过去几天，Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。
Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火，他只用一次初始提示、没有后续人工反馈，Fable 5.2 自己生成游戏模型、音效和贴图，最终呈现了一款紧张刺激的第一人称射击游戏。
图｜体验：https://claude.ai/artifact/BGY1SztrAYcJQHSsnHHGmp
在 Anthropic 展示的一项实验中，一名工程师让 Fable 5.2 从空文件夹开始设计操作系统。模型协调超过 1000 个子 Agent，连续工作 8 天，完成代码编写、测试和审查，最终做出一套可以在笔记本电脑上启动的原型系统。
官方还披露，其内部核心代码库中，超过 90% 的合并变更已经由 Claude 在人类指导下编写。一个关键生产服务也在 Agent 帮助下从 Python 迁移至 Rust，启动速度提高约 26 倍。
而 Fable 5.2 的 benchmark 数据，大概也是自有 Agent 竞技场以来，跃升最大的一次发布； 对比前一个表现最好的模型 Opus 5.5，直接提升了 30.4% 的性能表现。
当 AI 已经可以开发游戏、编写操作系统，甚至承担绝大部分日常代码工作，软件工程师还有多少工作可以做？
海外著名的 Lenny's Newsletter 最近发布了一份《State of the tech job market: late 2026》报告，或许能让我们从真实的招聘市场中找到一些答案。
这份报告结合了 TrueUp 追踪的全球 9000 多家科技公司职位空缺，以及 Live Data Technologies 约 1.24 亿份职业履历，观察科技公司的招聘需求和美国市场的实际入职情况。
图｜原文：https://www.lennysnewsletter.com/p/state-of-the-tech-job-market-late
数据呈现出一个有意思的矛盾，全球科技公司目前有超过 28.1 万个在招岗位，同比增长 17%。但产品经理、工程师和设计师这三个最熟悉的岗位类别，加起来只增长了 2%。
软件工程师依然是科技公司招聘规模最大的职业，但实际入职人数已经不足 2022 年高峰期的一半。与此同时，产品设计、用户研究等岗位持续收缩，FDE、安全工程等岗位却迎来了快速增长。
当 AI 让软件越来越容易开发，科技公司对人才的需求，也开始发生变化。
职位还在招，人却未必真的在入职
这份报告最值得注意的地方，是区分了「职位空缺」与「实际招聘」。单看职位空缺，科技行业似乎仍在扩张，自 2023 年初以来，产品经理 PM 职位空缺增长了 56%，工程职位空缺也增长了 43%。
但如果是看实际入职，几类核心产品岗位的招聘整体持平或下降。工程岗位职位空缺增速在 2024 年还是 29%，2025 年降至 15%，过去一年就进一步放缓至 2.5%，目前甚至低于今年 3 月的水平。
2025 年 5 月至 2026 年 4 月，美国企业约招聘了 113,000 名软件工程师，不足 2022 年峰值 239,000 人的一半。自 2024 年 1 月以来， 工程职位空缺增长了 44%，实际入职却下降了 17% 。
企业仍然在发布招聘需求，但真正完成招聘的人数，并没有跟上。这背后可能有多种原因，比如招聘周期变长、企业提高录用门槛，或者一些招聘需求迟迟没有转化成实际录用。
但至少可以确定，过去那种科技公司不断扩张工程团队、通过增加人手来提高软件产能的阶段，已经明显降温。
工程师仍然是科技招聘中规模最大的类别，当前全球在招岗位超过 6.5 万个。变化在于，企业似乎越来越谨慎地决定，要为哪些工作增加人手。
而不同岗位之间的差距，正在进一步拉大。
设计岗位大幅收缩，PM 也没有「赢麻」
在五类核心产品岗位中，产品经理是唯一一个招聘占比上升的类别，其占美国相关岗位实际入职的比例，从 16% 上升到了 21%。
但这并不意味着产品经理的实际招聘人数正在快速增长，更准确地说，这是在工程、设计、数据科学和用户研究等岗位普遍走弱时，产品经理表现得相对抗跌。
设计和用户研究面临的压力更加直接，全球科技公司的产品设计职位空缺目前只有约 1900 个，同比下降 28%，处于该数据集开始追踪以来的最低水平。
在美国，过去一年约有 1.26 万名产品设计师入职，而 2022 年这一数字是 2.76 万。
用户研究的情况更加严峻，过去一年美国相关入职约 1800 人，较 2022 年下降 66%。全球科技公司当前的用户研究职位空缺，只有约 108 个。
工程岗位内部也开始分化，前端和移动工程需求明显收缩，安全工程却成为增长较快的方向之一。当然，不能把这些变化全部归因于 AI，科技公司的成本控制、行业周期和组织调整，也会影响招聘。
图｜
但如果结合 Fable 5.2 展示出来的能力，便能理解为什么一些岗位会率先感受到压力。过去，一个软件产品从需求到上线，可能需要产品经理、设计师、前端工程师、测试工程师等多个角色协同完成。如今，AI 已经可以根据需求直接生成原型、编写前端、执行测试，甚至自行检查和修复问题。
对于那些需求明确、边界清晰、成果容易验证的工作，企业能够通过 AI 完成的比例越来越高。 当一个人借助 AI 就能承担过去多个人的部分工作，企业自然会重新考虑团队的规模和分工。
不过，减少执行环节，并不意味着整个产品开发过程都能交给 AI。代码可以快速生成，但应该做什么产品、解决什么问题、最终交付的结果是否满足真实需求，仍然需要有人判断。
这也解释了为什么产品经理相对抗跌。
只是未来的 PM，可能需要花更少时间协调代码和原型的生产，把更多精力放在需求判断、结果验收和产品落地上。
AI 越会写代码，哪些工作反而越吃香
报告中另一个值得关注的变化，是 FDE（前置部署工程师）的快速增长。
我们之前就介绍过，这个岗位近年来在各大 AI 公司相当热门。全球 FDE 职位空缺过去一年增至约 4.6 倍，目前约有 1500 个。在这之后，安全工程同样是增长突出的方向之一。
根据 Live Data Technologies 的数据，截至 2026 年 11 月 6 日，今年美国市场在 Palantir 之外，已经记录到超过 2400 名 FDE 外部入职。Google、Accenture、Salesforce 和 Databricks 等公司，都出现在招聘榜单中。
为什么 AI 越会写代码，这类工程师反而越吃香？原因很大程度上在于，软件开发和软件落地，是两件不同的事情。对于 FDE 来说，工作通常不只是写出一段代码。他们还要进入客户的真实业务环境，理解需求，连接已有系统，处理各种不标准的流程，并确保最终交付的产品真正可用。
类似的变化也发生在安全工程上，当 Agent 能够自主修改代码、调用工具、访问业务数据，软件系统需要处理的权限、安全和责任问题只会更加复杂。
PM、FDE 和安全工程看起来是三种不同的职业，但它们有一个共同点： 工作价值越来越集中在判断、验证，以及让技术在真实世界中可靠地运行。
而这些恰好是当前 AI 还很难独立承担全部责任的部分。
腾讯也在重新思考，十万员工该怎么用
这样的变化，如今也发生在国内互联网大厂。
就在昨天腾讯 28 周年的内部直播中，腾讯管理层谈到了 AI 时代的组织变革，提到把腾讯原有的核心业务比作「陆军」，AI Native 新业务比作「海军」。
按照腾讯管理层的说法，50% 的人要像陆军一样，通过 AI 提效守住现有业务；另外 50% 则像海军一样，探索 AI 原生业务，寻找新的增长空间。
这番话还引发了「腾讯裁员 50%」的传闻，腾讯公关总监张军随后澄清，这只是关于公司资源适应 AI 时代重新调度的比喻，裁员一半的说法完全不属实。
比起裁员与否，更值得关注的是腾讯对组织变革的态度。过去几年，大厂谈得最多的是降本增效；现在，腾讯希望通过 AI 让现有团队创造更多价值，同时把资源投入新的业务。
甚至连组织结构也需要调整，鼓励一线员工承担更多工作，让中间管理层更加扁平。
这和海外科技公司的招聘变化恰好形成了呼应。一边是传统岗位需求放缓，新兴岗位快速增长；另一边是拥有十万级员工的互联网大厂，也开始重新考虑现有的人应该做什么、又该如何适应 AI。
对于职场人来说，掌握 AI 工具，可能已经只是第一步。更大的挑战是，当 AI 能够完成越来越多原本由人负责的任务，自己还能提供什么新的价值。
大厂开始重新分配工作，会用 AI 只是第一道门槛
除了招聘人数，这报告还统计了科技公司职位描述的变化。
两年前，产品经理招聘中常见的技能要求还是 SQL、Jira、AWS 和 Python。如今，LLM 已经升至首位，Claude、Cursor、OpenAI、MCP 等词也频繁出现，甚至用于检查模型输出质量的 evals，也开始进入高频技能列表。
工程岗位中，Python 依然占据首位，但 LLM 的出现频率已经超过 Java。就连设计岗位，Claude 和 Cursor 也开始与 Figma、CSS 等传统技能同时出现。
这也意味着，对软件行业的从业者来说，掌握 AI 工具正在逐渐成为一项基础要求。以前，一个工程师可能需要花几天完成的功能，现在借助 AI，几个小时甚至更短时间就能拿出初版。
但速度提升之后，新的问题也会随之出现。模型写出来的代码是否可靠？生成的功能是否符合实际需求？出了问题应该如何定位？如果一个 Agent 要持续操作企业系统，又该如何分配权限和进行审核？
这些问题，很难单靠一句提示词解决，软件本身也可能因此发生变化。过去，大部分软件围绕人类操作设计。我们需要通过图形界面找到功能、点击按钮、完成操作。
随着 Agent 开始接管部分工作，软件需要同时服务两类使用者。Agent 通过 API、MCP 等结构化接口执行任务，人类则通过界面检查结果、处理异常，并在关键操作中保留最终决定权。
一些原本需要人手动完成的操作，会逐渐成为 Agent 后台自动执行的任务。但产品是否可靠、用户是否信任、出了问题由谁负责，这些要求不会因为 AI 能写代码就自动得到满足。
软件开发越来越容易，真正把软件变成可靠产品，依然是一项复杂的工作。
AI 已经会写软件，但它还没让软件工程师消失
Fable 5.2 发布得很晚，显然不能用来解释一份覆盖过去数年的招聘报告。把工程招聘放缓、设计收缩或远程减少，全部归因于某一次模型升级，同样过于简单。
但模型能力和就业市场的变化放在一起，已经足够让人重新思考软件行业过去的工作方式。
代码生成越来越便宜，原型交付越来越快，窄技能的执行工作受到压缩；软件需要同时面向 Agent 和人类重新设计接口；生成结果与真实使用之间的距离，则成为新的工作。
这也为报告中的岗位变化提供了一个产品层面的解释。
图｜AI Futures Project 表示，我们比 AI 2027 提前了五个月
代码实现变得充裕之后，PM 所处理的需求取舍、FDE 所处理的客户环境与交付、安全工程所处理的风险与责任，并没有随之消失。相反，当软件供给迅速增加，需求判断、质量验证、用户信任和持续服务会变得更加重要。
这不保证科技岗位会自动净增长，也不意味着每个被压缩的执行岗位都会出现一个新的高级岗位。它只说明，AI 对就业的影响不是简单的「有」或「无」，而是在重新划分人与机器各自负责什么。
软件不会消失，代码也不会。
正在退潮的，是那个主要以「谁能把代码写出来」来衡量技术价值的时代。取而代之的，是一场围绕目标、判断、分发与责任的重新定价。
我们正在招募伙伴
简历投递邮箱hr@ifanr.com
✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
热门跟贴