刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年的东西没用了，难受得说不出来

最近，一段程序员谈论AI的视频引发关注。镜头前的人几次想继续说，却明显卡住了，情绪上来后声音也变得断断续续。他难受的原因，并不是单纯找不到工作，而是自己长期积累的专业能力，突然遭遇了前所未有的冲击：公司开始大规模使用AI辅助编程，原本需要多人完成的开发工作，被压缩成了更少的人手。
这件事之所以让很多程序员产生共鸣，是因为写代码从来不是一天两天就能掌握的技能。有人大学四年学习计算机，毕业后继续考证、做项目、学框架，进入公司后还要不断补数据库、服务器、网络、安全等知识。工作几年以后，真正能够独立负责项目的人，往往已经在这个行业里投入了很长时间。
过去，程序员提高效率主要靠自己积累经验。一个Bug为什么出现、哪段程序容易出错、怎样优化数据库查询、怎样让系统承受更多访问量，都需要长期实践。现在情况正在改变，AI已经能够根据自然语言生成函数、接口、测试代码，还能协助排查错误、整理文档和修改已有程序。
这意味着企业看到的不只是“AI会写几行代码”，而是一整套工作流程正在被压缩。以前一个项目可能需要产品、前端、后端、测试等多人协作，其中大量基础工作具有重复性。AI进入开发流程后，一部分任务可以由一个工程师借助工具快速完成。公司如果认为同样的项目可以用更少的人做，自然会重新计算人员配置。这也是那名程序员最难受的地方。他真正失去的，不只是某一份工作，而是过去建立起来的职业安全感。
2026年，海外科技企业已经出现多起与AI转型有关的裁员和岗位重组。Anthropic发布的《2026年智能体编码趋势报告》指出，“只会写代码的程序员将逐渐被市场淘汰”，程序员的角色将从“代码编写者”转变为“智能体指挥官”。但这恰恰说明，AI目前还远远没有到了“程序员全部消失”的程度。
一方面，AI确实能够大幅提高某些开发工作的速度；另一方面，软件开发并不是把代码生成出来就结束了。需求理解、系统架构、权限设计、数据安全、上线维护，以及出现严重故障后的处理，都需要经验丰富的人承担责任。ACM通讯的报道指出，AI生成代码存在“质量与安全瓶颈”，验证与确认仍然是需要人类判断的环节。所以，那句“学了十年的东西没用了”，更准确地说，是过去那套单纯依靠手写代码建立竞争优势的方式正在贬值。
以前，一个程序员如果熟练掌握某种语言、框架和开发工具，就可能拥有明显优势。以后企业更看重的，可能是一个人能不能把AI变成生产力，能不能判断AI给出的结果对不对，能不能找到机器解决不了的问题。这其实比单纯学习某一种编程语言更加困难。因为代码可以让AI生成，但判断代码是否可靠，需要真正理解程序。AI写出来的东西看上去完整，并不意味着没有漏洞。尤其是大型系统，某个看似不起眼的修改，都可能牵动其他模块。
对于刚入行的人来说，压力尤其明显。过去公司可以招聘大量新人，让他们从简单任务开始，几年以后成长为成熟工程师。现在部分重复性工作直接被AI承担，企业对初级岗位的需求自然可能减少。根据Forbes的报道，美国初级软件开发者就业已连续33个月下降，22至25岁软件开发者在AI暴露职业中的就业人数同比下降4.3%。这就形成了一个值得关注的问题：如果新人没有机会做基础工作，又怎么成长为未来的高级工程师？华盛顿大学教授Amy J. Ko在ACM通讯中警告：“没有那些基础经验，我们没有办法教、培训或教育软件开发者成为高级或架构级软件工程师”。
所以，这段视频真正值得关注的，并不是“AI要不要取代程序员”这么简单，而是技术升级之后，一个普通人的十年积累应该怎样重新定价。十年前学会的东西不会凭空消失。计算机基础、算法思维、系统设计、工程经验，这些依旧存在价值，只是使用方式正在变化。过去是人亲手完成更多代码，现在可能变成人提出需求、拆解任务、调用AI，再对结果进行验证和负责。
对于已经工作多年的程序员来说，这个过程确实残酷。毕竟一个人很难轻松接受：自己曾经花大量时间练出来的核心技能，如今被工具迅速降低了门槛。那种哽咽，并不奇怪。但从行业变化来看，更现实的方向不是和AI比谁写代码更快，而是让自己的能力从“写代码的人”向“解决软件问题的人”移动。AI能够生成大量代码，却仍然需要人决定做什么、为什么做、怎样验收，以及出了问题由谁承担责任。
技术革命从来不会提前通知每一个人。对程序员来说，这次变化来得尤其直接。有人因此失去岗位，也有人借助新工具扩大自己的能力边界。那位在镜头前难以继续说下去的程序员，代表的是正在经历转型阵痛的一群人。十年学习并没有白费，只是曾经熟悉的职业规则正在改变。真正让人难受的，也许不是AI会写代码，而是一个人第一次清楚地发现：自己用了十年建立起来的优势，可能在短短几年里就需要重新定义。