。
核心问题不在于 AI 是否好用。
关键在于：当一人耗费三年审核 AI 代码，他并未成长为工程师，仅是蜕变为经验丰富的"AI 代码审核员"。此二者截然不同。
当人类亲笔写码，即便缓慢，也是在构建"理解"——内化系统运行规律，学会研判某条路径失败之因。
但若由 AI 写码、人类仅负责审核，人只见到结果，未经历构建过程。未曾犯错，便无从吸取教训。
一旦 AI 在新场景下犯下致命错误，这些审核员将束手无策。因其从未亲手搭建系统，未能建立处理陌生问题所需的心理模型。
留守者，亦开始离去
资深工程师虽未被裁，公司仍需其"监管 AI"。
但他们热爱且擅长之事已变味。原本是工程创作，现沦为代码保姆；原本是攻克复杂难题，现为逐行排查 AI 低级错误。
与此同时，新人已难觅初级岗位。
一位工程师描述所见景象：大量优秀应届生求职时碰得头破血流。非因能力不足，实乃公司算盘精明——GitHub Copilot 月费十美元，初级开发者年薪九万，账目对比高下立判。
于是，初级岗位消失，人才梯队断裂。留下的资深工程师一人分饰三角：自主开发、审核 AI、修补愈发无人能懂的代码库。
故而他们选择了离开。投身自由职业，创办小微公司，去从事任何感觉像"真实工程"的事务。
最后那无法回避的讽刺
整件事最荒诞之处在于：
那些借 AI 取代初级程序员的公司，极度依赖资深工程师以维持 AI 运转。而这些资深专家，正是通过从事初级工作才练就了这般本领。
企业正在亲手掐断自身最急需的人才供给线。
最终结局已可预见：代码库无人能懂，AI 无人有效监管，能维护系统者尚未学会走路便被迫学跑。
这不叫提效，而是一场数据光鲜、慢动作播放的灾难。
当下最优秀的工程师，非写码最快者，而是那些面对 AI 输出能指出"此处不对劲，知悉何处查证"之人。此种判断力，只能源自年复一年的实战积累，无法被捷径替代，更无法传递给从未走过那些弯路的人。
那些选择离开的资深专家，并非逃避 AI。他们是在逃离一个不再珍视"深层理解"的行业。
在系统崩溃前，"看似无碍"或许尚能应付。但当其真正失效之日，后果将是灾难性的。
届时，懂行之人是否尚在？
现实是，他们中的一些人，早已远去。