AI 没有让程序员失业，它只是把职场的第一级台阶拆了
初级岗位在消失，高级岗位在涨价，最尴尬的是夹在中间的那批人——那些工作三到七年的中级工程师，正被两头夹住。这不是又一篇唱衰程序员的文章，是一份关于谁正在被挤出队伍的账本。
一个北京程序员的最后两周
费兆军的老板问了他一个问题：AI 是不是已经能取代你写代码了？
他回答还不行，AI 写出来的东西不够完美。老板觉得“够接近了”。两周后，费兆军和大约 160 名同事一起离开了公司。这是《财富》杂志今年 8 月报道的真实事件，发生在北京。
费兆军自己也是程序员，40 岁。他对记者说的那句话，比任何分析都扎心：“中级程序员的工作，在大多数情况下基本上是可被取代的。”
但同一时间，另一组数字在往反方向跑。据脉脉的招聘数据，2026 年 1 到 2 月，AI 岗位数量同比增长约 12 倍；AI Agent 开发工程师的供需比是 1:2.5——2.5 个岗位抢 1 个人。
一边是 160 人集体离开，一边是 2.5 个岗位抢 1 个人。
所以问题得换个问法：到底是哪一种程序员，正在被不要？
涨 12 倍和跌 65%，发生在同一个行业
先看往下掉的那一半。据智联招聘 2026 年一季度报告，普通后端和前端开发岗位需求同比下降 52%。拆开看更明显：初级前端 -65%，初级后端 -58%，测试工程师 -35%。
再看往上走的那一半。翰德《2026 人才趋势报告》显示，传统软件开发需求整体下降约 25%，AI 应用开发需求增长 60% 以上。脉脉的数据更夸张：AI 岗位在新经济岗位中的占比，从 2025 年同期的 2.29% 直接跳到 26.23%。
薪资也在跟着分叉。据麦可思研究院《2026 年中国本科生就业报告》，软件工程跌到了本科生月收入第 13 位，计算机科学与技术跌到第 32 位，双双跌出前十。
而同一份报告里，AI 方向就业率 93.7%，2026 届校招中 AI 与大模型行业平均起薪 56.2 万元，同比涨 26.7%，是所有行业里最高的。
一个行业里同时出现“跌 65%”和“涨 12 倍”，衰退解释不了这种事。队伍只是在重新排。
被抽走的是训练场
最容易被忽略的一层在这里：初级岗位消失，损失的不只是一份工作，更是一个练出判断力的地方。
以前应届生进公司，干的活是写增删改查、修小 bug、照着规范套模板。这些活廉价、枯燥、看起来毫无价值——但一个程序员的判断力就是在这儿长出来的。你得亲眼见过一次线上事故，才会本能地去检查边界条件；你得改过别人的烂代码，才知道什么样的结构三个月后会塌。
现在这部分活，AI 干了。据 BOSS 直聘数据，工作 1 到 3 年、只做基础编码的程序员，简历通过率从 2023 年的 25% 掉到 2026 年的 7%。
据脉脉《2026 春招求职行为洞察》，要求 3 年以上经验的岗位占比已超过七成，面向 1 年以内经验者的岗位缩减约 20%。
海外数据指向同一件事。ADP Research 与斯坦福数字经济实验室从 2022 年 11 月起持续追踪，结果是：22 到 25 岁的程序员群体，就业人数以每年 3.8% 的速度下降；26 到 30 岁温和下降；31 岁及以上不仅没缩水，反而比 2022 年更稳。
台阶被抽走了，但没人因此长出翅膀。
真正被挤压的是中间那层
按直觉，AI 来了应该先淘汰最差的那批人。真实情况正好相反。
今年 8 月 13 日，Hacker News 上一篇《AI 正在消灭软件工程的中产阶级》，一天涌入 575 条评论。它的核心论点很反直觉：被挤压最狠的不是最弱的，是中间那层。
打个比方。一支球队里，巨星贵但值这个价，替补便宜随便换，真正尴尬的是首发——够可靠，但换上谁也不掉档。软件行业正在发生同样的分化。
更麻烦的是，AI 把破坏力也放大了。社区里有个说法叫“0.1x 工程师”：过去这种人产出慢，破坏也就那么大，评审时还兜得住。现在他配上了 AI，一天能吐出一万行“看起来能跑”的代码——产出速度超过了所有人的评审速度。
那个帖子里描述的场景很多人有共鸣：周一早上打开电脑，7 个待审 PR 在排队，点开第一个，改动 25000 行。
滑铁卢大学今年一场行业闭门会给出了更冷静的观察：初级开发者反而“比以往更划算”，AI 帮他们快速跨过了最初那段净产出为负的时期；真正难办的，是上一轮十年招聘潮里成长起来的中级工程师——人数最多，再培训最贵。
他们大多不会被裁。据 DevEntia 的观察，中级工程师遭遇的不是失业，是薪资增长停滞：会 AI 的年轻人从下面追上来，有杠杆的资深工程师从上面拉开差距，中间那层被两头夹住。
没人慌，但都更累了
外面在传“程序员要被取代了”，里面的人在干什么？
Python 社区 PyCon DE 今年 6 月做了一次调查，383 位从业者回答。结果里有个刺眼的数字：认为自己的岗位立即受 AI 威胁的人，0 个。96% 的人每天多次使用 AI 工具。
但这不代表轻松。同一份调查里，68% 的人说新增任务是“审核 AI 产出”，67% 的人反映工作量反而变大了，而公司里对 AI 使用有成文规范的，只有 11%。
AI 没有替人干活，它把“干活”换成了“验收”。验收比干活更费脑子——Stack Overflow 2025 年开发者调查中，只有约 33% 的人信任 AI 生成代码的准确性，46% 的人明确表示不信任。你不敢不看。
研究机构 METR 做过一个更狠的实验：让资深开发者在熟悉的代码库上用 AI 干活，他们实际慢了 19%，但每个人都觉得自己快了差不多 20%。
体感和现实之间，差了将近 40 个百分点。
哪四类人暂时安全
不是所有人都在同一条下沉的船上。就目前情况看，这四类的护城河还在。
碰钱和碰命的。 核心交易链路、资金结算，出错一次就是真金白银。这类工作要求权衡业务风险和边界异常，AI 给不出“这个锅谁背”的答案。
敢动祖传代码的。 大型遗留系统重构，难的不是写代码，是理解十年前那批人为什么这么写、哪些地方不能碰。这些知识通常不在文档里，在少数几个人的脑子里。
懂行业的。 工业控制、医疗设备、硬件时序这类垂直场景，约束复杂到 AI 看不见——比如某个传感器在低温下会误报，这种事只有踩过坑的人知道。
会给 AI 派活的。 能把模糊需求拆成清晰 spec、能识别 AI 在哪儿一本正经地胡说、并且敢为最终结果签字的人。
一句话：AI 替代的不是人，是“编码执行”这个动作。
三条能落地的出路
道理讲完了，说点能动手的。
从“写代码”转到“定任务”。 具体练法：拿到需求先别急着让 AI 写，试着把它拆成 AI 不会误解的 spec——输入是什么、边界在哪、什么情况算失败。这项能力现在的溢价，比“写得快”高得多。
从“做功能”转到“背系统”。 至少完整拥有一个东西的所有权：它的产品逻辑、它的基础设施、它的客户投诉。只对自己写的几个函数负责的人，可替代性最高。
补一门 AI 学不会的功课。 客户访谈、跨团队协调、把技术方案写成别人能读懂的文档。这些听起来不像技术活，但它们恰恰是判断力的来源。
如果你不是程序员而是在管技术团队，这里有一句专门给你的：别问“用 AI 能不能少招几个人”，要问“少招了人，谁来验证产出”。前者省钱，后者决定你的系统三个月后还能不能跑。
台阶没了以后
回到开头那个北京程序员。
费兆军那批人输的不只是运气。他们手里只有“编码执行”这一张牌，而这张牌的价格正在归零。
AI 没有让程序员失业，它只是把这个职业的形状改了：入门的台阶被抽走，中间的夹层被压扁，顶端的价格被打上去。难听，但这就是账本上的数字。
台阶被拆了，不代表路没了。只是从今往后，梯子得自己搭。
你身边有三到七年经验、正在焦虑的朋友吗？把这篇转给他，比安慰两句有用。
觉得有用？点个关注，持续获取优质内容。