AI会取代程序员吗？美国劳工部数据给出答案：需求不减反增

▲ DAIR.AI 创始人 Elvis（@omarsar0）：别被杂音干扰，夯实基础

浏览各大社交平台，经常能看到诸如"AI 编码效率高出十倍"或"初级码农即将失业"的内容。贩卖焦虑已成生意：卖课、提供转型方案、兜售"AI 生存秘籍"的商家赚得手软。

然而，焦虑归焦虑，事实归事实。

DAIR.AI 创始人 Elvis（@omarsar0）于 5 月 25 日发布推文，直截了当地指出：

「基于 AI 的演进趋势，未来所需的工程师和研究员只会增加。别被杂音误导，钻研基础，最大化与 AI 协同构建的能力。」

他进一步补充道：

「任何声称 AI 将取代工程师的观点都缺乏实质证据。」

这番言论虽然直白，但仅凭个人观点不够，我们需要看权威数据。

美国劳工统计局（BLS）在 2025 年发布的《职业展望手册》中，列出了两组关键数据：

软件开发人员、QA 分析师及测试员：

▲ BLS 数据：未来十年软件开发人员将增长 15%，远超平均水平

计算机与信息研究科学家：

值得注意的是，BLS 将其描述为"远快于平均"。这是所有职业中增速最快的级别。

如果 AI 真的取代了大量工程师，劳工部的预测不会如此乐观。现实情况恰恰相反：企业对能够构建、部署和维护 AI 系统的人才需求正在急剧上升。

斯坦福大学 HAI 研究所的 2025 年 AI 指数报告给出了宏观判断：AI 对社会的影响前所未有，但这种影响主要导致职业转型，而非直接导致岗位消失。

▲ 斯坦福 HAI 2025 AI 指数：AI 的影响力前所未有

报告指出，AI 能力提升迅速——软件工程基准测试 SWE-bench 的得分在一年内几乎翻倍。AI 正迅速从实验室走向日常应用。

关键在于：AI 越强大，越需要能驾驭它的人。模型能力的提升不会减少工程师需求，反而会制造新的工程瓶颈——谁来负责系统集成？谁来设计智能体架构？谁来执行安全审计和评估？

世界经济论坛（WEF）在 2025 年 1 月发布的《未来就业报告》调研了 1000 多家全球领先企业，涵盖 1400 万员工、22 个行业集群和 55 个经济体。核心结论之一：AI 和大数据技能是 2025-2030 年增长最快的技能类别，企业面临的最大转型瓶颈是"技能缺口"。

▲ WEF 调研 1000+ 企业：技能缺口是转型最大瓶颈

O*NET（美国职业信息网络）同样将软件开发人员标记为"前景光明"的职业——2026 年仍被列为热门岗位。

▲ O*NET：软件开发人员仍是 Bright Outlook 职业

既然权威数据都指向"需求增长"，为何社交媒体上恐慌情绪如此强烈？

Hacker News 上的相关讨论提供了一些线索：

▲ HN 用户讨论 AI 时代的初级岗位变化

几个因素相互交织：

第一，初级岗位的门槛确实在提高。AI 代码助手能处理大量样板代码，企业对"仅做 CRUD"的初级开发者需求在减少。但这与"工程师整体被取代"是两码事。

第二，裁员新闻被选择性放大。科技巨头每一次裁员都登上头条，但同期招聘增长——特别是在 AI 基础设施、MLOps 和安全领域——往往被忽视。

第三，卖课和自媒体的利益驱动。"程序员要失业"是获取流量的捷径。恐惧比乐观更容易让人掏钱买课。

推文下的评论也印证了这一点。@KishanVavdara 说得很直白：

「所谓的'杂音'其实是那些靠氛围编码卖课的人。真正懂注意力机制、KV 压缩和批处理原理的工程师根本不必恐慌。」

说工程师需求增长，并不意味着"所有工程师继续做旧工作"。变化确实在发生，但方向与社交媒体的叙述完全不同：

角色正在融合。一个人利用 AI 工具可以同时处理数据分析、BI 开发、数据科学和机器学习工程工作。如 @Mutee_Baig 所说：角色和技能正在合并，一个人可以完成四个人的工作——前提是你真正理解底层逻辑。

基础比任何时候都重要。@crofeal 的评论切中要害：

「学习基础比以往任何时候都更重要。AI 可以生成代码，但你仍然需要深入理解来引导它、调试它，并判断它何时出错。」

使用 AI 和理解 AI 之间的差距正在扩大。@maguyvaai 提醒道：

「'使用 AI 工具'和'理解 AI 内部发生了什么'之间的差距正在扩大。后者将变得稀缺，值得成为其中一员。」

真正的瓶颈从"编写代码"转移到"评估代码"。@nelson_delljr 指出了一个被忽视的能力缺口：

「用 AI 构建事物变得容易了，但判断你构建的事物是否真正可用——这一点没有变得容易。这才是真正的缺口所在。」

还有人更直白——@mvidia84853：

「你可以把打字工作外包给 LLM，但你永远无法将架构外包出去。」

如果你是开发者、研究员或正在考虑入行，Elvis 在后续推文中提到了一个斯坦福讲座，其中包含一个"弱链接"论点——AI 不会均匀地替代整条工作链，而是会首先冲击最薄弱的环节。你的防线就是确保自己不在那个环节上。

具体该怎么做？

1. 夯实基础。数据结构、操作系统、网络、数学——这些在 AI 时代的价值只会增加。AI 可以帮你写代码，但它无法帮你做出架构决策。 2. 练习评估能力。构建只是起点，判断构建结果的质量才是硬实力。学会编写测试、进行基准测试、设计评估管道。 3. 与 AI 协作。不要抗拒 AI 工具，也不要浅层使用。深度协作——了解其能力边界，知道何时信任它以及何时接管。 4. 关注系统层面。智能体架构、编排层、基础设施——这些正在成为 AI 工程的核心战场。正如 DAIR.AI 最近的分析所说：模型属于实验室，编排层属于工程师，而智能体的质量越来越取决于编排层。

AI 确实在改变工程师和研究员的工作内容。初级和重复性任务将被压缩，这一点不可否认。

然而，在"改变工作内容"和"消灭这个职业"之间，隔着的却是 BLS 28.8 万个新岗位、15%–20% 的增长率、WEF 1000 多家企业的调查数据以及斯坦福 AI Index 的宏观判断。

不要把所有时间都花在浏览焦虑帖子。这些帖子的作者中，许多本身就是工程师——他们写完关于"程序员被替代"的帖子后，转身就去写下一个 AI 项目了。

去学习基础，去构建事物，去与 AI 协作。这个世界需要的工程师和研究员比你想象的要多得多。

— END —