谷歌Cloud AI负责人预测爆料：未来两年，软件专才将死！|人工智能|工程师|程序员|编程|谷歌cloudai|高吞吐量内核

via：51CTO技术栈

“软件行业正处在一个相当微妙的拐点上！”

未来两年，软件这个行业真的要完蛋了吗？

今年开年以来，不少大佬，如Redis之父、大神Karpathy、ClaudeCode创造者Boris、Shopify CEO等等，都开始公开拥抱现在的AI Coding工具。

AI编程工具的能力进化，已经远超之前的预期，它们甚至可以替人用几个小时的时间完成几周以上的中等规模的开发任务。

但，这时候一个现实的问题是，有了AI之后，究竟是让程序员这个行业从此变得：“人人都是10×效率”，还是直接毁掉这个行业？

近日，Google Cloud AI 担任总监级工程负责人 Addy Osmani 对于这个问题发表了自己的看法。

“未来几年，将决定我们是用速度换掉理解，还是把理解变成新的护城河。”

在他的博客《未来两年的软件工程》一文中，作为在 Google 内部亲手推动Gemini、Vertex AI 和 Agent Development Kit与开发者工作流结合的负责人，Addy 并没有急于给出明确的答案。

相反，他将软件工程拆分了5个残酷的问题。

要判断未来两年的软件工程会变成什么样，就需要先看到这5个深刻影响软件工程行业的关键问题。

一、企业还需要初级工程师吗？
二、程序员的基本功会被AI废掉吗？
三、开发者会沦为“代码清洁工”吗？
四、专才，正在变得更危险！
五、大学四年（CS专业），还有必要读？

针对每一个问题，Addy 都给出了深入的分析，并给出了非常独到的实用建议。

文章中，Addy引用了一项哈佛大学对对 6200 万工人研究的数据调查，调查显示：AI对于初级程序员的就业冲击非常大，而高级开发人员则几乎没受到影响。

当公司采用生成式人工智能时，初级开发人员的就业人数会在六个季度内下降约9-10%，而高级开发人员的就业人数几乎不会变化。
大科技公司过去三年招聘应届毕业生减少了50%。

但同时，也有预测数据则表达了相当乐观的结果。美劳工统计局认为，软件职位整体将在十年内增长15%。（理由是：AI将软件扩展到医疗、金融等行业，创造更多“AI原生”初级职位。）

Addy认为，问题更深一层的焦点，则在于技能转变和角色演变。

那该如何转变呢？他给出了自己的核心洞见。

在他看来，接下来，开发者需掌握 AI 提示工程与人类判断力相结合，成为成为高层次的系统编排者，避免沦为“代码清洁工”角色。

具体而言，他建议初级开发者构建 AI 集成作品集；一开始就要使用AI学习，但注意要手动编写关键算法；优先学习CS基础如数据结构和测试；此外，要寻求非编码任务如管道设置；提升沟通能力等等。

而对于资深开发者，则需要注重架构审查，以适应“代理式”工程环境；专注于集成和导师的角色；发展产品感；映射技能并水平扩展；将专长与新上下文整合；倡导跨职能发展等。

而对于大学本科计算机专业还有必要读吗？Addy认为还有必要，但仅限于一张文凭，更多的专业知识还是需要自己在课外补充训练。

总之，在AI把整个软件行业冲击的七零八落的时候，持续学习、保持创造力就是唯一的办法。

小编发现，谷歌云高级总监兼首席布道官 Richard Seroter 也转发了这篇好文。

从今天起，如果你还立志于从事软件行业，如果你是一名应届生，请开始储备你的创意AI集成作品吧，而如果你是一名老兵，架构方面的Taste以及跨职能映射的能力也需要锤炼起来！

以下是小编梳理的精彩观点。enjoy！

软件正处于微妙的拐点

软件行业正处在一个相当微妙的拐点上。

AI 编程已经从“强化版自动补全”，演进为可以自主执行开发任务的智能体。与此同时，支撑科技行业大规模招聘的经济繁荣正在退潮，取而代之的是“效率优先”的新共识：企业越来越强调盈利而非增长，更偏好经验丰富的工程师而不是应届毕业生，也更愿意用更小的团队搭配更强的工具。

与此同时，新一代开发者正走入职场，他们的心态与以往明显不同：对职业稳定性更务实，对“加班奋斗文化”更警惕，而且从第一天起就习惯在 AI 辅助下工作。

接下来会发生什么，其实并不确定。

下面是五个可能在 2026 年之前深刻影响软件工程行业的关键问题。每个问题我都列出了两种对立的情景。这些并不是真正意义上的“预测”，而更像是帮助我们提前做准备的观察视角。目标不是制造焦虑，而是基于已有数据、同时保持工程师应有的怀疑精神，给出一张应对未来的路线图。

1. 初级工程师，还被需要吗？

初级工程师的招聘，可能会因为 AI 自动化而大幅萎缩，也可能因为软件渗透进所有行业而反弹。这两种未来，对个人的生存策略要求完全不同。

传统路径——“学编程 → 拿初级岗位 → 成长为高级工程师”——正在动摇。

一项覆盖 6200 万名劳动者的哈佛研究发现：当公司引入生成式 AI 后，在接下来的六个季度里，初级开发者的岗位数量下降了约 9%–10%，而高级工程师的就业几乎没有变化。过去三年，大型科技公司招聘的应届毕业生数量减少了约 50%。一位工程师略带讽刺地说：

“既然一个 AI 编码智能体的成本更低，为什么还要花 9 万美元去招一个初级工程师？”

这当然不只是 AI 的问题。宏观因素同样重要：加息、疫情后的经济修正，其实早在 2022 年就已经影响了招聘节奏。但 AI 明显加速了这一趋势。如今，一个配备 AI 工具的资深工程师，能够完成过去一个小团队的工作量。很多公司不是在裁掉初级工程师，而是悄悄地选择不再招人。

另一种可能的未来是反过来的。

AI 并不是减少开发者需求，而是把软件开发扩散到几乎所有行业：医疗、农业、制造、金融都会大量引入软件与自动化。AI 不再是“替代工程师”的工具，而是放大器，让更多原本不雇佣程序员的领域开始需要开发者。

在这种情况下，初级岗位不会消失，只是形态发生变化：更多“AI 原生”的开发者，快速为具体垂直领域构建自动化和集成方案。

美国劳工统计局仍然预计，2024–2034 年软件岗位将增长约 15%。如果企业用 AI 来扩大产出，而不仅仅是削减人力，那么人类工程师仍然是抓住这些机会所必需的。

一个常被忽视的长期风险是：今天的初级工程师，是 5–10 年后的高级工程师和技术领导者。如果彻底掐断人才管道，行业会在未来出现领导力真空。一些资深从业者把这称为“缓慢的衰败”。

Addy给出的应对建议

（1）给初级工程师：

让自己具备 AI 熟练度和高度灵活性
证明“一个初级工程师 + AI”可以接近一个小团队的产出
使用 AI 编码智能体（如 Cursor、Antigravity、Claude Code、Gemini CLI）构建更大的功能模块，但要理解并能解释大多数代码
聚焦 AI 难以替代的能力：沟通、问题拆解、领域知识
把 QA、DevRel、数据分析等岗位视为潜在入口
建立作品集，尤其是集成 AI API 的项目
参与学徒制、实习、外包或开源项目
不要成为“还需要大量培训的应届生”，而是成为能立刻产生价值、且学习速度极快的工程师

（2）给资深工程师：

初级岗位减少，意味着更多基础工作会落到你身上
用自动化（CI/CD、lint、AI 测试）处理重复性工作
不要什么都自己做，准备好随时重新引入和培养初级成员
坦率地向管理层说明“全资深团队”的长期风险
你的价值不在于写了多少代码，而在于放大整个团队的产出

2. 技能的问题：程序员的基本功被废掉了吗？

核心编程技能，可能会在 AI 时代逐渐退化，也可能变得比以往更重要。未来几年，将决定我们是用速度换掉理解，还是把理解变成新的护城河。

目前，84% 的开发者已经在日常工作中使用 AI 辅助。对很多人来说，面对 bug 或新需求时的第一反应，已经不是从零写代码，而是写一个 prompt，把 AI 生成的代码拼接起来。

许多入门级开发者正在跳过“笨办法”：他们可能从未亲手实现过二叉搜索树，也没独立排查过一次内存泄漏。

技能重心正在转移：
从“实现算法”，转向“如何向 AI 提问、以及如何验证 AI 的输出”。

一些资深工程师对此感到担忧：AI 生成的代码可能隐藏细微 bug 和安全漏洞，而经验不足的开发者往往察觉不到。这可能导致一种“去技能化”的风险。

但另一种可能是相反的。

当 AI 处理掉 80% 的常规工作，人类工程师将专注于最困难的 20%：架构设计、复杂集成、创造性方案、极端边界条件。AI 的普及，反而让真正的理解力变得更加稀缺和重要。

如果每个人都能用上 AI 编码智能体，那么区分优秀工程师的关键在于：谁知道 AI 什么时候是错的，或者次优的。

正如一位资深工程师所说：

“最优秀的工程师，不是写代码最快的人，而是知道什么时候不该相信 AI 的人。”

编程的形态正在变化：
更少时间敲样板代码，更多时间审查 AI 输出的逻辑错误、安全问题和需求偏差。

真正升值的能力包括：系统架构、系统设计、性能调优和安全分析。AI 可以很快生成一个 Web 应用，但只有人类工程师能确保它没有引入竞态条件或安全隐患。

Addy给出的应对建议：

给初级工程师：

把 AI 当学习工具，而不是拐杖
要求 AI 解释代码为什么可行，并主动找出弱点
定期关掉 AI，手写关键算法
重视 CS 基础：数据结构、算法、复杂度、内存
同一个项目，尝试“有 AI”和“无 AI”两种实现
强化测试能力：单元测试、调试器、独立读栈信息
培养系统设计、并发思维、用户体验判断等 AI 难以复制的能力

给资深工程师：

成为质量和复杂性的守门人
强化你在架构、安全、扩展性、领域知识上的优势
明确哪些代码必须人工审核
投入创造性和战略性工作
你真正不可替代的，是判断力、系统级思维和指导能力

3. 角色的问题：系统编排者

开发者可能退化为“AI 输出的审计员”，也可能进化为 AI 驱动系统的编排者。无论哪种情况，价值早已不只是写代码。

最悲观的设想中，工程师的创造性角色被极度压缩，只剩下审核和看护 AI 的工作：检查自动生成的代码是否合规、是否安全、是否存在偏见，然后批准上线。

有工程师已经感觉到，自己越来越像“代码清洁工”，而不是创造者。

但更有吸引力的未来是：

工程师成为高层次的系统编排者——决定系统结构、任务分配、AI 与软件组件如何协作。你不写每一行代码，但你定义系统的旋律。

在这种“代理化（agentic）”开发环境中，工程师更像指挥家，而不是乐手。

应对建议

初级工程师：培养系统观、沟通能力、文档能力
资深工程师：承担架构、规范、伦理与指导角色
从 coder 进化为 conductor

4. 专才将死，通才走红

这方面，Addy给出的结论是：专精单一的领域很容易被自动化取代或淘汰。

技术更替速度太快，把职业押在单一技术栈上，风险越来越高。AI 会迅速压缩那些“只做一件事”的岗位价值。

鉴于模型、工具和框架的更迭速度如此之快，将职业生涯押注于单一技术栈是存在风险的。
一位精通传统框架的专家可能会突然发现，当新的AI工具能够以极少的人工干预处理该技术时，他的需求量就会骤减。那些专注于“单一技术栈、框架或产品领域”的开发者，或许会突然意识到自己所处的领域正在衰落或变得多余。
人工智能自动化可以使某些编程任务变得轻而易举，从而削弱那些围绕这些任务展开的岗位。一位只精通某项技能（例如优化SQL查询、将Photoshop设计图切割成HTML）的专家，可能会发现人工智能可以处理其中90%的工作。

想想那些在行业转型时没有及时转型的COBOL开发者、Flash开发者或移动游戏引擎专家。如今的不同之处在于变革的速度更快了。

相反，AI 工具反而会放大通才的能力，让一个人覆盖更多领域。

而很快，市场上会因为原来的细分领域被AI颠覆后，会迎来一种新型模式：“多面手”或T型开发者。

Addy如此形容这个“多面手”——

他们精通一到两个领域（纵向），同时对其他许多领域也有广泛的了解（横向）。这些工程师成为跨学科团队的“粘合剂”；他们与其他领域的专家沟通协作，并在需要时填补团队的空白。

而企业当然喜欢这种新型全栈工程师。部分原因是效率：T型工程师通常可以独立解决问题，无需等待交接。另一部分原因是创新：知识的交叉融合能够带来更优的解决方案。

而庆幸地是，AI工具实际上更多地增强了通才的能力，使一个人能够更轻松地处理多个组件。

后端工程师可以依靠人工智能来创建合理的用户界面；前端专家可以利用人工智能生成服务器样板代码。

应对建议

初级工程师：尽早建立广度，再选择一两个深度
资深工程师：扩展相邻领域，成为跨团队的“连接器”

5. 教育的问题：本科还有必要读吗？

CS 学位是否仍是黄金门票？Addy认为，有两种可能，一种是上大学仍然有必要，但会越来越吃力，你需要额外补充知识。

第二种更极端些，就是传统教育会被系统性替代。Addy透露，现在市面上，编程训练营、在线认证、自学型作品集、企业自建培训学院开始成为主流。同时，越来越多头部公司（如 Google、IBM）已经在部分技术岗位上取消了学历要求。有数据显示，到 2024 年，美国接近45% 的公司计划在至少一部分岗位上取消学士学位门槛。

这可以说是一个全球性的问题：大学更新速度慢，而行业变化极快。越来越多公司开始取消学位硬性要求，转向技能导向招聘。

应届毕业生反映，他们在大学期间从未学习过云计算、现代DevOps或人工智能工具。如果大学在提供低相关性教育的同时，却要求求职者投入大量时间和金钱，那么它们就有可能被视为昂贵的守门人。
学位仍然是默认的资格认证，但课程设置滞后于快速变化的需求，缓慢的课程更新周期和繁琐的审批流程阻碍了这一进程。学生和雇主都感到学术界与产业脱节，教授的理论或过时的实践无法转化为实际工作技能。

AI 本身正在成为个性化导师，降低学习门槛。

Addy给出的应对建议

初学者：用项目、作品集、认证证明能力