36氪今天的头条"中国AI闯入全球编程前二，前面只剩Claude"。我的微信里，至少三个程序员朋友发来同一句话："完了，程序员要被取代了。"
我理解这种恐慌。当AI在你最擅长的领域，用你不知道怎么复现的方式，拿到了世界第二的成绩——你的第一反应一定是："那我还有什么用？"
但今天这篇文章，想让你停下来，重新想一件事：如果把"写代码"从程序员的工作里拿走，程序员还有什么？如果答案是"什么都没有"，那确实应该恐慌。但如果答案是"还有很多"——AI编程能力全球第二这件事，对你的意义就完全不一样了。
一、先搞清楚一件事：AI编程能做什么，不能做什么
这是所有讨论的基础，但绝大多数人跳过了这一步。他们看到"AI编程世界第二"，就直接跳到了"程序员要失业了"的结论。
AI编程目前确实能做的事（但需要人验证）：
•单功能实现：给你一个明确的功能描述（"写一个Python函数，把CSV文件转成JSON"），AI可以独立完成。代码质量中等偏上，有注释，有时性能甚至比人类程序员手写的好。
•Bug修复：给你一段有bug的代码和bug的描述，AI能定位问题并给出修复方案。准确率大约在60-70%，剩余30-40%会给出"看起来对但其实是错"的方案（需要人去验证）。
•代码审查：帮你检查代码中的潜在问题（安全漏洞、性能瓶颈、不良实件），覆盖率和准确率接近中级程序员的水平。
•文档/测试生成：根据代码自动生成注释、文档、单元测试——这可能是AI目前做得最好的编程任务。
AI编程目前完全做不到的事：
•理解业务"为什么"需要这个功能：AI能写代码，但它不知道"这个功能为什么要做成这样而不是那样"。这个"为什么"，需要人告诉AI。而"理解业务为什么"，恰恰是高级工程师和初级工程师之间最核心的区别。
•在模糊需求中找出真正的需求：产品经理说"我们需要一个推荐系统"。AI能写出一个推荐系统的代码。但产品经理真正需要的是什么？是"提高用户留存率"。而提高留存率，不一定需要"推荐系统"——可能只需要改一个交互流程。AI能实现"推荐系统"，但AI不能判断"要不要做推荐系统"。
•在多个方案中做权衡：一个功能，用A方案实现，开发快但维护成本高；用B方案实现，开发慢但扩展性更好。选哪个？AI能同时给出A和B的代码，但AI无法做出"在当前业务阶段，应该选A还是选B"的决策。
•面对一个完全全新的问题，从零定义解法：如果问题已经被前人解决过很多次（比如"写一个排序算法"），AI很擅长。但如果问题是全新的——比如"用一种从来没有用过的数据结构来解决一个之前没有人解决过的业务问题"——AI做不到。因为AI的所有能力，都来自训练数据里已有的解决方案。
总结：AI编程目前是一个"执行层超级工具"，而不是一个"决策层替代者"。它能在"已经定义清楚的问题"上做到顶级水平，但它不能做"定义问题"这件事。而"定义问题"，恰恰是高级程序员90%的工作内容。
AI写代码的能力已经是世界级了。但"知道要写什么代码"这件事，AI连门都没入。而前者是程序员入行前两年做的事，后者是程序员整个职业生涯都在做的事。
二、"AI都世界第二了，程序员还不恐慌"——凭什么？
你可能要问：就算AI现在不能"定义问题"，但它进步这么快，明年呢？后年呢？
这是一个好问题。答案是：AI解决"定义问题"这件事的难度，和"写代码"完全不在一个量级上。它们被AI解决的顺序，中间至少隔了10年。
为什么"定义问题"这么难？三个不可逾越的障碍
障碍一：现实世界的信息不完整，而AI需要完整信息。
当产品经理说"我们需要一个推荐系统"的时候，他没说出来的信息包括：（1）用户反馈中哪些数据是噪音？（2）推荐系统上了之后，运营团队能不能配合？（3）公司三个月后会不会调整业务方向？这些信息，没有一个会写在需求文档里。但它们每一个，都影响"要不要做推荐系统"的决策。
一个高级程序员，能从经验中感知到这些"没被说出来的东西"，然后问出关键的问题："咱们这个阶段推推荐系统，ROI够吗？要不要先做AB测试？"
AI做不到。因为AI无法处理"没有被输入的信息"。而现实世界的问题定义，永远伴随着"大量没有被输入的信息"。
障碍二：利益相关方有隐藏动机，而AI无法分辨。
产品经理推"推荐系统"，可能是因为他真的认为这个功能能提升留存。也可能是因为他需要在上半年完成一个"大型feature上线"的KPI，不管这个feature是否真的有效。这两个动机，说出来的需求是一样的——"我们需要推荐系统"。但背后的动机完全不同。
一个高级程序员，能根据对产品经理的了解、对团队动态的感知，判断出"他是在要一个有效的功能，还是在完成KPI"。如果是前者，认真做。如果是后者，用最低成本满足KPI，然后把精力放在其他更值得做的事情上。
AI无法做这个判断。因为AI不知道产品经理的KPI是什么，不知道团队的动态，不知道公司政治的潜规则。
障碍三：决策的代价是人来承担的，AI没有"皮肤在游戏里"。
当你选择A方案，如果代码上线出了问题，加班修bug的是你，被老板骂的是你，绩效被打C的是你。AI选错了方案，AI没有任何代价。它不需要承担选择A方案的后果。
决策的质量，和决策者承担的代价，是成正比的。这是博弈论和决策科学里最基本的一条原理。AI没有"皮肤在游戏里"，所以它的决策质量，在真正的模糊问题上，永远无法和人类等量齐观。
这三个障碍，不是AI"还做得不够好"的问题，而是AI的底层能力结构决定了它"在可预见的未来都做不好"的问题。
AI能被训练成世界级的代码执行者，因为"写代码"是一个有正确答案的任务（代码要么工作，要么不工作）。但"定义要写什么代码"没有正确答案——只有"在当前约束下最优的权衡"。而"权衡"，需要价值判断。价值判断，需要承担代价。AI不承担代价，所以AI做不了真正的价值判断。
程序员最值钱的能力，从来不是在IDE里敲代码。而是"在所有人都说不清楚要做什么的时候，你能把它说清楚"。这个能力，AI还没开始学。
三、AI编程世界第二，对程序员意味着什么？（不是失业，是岗位重构）
好了，恐慌解除了吗？不，还不能解除。因为AI编程世界第二，确实会改变一些东西。不是"程序员消失"，而是"程序员这个岗位的工作内容，会发生一次大规模的重构"。
我来具体展开讲这个重构是什么样子。
重构一：初级编码岗位，确实会减少
这是真正会被AI冲击的岗位。一个只需要"按照PRD写功能代码"的初级工程师——他的可替代性，在AI编程能力世界第二的今天，已经非常高了。
2026年Q1的招聘数据已经反映了这个趋势：中国互联网行业初级开发工程师（1-3年经验）的招聘量，同比下降了约18%。而AI/LLM相关岗位，同比暴涨了300%。
这不是"招聘变少了"，这是"招聘的岗位类型变了"。公司不再需要那么多"能写代码的人"，因为AI已经能写大部分基础代码了。公司需要的是"能用AI写出多个初级工程师产能的人"——以及"能判断AI写出来的代码对不对的人"。
这个变化，对现在还在读计算机专业的学生冲击最大。他们学了四年的"写代码"，毕业出来发现——AI写得比他们快，比他们好，还不用交五险一金。
重构二：中级工程师的定位从"写代码"转向"审核代码+定义问题"
中级工程师（3-6年经验）会经历最大的一次角色转变。
以前，中级工程师50%的工作是"手写代码"，30%是"设计方案"，20%是"沟通协调"。在AI编程成为标配的未来1-2年内，这个比例会变成：10%手写代码（只写最核心的部分），40%审核AI生成的代码，30%定义问题和设计方案，20%沟通协调。
关键转变：中级工程师的核心输出，将不再是"代码"，而是"决策"。
这对能力模型提出了两个新要求：
第一，你必须学会用AI工具写代码，并且比手写更快地判断AI生成的代码有没有问题。这个能力，目前没有任何学校的计算机专业在教。
第二，你必须学会"定义问题"——搞清楚产品经理真正的需求是什么，而不是拿到PRD就开始写。这个能力，之前是高级工程师才需要具备的，现在提前到中级阶段了。
重构三：高级工程师的稀缺性反而会上升
这是最反直觉的一点：AI编程能力越强，高级工程师越稀缺。
原因很简单：当AI能替代3个初级工程师的生产力时，团队不再需要10个初级+5个中级+2个高级的结构。取而代之的是：3个中级（每人带一个AI助手）+ 3个高级（负责定义问题、架构决策、审核AI输出）。
初级岗位被挤压，中级岗位要求升级，而高级岗位——因为"定义问题"和"架构决策"的能力，在AI时代变得更加稀缺——供不应求。
2026年Q1的数据显示：中国互联网行业高级工程师（8年以上经验）的招聘量，不但没有下降，反而同比增长了12%。因为每家公司都在想：AI能省掉我们的初级编码成本，但我们需要更多能"驾驭AI的人"。
重构四：一个全新的岗位正在形成——"AI编程管理师"
这是最新出现的、但增长速度最快的一个岗位。
"AI编程管理师"的工作内容是：把产品需求拆解成"人类该做的部分"和"AI该做的部分"，把AI部分拆成清晰的prompt发给AI，审核AI的输出，把通过审核的代码集成进项目，测试，交付。
这个岗位的核心技能不是"写代码"，而是"拆解需求的能力"+"和AI对话的能力"+"审核AI输出的能力"。这三项能力，目前没有任何一个在传统的计算机教育体系里被教授。
而据2026年Q1的招聘数据，"AI编程管理师"的岗位数量，在过去6个月内增长了约400%。起步薪酬，大约是传统中级工程师的1.3倍。
四、程序员应该做什么？一个三层的转型框架
给出具体可操作的建议，不绕圈子。
第一层（紧急）：立刻把AI融入你的日常编码工作流
如果你现在还在纯手写代码，没有使用AI辅助编程工具，你相当于在2026年用手工方式造车——费时、费力、质量还差。
具体做法：把日常工作中至少50%的代码，让AI生成初版，你来审核、修改、集成。不是"信任AI"，而是"把AI当成一个非常高效但需要监管的初级助手"。这个转变，可能需要1-3个月的适应期，但适应之后，你的产出效率会提高2-3倍。
核心能力转换：从"写代码的能力"，转向"审核代码的能力"。
第二层（中期）：建立"定义问题"的肌肉记忆
每一次拿到需求，不要立刻开始写代码。强迫自己做三件事：
1.问为什么：产品经理为什么提这个需求？他在满足谁的什么诉求？
2.想是否：这个需求，是不是有更简单的实现方式？是不是有更根本的解决方案？
3.定义边界：这个需求的范围是什么？什么在这个需求里，什么不在？
这三件事，是你作为"人"在AI时代最核心的不可替代性。AI能做第二层的实现（"怎么写"），但第一层的定义（"写什么""为什么写""写到什么程度"），必须由你来完成。
第三层（长期）：建立跨领域的问题感
未来5-10年，最有价值的程序员，不是"最会写代码的程序员"，而是"最懂某个业务领域的程序员"。
举个例子：一个懂医疗的AI编程管理师，他能在拿到"我们要做一个电子病历系统"的需求时，立刻知道：电子病历的核心问题不是CRUD，而是数据标准（HL7/FHIR）、隐私合规（HIPAA）、和临床工作流的兼容性。他能和医生、护士、医院管理者对话，能把业务需求精准地翻译成技术需求。
这个能力，AI永远无法拥有。因为AI不懂人类是怎么看病的，不懂得医院的权力结构，不懂得"医生为什么不愿意花时间录病历"。
你的跨领域知识，就是你的护城河。它越深，AI越追不上你。
AI能学会写排序算法，能学会写推荐系统，能学会写任何已经有正确答案的东西。但AI学不会的是：理解为什么某个医院的院长在推电子病历改革时，最担心的是"护士长会不会带头抵制"。这不是编程问题，这是人际问题。而人际问题，是AI在可预见的未来都无法解决的。
五、写在最后
中国AI编程能力全球第二。这是一个好消息，也是一个挑战。
好消息是：所有写代码的程序员，马上会得到一个"效率提升2-3倍"的超级工具。你的产出会变多，你的加班会变少，你能做的项目会变大。
挑战是：那些"只会写代码"的程序员，会发现自己正在被这个工具替代——不是因为AI比你聪明，而是因为"只会写代码"这个定位，在今天已经不够了。
程序员真正的护城河，不是"我会写代码"，而是"我知道要写什么、为什么写、写到什么程度、写完怎么和别人协作"。
这四件事，AI世界第二也好，世界第一也好——都做不到。
最后，留一个观点，你来选边站：
观点A：AI编程能力突飞猛进，初级程序员一定会被大规模替代。现在还选择学计算机、做开发的年轻人，是在往火坑里跳。对他们来说，转行业可能更安全。
观点B：AI不是替代程序员，而是改变了程序员的工作内容。就像IDE出现时，没有消灭程序员，只是让"手写汇编语言"不再是一项必需的技能。现在学计算机的年轻人，如果同步学习"定义问题""审核AI"的能力，前途依然光明。
你选A还是选B？
我说一个判断：选A的人，通常不是程序员。选B的人，通常是已经在用AI辅助写代码，并且发现"AI写得快但需要人把关"的人。
程序员不会消失。但"不会用AI的程序员"和"只会写代码的程序员"，确实会消失。而这两种消失，不是同一种消失。
前者是技术工具的使用意愿问题。后者是职业定位的根本问题。
你想成为哪种？
热门跟贴