AI 还没淘汰程序员，年轻人却越来越难入行了

你好，我是曹犟，欢迎关注我的公众号。

2026 年 7 月 21 日

今天群里面看到 Bloomberg 的一张图，标题很直白：年轻程序员正在面对一个艰难的就业市场。

美国不同年龄段软件开发者就业指数

这张图把 2022 年 11 月美国各年龄段软件开发者的就业人数都设为 100。截至 2026 年 5 月，22 至 25 岁的就业指数下降到 78.78，减少了 21.22%；26 至 30 岁下降到 96.93。与之相反，31 至 34 岁上升到 109.9，35 至 40 岁上升到 113.1，41 至 49 岁更是上升到 120.4，50 岁以上也上升到了 108.8。

简单来说，年龄越小，就业人数越是变少；经验越丰富，就业人数越是变多。

我顺着这张图查了一下来源，它不是 Bloomberg 自己做的问卷调查，底层来自斯坦福数字经济实验室与 ADP Research 合作建设的 Canaries Dashboard。ADP 为美国大约六分之一的劳动者提供薪酬服务，这个项目从中选取连续 5 年都在样本里的企业，再使用美国劳工统计局的职业代码识别软件开发者，每个月更新一次数据，所以整体上还是相当可信的。

当然，这张图不能直接证明，年轻程序员的岗位全部是被 AI 拿走的。它不是一个“有 AI”和“没有 AI”的随机对照实验，毕竟这几年的科技行业收缩、疫情后的招聘回调、利率和企业自身变化都会影响结果。研究团队自己也专门提醒，在控制同一家企业同时期的整体用工变化之后，AI 高暴露岗位的相对下降主要从 2024 年才开始显现，不能把 2022 年之后的全部变化都归因于 AI。

但图中不同年龄的程序员就业曲线的显著对比还是没法被轻易忽略。类似的年龄分化不仅出现在软件开发者身上，也出现在客服等 AI “高暴露”岗位；在理货员这类 AI “暴露”较低的岗位上，年龄与就业变化的确没有明显关系；而到了家庭健康护理这类需要大量线下接触的岗位，最年轻群体的就业增长反而最快。

所以，我个人觉得，这张图至少证明了一件事：以程序员为代表的白领类岗位没有整体消失，但职业阶梯正在发生结构性变化。由于我自己也是程序员，所以后文的描述都以程序员为代表，其它高 AI “暴露”的职业面临的问题是类似的。

PART 01 先收缩的不是程序员，而是年轻人的入行机会

如果程序员真的被 AI 淘汰了，整个软件行业都不再需要程序员，那么合理的图形应该是所有年龄段一起下降，但现实并不是这样。资深软件开发者的就业人数反而还在增长，真正快速收缩的是 22 至 25 岁这个刚刚进入职场的群体。软件开发者在 22 至 25 岁时，大多处在进入职场的最初几年，所以这组数据应该这么解读：程序员这个职业并没有整体消失，但年轻人的职业入口正在变窄。

结合我自己对 Coding 场景的判断，一种可能的解释是，AI 并不是先替代一个完整的程序员岗位，而是先接管其中那些容易描述、验证、反馈和回滚的执行工作。程序员的工作对象天然数字化，代码可以运行，结果可以测试，错误可以通过日志反馈，所以编程天然容易形成“目标、执行、验证、修复”的闭环，也最适合先被 AI 深度改造。

AI 带来的代码生产力提升，并没有立刻带来同比例的软件需求。代码写快了，市场短期内并不需要 10 倍的软件，同样的软件需求可以由更小的团队完成。但这种人力需求的减少并不会平均落在所有人身上：资深工程师除了写代码，还掌握业务上下文，负责方案取舍和最终结果；当他可以借助 AI 承接更多执行工作时，企业更容易减少的，自然是主要承担这些执行工作的初级人力。

例如机械式的 CRUD 开发、页面和表单拼装、标准接口对接、简单脚本、测试用例补齐和文档整理，这些边界清晰、上下文有限、容易验收的工作，过去通常由初级程序员承担。以前，一个项目组可能需要一个架构师带着几名初级开发；现在，一个架构师使用 AI，就可以承接其中相当一部分工作。对企业来说，接下来的选择自然是减少校招、冻结初级 HC，或者用自然流失来缓慢减员。

AI 对软件行业最早产生的影响，可能不是让程序员这个职业整体消失，而是减少企业对初级人力的需求。 初级任务并没有全部消失，只是越来越多地由 AI 和资深工程师共同完成；真正被压缩的，是年轻人依靠这些任务进入真实工程世界的机会。

PART 02 为什么经验反而更值钱了

这张图的另一个值得讨论的地方，是 35 岁以上软件开发者的就业指数普遍增长。过去大家经常说程序员是吃青春饭的，现在看起来，情况可能正好相反。

AI 可以快速写出一段代码，却很难独立判断该写什么；可以根据一份明确需求完成实现，却不知道需求本身是否值得做；可以让一个方案跑起来，却很难替企业承担生产事故、客户结果和组织协调的责任。

我们在做 Omni-Growth 的过程中，对这一点体会非常深。三个 40 岁左右的程序员，借助 AI 写一个 demo 已经非常快了，但在正式写产品代码之前，我们还是花了大约 1 个月待在共创客户现场，学习投手的业务语言和实际工作方式。

一开始，我们把广告诊断做成了一张张诊断卡片，代码没有问题，Agent 给出的结论也足够准确。但投手依然会回到 Meta 后台，把广告账户重新检查一遍。后来我们才理解，对我们来说，“诊断”是列出已经发现的问题；对投手来说，“完整诊断”还意味着沿着广告账户、广告系列、广告组和广告逐层检查，并且确认没有遗漏。

AI 可以很快把一种理解做成产品，却不能替人证明这种理解就是对的。最后真正发挥作用的，是过去做产品、做交付、与客户沟通和处理复杂系统时积累下来的经验。

AI 放大的是一个人已经具备的能力，但它放大不了一个人还没有形成的判断。 年轻工程师用 AI，可以快速得到一份看起来接近资深工程师的产出；而资深工程师借助 AI，则可以省掉大量执行工作，把时间放在定义问题、判断方案和承担结果上。两者看起来都在提效，企业愿意为之付费的价值却不完全一样。

当然，这也不意味着年龄大就一定安全。一个工作了 15 年、但始终只在狭窄技术栈里重复执行，没有思考没有积累的人，未必比心态开放、愿意拥抱 AI 的年轻人更有优势；主要靠分发信息、推动流程和包装汇报的“路由器型管理者”，同样也没有太多价值。

真正被重新定价的并不是年龄，而是经过真实项目沉淀下来的业务理解、系统判断和责任能力。

PART 03 被拆掉的第一层台阶

对年轻人来说，更麻烦的事情还不是少了 21% 的岗位，而是传统的成长路径正在失效。

过去的工程师成长路径很清楚：从简单模块开始，逐步理解系统，从修 bug 到负责功能，从执行者变成设计者，最后能够独立承担一个复杂项目。那些看起来价值不高的工作，例如调试一个莫名其妙的线上问题、跟产品经理反复确认需求、处理脏数据、补测试、做发布和回滚，其实都是职业训练的一部分。

现在，AI 恰恰最擅长接管这些初级任务。这相当于把职业阶梯最下面的几级拆掉，然后要求刚毕业的年轻人直接跳到中间。

问题是，学校可以教算法、操作系统和软件工程，却很难替代真实项目里的反馈。一个资深工程师不是听课听出来的，而是在一次次需求误解、方案取舍、线上事故和客户反馈中逐步成长起来的。如果所有企业都只招聘“已经有经验的人”，那么 5 年、10 年以后，这些有经验的人又从哪里来？

对每一家企业来说，减少初级岗位可能都是当前的最优选择；但当大家同时这样做，局部最优就会慢慢变成整个行业的人才断层。我们可能正在用今天的效率优化，透支明天的资深工程师。

PART 04 新的台阶应该怎么搭

旧的成长路径正在变窄，并不意味着年轻人只能等待企业把旧岗位还回来。AI 一方面拿走了大量初级任务，另一方面也把做完整项目的成本降到了过去难以想象的程度。真正需要改变的，是年轻人积累经验的方式，以及企业培养年轻人的方式。

对年轻程序员：从完成任务转向积累经验

对年轻程序员来说，第一件事不是练习怎样用 AI 更快地完成一个初级任务，而是学会验证 AI 的产出。为什么这样设计？还有哪些方案？失败边界在哪里？测试能不能覆盖关键风险？如果离开 AI，自己能不能解释它生成的代码和架构？这些问题回答不出来，做出的东西再完整，也只是借来的能力。

姚顺宇在接受访谈时举过一个他在 Anthropic 时面试候选人的例子，让候选人在 24 小时内，和 AI 一起完成一个基模的具体训练任务。他考察的不仅仅是候选人是否能真实使用 AI，更是会在后续的面谈里面，详细问整个设计过程的很多细节和取舍，看候选人在与 AI 的协作过程中，有没有真正地去验证、去把关、去弄清楚细节。

第二件事，是主动完成真实的小闭环。不要只做一个能运行的 demo，而是找到真实场景，确认问题，做出产品，部署上线，观察使用，再根据反馈修改。AI 让一个年轻人也有可能独立完成过去需要一个小团队才能完成的工作，但只有真实反馈中留下来的判断，才会变成自己的经验。

第三件事，是有意识地靠近业务上下文和最终结果。参与客户访谈，处理线上故障，理解数据口径，弄清楚一个功能到底给谁创造了什么价值。这并不是要求程序员放弃技术，而是把职责边界从“写完代码”扩展到“解决问题”。

对有经验的程序员：把经验真正变成杠杆

图中 35 岁以上程序员向上的曲线，只能说明经验正在被重新定价，并不是一张长期有效的安全证书。如果只是继续重复原来的工作，等着 AI 把自己的效率再提高一点，那么今天的经验红利也可能很快消失。所以，老程序员可能也依然有一些需要做的事情。

第一件事，是用 AI 重构完整工作流，而不只是让 AI 帮自己补几行代码。从调研、方案设计、原型、开发、测试到文档，凡是可以交给 AI 的执行工作，都应该逐步交出去；人则需要把更多时间放在补充上下文、判断方案和处理异常上。经验丰富的程序员真正的优势，是知道应该把 AI 用在哪里，也知道什么时候不能相信它。

第二件事，是把隐性的经验变成明确的判断标准。哪些改动必须人工确认，哪些结果绝对不能接受，一个方案上线前需要满足什么条件，遇到什么信号应该立即回滚，这些过去存在脑子里的经验，可以逐步整理成文档、检查清单或者 Skill。这个过程不仅仅是为了让 AI 更好用，也是在迫使自己把模糊的直觉说清楚。只有能够被表达、验证和复用的经验，才容易被 AI 放大。

第三件事，是把自己的责任范围从技术产出扩展到业务结果。主动理解客户、产品、数据和商业目标，参与问题定义，也承担上线后的真实反馈。这当然不是要求每一个资深程序员都转去做管理，而是要从“某个模块我能写好”，逐渐变成“这个问题我能完整解决”。如果有经验的程序员只是借助 AI 更快地完成原来的执行工作，企业迟早会重新计算这部分工作的价值。

对管理者：重新设计年轻人的培养机制

而对管理者来说，更稳妥的做法也不是为了培养新人，继续保留一批没有真实价值的机械任务。企业需要用 AI 加速年轻人的培养和选择，而不是简单取消他们进入行业的机会。

一种可行的方式，是让年轻工程师从第一天就使用 AI，但同时要求他在开发之前写清楚问题和验收标准，在开发之后解释关键设计、补齐测试与监控，并且真正参与上线、故障处理和复盘。资深工程师的职责也需要从“替新人检查每一行代码”，逐渐变成“帮助新人建立判断标准”。

这样做短期一定比只让资深工程师带着 AI 干活更麻烦，也未必是成本最低的方案。但人才培养本来就是一项长远投资。如果一家企业只消费已经成熟的人才，从不参与培养，那么它节省的只是当前人力成本，留下的则是未来越来越贵、也越来越难招聘的资深人才。

写在最后

这张图目前只能描述美国一部分使用 ADP 服务的企业，不能直接推导到中国市场，更不能断言所有变化都是 AI 导致的。

但它把一个已经发生的趋势呈现得非常清楚：AI 对程序员这类白领岗位的影响，并不是所有人一起被替代，而是初级岗位先收缩，经验被重新定价，职业入口开始变窄。

对于今天的资深工程师来说，这可能是一段经验红利期；对于年轻人来说，第一份工作会比过去更难得到；而对整个行业来说，真正需要解决的问题，是怎样在 AI 已经承担大量执行工作的情况下，继续让年轻人获得判断、责任和经验。

过去，我们通过让年轻人先写简单代码来培养资深工程师。接下来，我们可能需要重新设计一条职业阶梯：不再要求年轻人比 AI 写得更快，而是帮助他们借助 AI，更快地成为能够定义问题、验证结果并承担责任的人。

如果你正在带研发团队，你们现在还招初级程序员吗？又是怎样培养他们的？欢迎在留言区分享你们的做法。

本文作者曹犟正在和团队打造 Omni-Growth Agent，目标是用 AI 帮中国公司把海外营销做得高效稳、更可控。目前主要服务两类需求：一类是把投放全托管给我们，按增长结果付费；另一类是给现有投手配一个 7×24 盯盘和诊断的 AI Copilot。更多信息可以看这里：https://omni-growth.ai