昨天，科技圈被一条大新闻刷屏了。前推特创始人 Jack Dorsey 创立的金融科技公司 Block 宣布裁员约 40%，超过四千名员工离职，公司规模从一万多人锐减至不足六千人。官方给出的理由自然是“拥抱 AI 转型”。
消息一出，资本市场用脚投票，Block 股价盘后暴涨 24%。这似乎是在说：裁员，裁得对。
但如果我们仔细回溯一下数据：Block 在 2019 年底的员工总数仅为 3800 人，在随后的疫情几年里迅速膨胀至万余人，而其股价同期却下跌了 75%。这真的是 AI 取代了人力吗？恐怕更像是疫情期间过度招聘的泡沫，到了该被挤破的时候。
AI 在此刻，更多地是给了管理层一个体面的叙事工具。核心信息从“我们战略失误、过度扩张了”，变成了“我们正在积极拥抱技术变革的时代浪潮”。
第一层现实是：AI 叙事正在成为企业进行结构性优化的一个“完美”借口。
但故事如果只讲到这里，就过于简单了。
就在同一周，知名机构 Citadel Securities 发布的一项宏观观察指出：2026 年初，美国软件工程师的岗位招聘量同比上涨了 11%。请注意，不是下跌，是上涨，并且是在整体招聘市场相对平淡的背景下实现的逆势增长。
数据来源：https://www.citadelsecurities.com/news-and-insights/2026-global-intelligence-crisis/ [1]
一边是 Block 这样的巨头大刀阔斧裁掉四成员工，另一边是整个行业对程序员的需求不降反升。这两件事怎么会同时发生？
这就引出了经济学中的 杰文斯悖论（Jevons paradox）。简单来说，当蒸汽机的效率大幅提升后，煤炭的总消耗量不降反升。因为煤炭的使用成本（价格）降低了，更多原本不经济、不可行的应用场景被开发出来，总需求反而爆发了。
AI 对编程行业正在产生同样的效应。它将软件的生产成本无限趋近于零，这并未消灭需求，反而将过去被高成本所压抑的海量需求大规模释放了出来。
Citadel 的报告里还有一个精妙的类比：经济学家凯恩斯曾在1930年预言，随着生产率的飞速提高，未来人类每周只需工作15小时。他的方向判断是对的（生产率提高），但结果判断完全错了。人类并没有选择集体“躺平”，而是选择了生产并消费更多的东西，创造了更多新的需求。
所以，第二层现实是：大公司的裁员是存量优化，而由技术成本降低所驱动的全行业增量需求，正在悄然爆发。
前两层是现象，第三层才触及本质。
Y Combinator 总裁 Garry Tan 曾分享过一个数据：在当前的 AI Agent 工具调用中，软件工程领域的应用占比接近 50%。而医疗、法律、金融等十几个垂直行业，基本还是一片空白。正如英伟达 CEO 黄仁勋在达沃斯论坛所言，这些行业的模型“第一次好到可以在上面构建应用了”。
来源：Anthropic：Measuring AI agent autonomy in practice [2]
这意味着什么？意味着以 AI 辅助开发、Agent 构建、自动化工程实践为核心的“AI Engineering”能力，正在从科技公司的象牙塔中向外扩散。这波从大厂流出的、具备这些技能的工程师，将成为技术扩散的火种，进入千行百业。
一两年内，这些火种可能会爆炸性地提升全行业的生产力（同时，也可能带来真正惊人的结构性失业率）。
这里存在一个残酷的显性逻辑：不会用 AI 赋能自身工作的人，其生产率将被会用 AI 的人彻底碾压。
但是，如果我们反过来思考，如果你是程序员，哪怕是初级程序员，其实已经占据了极高的先发优势。
你会用 SSH，会用命令行。光是这一条，你已经超越了无数其他行业的从业者。你还会“科学上网”，能顺畅地使用 GitHub Copilot、Claude Code 等先进工具，这又拉开了一大批人的差距。如果你再懂一点如何为 AI 设计上下文提示（Prompt Engineering），知道如何利用（Harness）开源生态的能力，你完全可以在许多传统行业里成为降维打击的存在。
大众舆论总是在渲染“AI 要消灭程序员”。但我的观点恰恰相反：你已经迈入了程序员这个门槛，短期内根本无需焦虑。
AI 确实在消灭那些重复、模板化的纯编码工作。但相比其他行业，程序员群体在理解和运用这项新技术上，已经占尽了先机。问题的关键不在于 AI 本身，而在于你想清楚带着这份“武器”往哪个方向走。
AI 是一个效能倍增器。它让原来的“10倍工程师”可能变成“100倍工程师”，未来的差距还可能拉大到1000倍。如果你在纯软件/互联网赛道里不是头部，竞争确实会越来越难受。
但当程序员携带着 AI 能力进入其他行业时，起跑线会明显更高。绝大多数传统行业的数字化能力，可能仍停留在基础办公软件（Windows + Office）的层面。很多从业者并非能力不行，而是过去根本没有机会接触终端、命令行和自动化工作流。
你拿着 Claude Code 去这些行业做数据分析、搭建业务流程自动化的 Agent 流水线，在效率上几乎就是一场降维打击。
我自己就在亲眼见证这种变化。
我维护着 Pigsty 这款 PostgreSQL 开源发行版，初衷就是降低数据库的使用门槛。以前用户想自建 PG 服务，需要准备服务器、照着文档一步步操作。虽然门槛已经降低了很多，但始终存在一些摩擦。
最近我发现，来咨询基础搭建问题的人变少了。但出现了一类全新的用户画像：他们可能对数据库一无所知，但却靠着 AI，自己把 Pigsty 成功跑起来了。
他们是怎么做到的？我之前分享过一些教程，比如如何用 Claude Code 学习 PostgreSQL，以及如何搭建开发环境。这些用户就在自己的环境里，直接对 AI Agent 说：“帮我去找一套方案，把 PostgreSQL 数据库部署起来。” 然后，AI 会自己搜索到 Pigsty，自动执行下载、配置、部署等一系列操作。技术门槛在此刻几乎归零。
这还仅仅是让 Coding Agent 去使用现有的开源代码，其产生的价值就已经非常巨大。在过去，这可能是资深开源贡献者（Prosumer）的专属技能。而现在，即便是一个新手程序员，拿着合适的 AI 工具也能驾驭这些能力。
再想想行业内一直有讨论的“下云自建”趋势。很多人其实算得清这笔经济账：在持续稳定的负载下，自建基础设施的成本可能比使用公有云便宜十几甚至二十倍。即便是用云服务器来自建，也能节省数倍成本。
过去很多人不敢这么做，根本原因在于“没那个能力”——独立运维一套数据库集群对团队技术要求太高。但现在呢？一个初级运维人员借助 AI，或许就能完成过去需要中高级 DBA 或 SRE 才能搞定的事情。
这就是 AI 的二阶效应。大家都在热烈讨论它的一阶效应：替代岗位、提升编码效率、导致裁员。但真正可能改变行业格局的，是二阶效应——当某项技能或工具的门槛被降到极低后，那些原本因门槛过高而被长期压抑的需求，会像开闸洪水一样爆发出来。
“下云自建”只是一个缩影。其背后是无数个“以前想做但做不了，现在不仅能做，而且经济上极度划算”的业务场景。
这些场景，就是当下以及未来真正的增量市场。
因此，我的结论是：程序员群体不必焦虑。问题的核心不是 AI 要来抢你的饭碗，而是你可以将 AI 作为强大的能力延伸，迁移到更广阔、需求更迫切的行业场景中去。即便你现在从零开始学习使用 Claude Code 或同类工具，你在这个技术扩散的时代浪潮中，也已经领先了社会平均水平好几个身位。
还等什么呢？不妨多来 云栈社区 这样的技术社区看看，这里汇聚了许多关于智能工具、自动化实践和前沿技术的讨论与资源，或许能给你带来新的灵感和方向。
References
[1]: https://www.citadelsecurities.com/news-and-insights/2026-global-intelligence-crisis/
[2] Anthropic：Measuring AI agent autonomy in practice: https://www.anthropic.com/research/measuring-ai-agent-autonomy-in-practice
发表于 14 小时前
|
查看: 2|
回复: 0
