文 | 影子备忘录
美国拉斯维加斯，Google Cloud Next 2026 年度大会上，谷歌 CEO 桑达尔 · 皮查伊面对全球数千名与会者，公布了一个令软件工程界为之震动的数字——谷歌内部近 75% 的新增代码现在由 AI 生成并由人类工程师审核通过。
两年之前，这一数字仅为 15%。一年前的 2024 年 10 月，它刚刚迈过 25% 的门槛；到 2025 年秋季攀升至 50%。如今，距上一次公布才过去半年，指针已朝着四分之三的方向猛然转动。谷歌说，他们正全面转向 " 真正的智能体工作流 "，让工程师执行更多自主化任务。
如果用一张图表来描绘这个变化速度——它不像平稳的斜坡，更像骤然的峭壁。当硅谷最顶尖的工程师队伍都在以超过 " 三个季度翻倍、两年翻五倍 " 的速度将键盘交给 AI 时，一个问题正在空气中自然凝结：程序员这个职业，还有谁是不能被取代的？
也许，我们不应该急于回答这个问题。因为，在这场关于 " 取代 " 的激烈争辩中，有一个更值得追问的方向已被匆匆略过：AI 带来的，究竟是程序员 " 被谁取代 " 的问题，还是 " 程序员被改变成什么模样 " 的问题？
一场超过任何人预期的 AI" 登陆战 "
75% 这个数字，远远超出了行业对 AI 编程渗透速度的所有预测。
此前，行业分析普遍认为 AI 代码生成率到 2026 年底可能达到 30% 到 40% 的量级。但谷歌的执行速度直接将这一预期值击穿。皮查伊在大会上透露，一项由智能体与工程师协作完成的复杂代码迁移任务，比一年前纯人工操作快了整整 6 倍。这不是实验室里的概念验证，而是谷歌将自身工程部门当作 " 首个试用客户 " 检验出来的实战数据。
行业媒体 The Deep Dive 对此评论道："Alphabet 不再将 AI 定位为叠加在工程工作之上的辅助工具，而是将 AI 定位为大多数新代码创作背后的默认引擎，人类越来越多地被设定为代码质量的审阅者、协调者和把关人。"
谷歌并非孤例。微软 CEO 萨提亚 · 纳德拉曾在 2025 年 4 月表示，部分项目中已有 20% 到 30% 的代码由 AI 编写，CTO 凯文 · 斯科特甚至预言未来五年内 95% 的代码将由 AI 生成。Meta 制定了更激进的路线图：截至 2025 年第四季度，要求特定业务单元中 55% 的代码改动须属于 "Agent-Assisted" 类型；到 2026 年上半年，Meta 创作组织中 65% 的工程师预计会用 AI 编写超过 75% 的已提交代码。Snap 则宣布，按照新的运营模式，至少 65% 的新代码由 AI 生成。
如果把视角从硅谷巨头拉向整个行业，数据的体量更令人咋舌。全球知名代码质量平台 Sonar 发布的《2026 年开发者调查报告》显示，72% 的开发者每日使用 AI 编程工具，AI 生成或辅助代码占比已达 42%，较 2023 年的 6% 大幅跃升。在企业层面，AI 编程助手的采用率到 2025 年底已达约 90%，使用 AI 辅助工作流的团队拉取请求（Pull Request）时间缩短了 48% 至 58%。
全球开发者使用 AI 工具的比例，从 2024 年的 76% 攀升至 84%。GitHub Copilot 的累计用户已突破 2000 万。AI 代码工具市场规模在 2025 年达到约 74 亿美元，预计 2030 年将达 240 至 260 亿美元。Gartner 预测，到 2028 年，40% 的企业新增生产软件将通过 " 氛围编程 " 的方式生成。
63% 的 " 氛围编程 " 使用者根本不是专业开发者，而是非技术人员。这也意味着——软件创作这项曾经需要漫长训练和深厚积累的技能，正以前所未有的速度被 " 平民化 "。一个不懂编程语言的人，现在可以通过自然语言描述，让 AI 搭建出一个可运行的应用程序。
科技顾问、前 Dropbox 首席技术官 Aditya Agarwal 在花了一个周末与 Claude 一起写代码之后动情地写道：" 我们再也不会手写代码了。我曾经非常擅长的东西，如今变得免费且唾手可得。"
数据勾勒出一个明确的趋势：AI 编程工具的渗透，早已不只是一场 " 效率革命 " 的技术叙事，它正在从底层改写软件工程的生产关系。当人类负责的环节从 " 编写 " 退缩到 " 审核 "，软件开发的核心能力需求正在发生剧烈的位移。然而，效率和风险之间的关系，远比人们想象的要复杂。
效率的 A 面与 B 面：当加速度开始反噬
Faros AI 发布的一份基于 4,000 多个团队、22,000 名开发者两年遥测数据的报告，揭示了一幅与 " 效率神话 " 截然不同的图景。Faros 发现，当团队跨越 AI 工具周活跃用户 50% 的阈值时，每名开发者的任务完成量提升了 34%，史诗级项目完成量提升了 66%，但与编码相关的任务激增了 210%。
与此同时，质量指标却在全面恶化：每名开发者面临的 Bug 数量上升了 54%，事故与 Pull Request 的比率增长了三倍以上，代码审查的中位数时间增加了五倍。更令人警惕的是，31.3% 的 Pull Request 在被合并时未经任何审查。
这就是 Faros 定义的 "加速冲击波" ——人工智能在生产更多代码，工程组织却越来越难以吸收这股激增的机器生成内容。
Faros 还发现，代码结构发生了深刻变化。平均 Pull Request 的规模增长了 51.3%，平均每次修改涉及的文件增加了 59.7%，每个开发者每月接触的文件数量更是飙升了 149.9%。这意味着，AI 生成的代码倾向于 " 更大、更散 "。更大的变更更难以审查，更难回滚，也更可能在出问题时造成更广泛的灾难性后果。
在交付管道中，" 投产速度 " 不升反降。从提交到生产部署的前置时间增加了 480.4%，每个 Deployment 进入生产环境所需的时间更长了。换言之，更多代码被编写、被合并，却远未以更快的速度交付——这是一个效率悖论。
华盛顿大学的 Mark Russinovich 和 Scott Hanselman 在发表于《Communications of the ACM》的文章中指出，AI 赋能带来的真正危机并非简单的 " 工作被抢走 "，而是整个软件工程人才梯队的结构性断裂。
他们将其描述为 "窄金字塔假说" ——传统上，初级开发者进入组织，从修复 Bug 和执行基础实现开始，在低风险的实践中逐步接触真实的架构、编码标准和构建系统。经过时间沉淀，一部分人成长为技术负责人。当 AI 将初级开发者赖以学习和成长的入门级工作大幅削减时，金字塔的底部将逐渐消失。
研究表明，初级开发者岗位需求自 2022 年以来下降了 67%。哈佛大学的一项研究也发现，在使用 GPT-4 之后，22 至 25 岁青年在包括软件开发在内的 AI 暴露岗位上的就业率下降了约 13%，而资深岗位仍在增长。
如果从个体体验的角度再往里看一层，会发现更令人忧虑的暗影。
一位名叫 Pia Torain 的软件工程师在连续四个月每天发出数百条提示词后坦言：" 我开始失去编程能力。" 她声称，将过多编程工作外包给 AI，最终可能带来巨大风险—— " 不用则废 "。MIT 在 2025 年初的研究发现，那些将写作任务外包给 ChatGPT 的成年人，与独立完成任务的人相比，表现出更低的大脑活动和更差的回忆能力，研究者将这个现象标注为 "认知债务"。
当程序员越来越依赖 AI 生成代码，他们自己的编码能力正在以肉眼可见的速度萎缩。这也许意味着一个恶性循环的开始：初级开发者通过手写代码来建立系统品味的机会在减少，AI 为他们代劳了本该由他们亲自完成的练习；而资深开发者也可能随着 AI 介入比例的不断提高，逐渐失去对代码细节的掌控感。
在 Hacker News 上，一条高赞评论一针见血地揭示了这种困境：" 如果大语言模型能更快、更廉价地完成初级工作，导致没人愿意雇佣初级开发者，那么未来还有谁能成长为专家呢？"
" 会用 AI 的程序员 " 正在取代 " 只会写代码的程序员 "
但我们也必须直面硬币的另一面——这场变革的另一端，是前所未有的生产力释放。
谷歌指出，近几周的一项复杂代码迁移任务，完成速度比一年前纯人工操作快了 6 倍。一位 60 岁的老程序员在论坛上发帖说，Claude Code" 重新点燃了自己多年搁置的热情 "，他靠 " 氛围编程 " 做出了一个本来不会尝试的网站，重拾了那些因难度过高而停滞的旧项目。
" 重新点燃 "，这个出现在太多老程序员评价中的词句，暗示着 AI 编程工具可能带来的另一个价值：它将软件开发从精细化的 " 重复劳动 " 中解放出来，让人重新聚焦于系统的顶层设计和创新突破。
AI 编程正以惊人的速度迭代自身的边界。2023 年，AI 的角色还只是辅助写函数，需要人工仔细检查修改；到 2024 年，模型已能生成完整模块，需要人工整合调试；仅过了两年，如今的 AI 可直接生成完整功能，仅需审查优化。
2025 年 11 月，AI 写代码的能力悄悄跨过了一条线——从 " 大部分能用但你得盯着 " 变成了 " 几乎每次都对 "。OpenAI 的 Codex 模型和 Anthropic 的 Claude 4.5 Opus，编程性能被认为已超越顶尖程序员。
马斯克在其视频中甚至声称，到 2026 年底，AI 将直接编写比传统编译器更高效的二进制代码，彻底消灭 " 源代码 " 这一中间步骤。这番话当然不乏夸大之辞，但它切中了软件开发未来的一个可能性方向：当代码生成本身不再是瓶颈，程序员的角色将彻底被重构。
这一浪潮的重构效应，在 AI 编程工具的竞争态势中体现得淋漓尽致。GitHub Copilot 借微软生态之利，在 2025 年 7 月突破 2000 万累计用户，手握 42% 的市场份额。
Cursor，这家诞生仅两年多的公司，ARR 已突破 10 亿美元，从零到十亿美金只用了不到 24 个月，估值达 293 亿美元。Claude Code 以强大的复杂任务处理能力著称，年化营收已超过 5 亿美元。
但是，当工具在变得更好用，更深层的问题却在向整个行业逼近——程序员如何才能避免成为这场技术焕新的牺牲品？
科技顾问 Andrej Karpathy 不无忧虑地写道：" 我从未如此强烈地感到落后。" 他认为，若能正确串联过去一年涌现的 AI 工具，能力可以增强 10 倍；否则，感觉就像是技能问题。
Theo，一位技术 YouTuber 兼 CEO，在回应 Karpathy 时用了这样的措辞：" 软件工程已抵达永久性拐点。这并非从 jQuery 到 React 式的迭代，而是 9 级地震，是对开发者职业本质的重塑。"
核心命题已经悄然发生变化。现在的问题不再是 "AI 能否取代程序员 "，而是 " 会用 AI 的程序员将取代不会用 AI 的程序员 "。那些曾经靠硬写代码就能闯出一片天地的开发者，如今必须在崭新的能力坐标中重新定位自己。
有一个 " 滑板手视角 " 的类比颇为贴切：开发者应将重复任务视为自动化机会，而非障碍。过去因投入产出比不划算而被忽略的 "slop code"（如批量重命名、生成测试数据、一次性迁移脚本），在 AI 时代创建成本骤降至两分钟内，且具有复用、改进与共享的潜力。
换句话说，AI 不是在剥夺程序员的创造力，而是在释放创造力的另一个维度——让程序员可以规模化地、低成本地实现曾经不可能启动的 " 边角项目 "。
DeepSeek 给出了一个更具象的预期：一个原本预计需要 4 到 8 个月的项目，使用 Claude 后仅用两周就完成了。
" 人机协作 " 的新常态下，人类还剩下什么是不可替代的？
著名软件工程师 Theo 提出的观点，再次指向了这个问题。他认为，新的程序员角色不再是写代码的人，而是 "编排 AI Agent 的指挥家"。新的核心能力转向 Agents、Sub-agents、Contexts、Memory、Workflows、MCP 与 LSP 等全新的抽象层，这构成了继汇编语言到高级语言之后的又一次范式跃迁。
这一 " 指挥家 " 角色的能力图谱正在快速显现。Ramp 公司内部开发了名为 "Inspect Bot" 的自动化工具：自动监控 Sentry 错误、筛选 Top 20 高频错误、为每个错误启动独立的 AI 子会话生成修复代码、自动提交 Pull Request，工程师仅需执行最终的审核与合并。传统 Bug 修复耗时数小时到数天，AI 流程压缩至数分钟。
工程师的角色，从 " 修 Bug 的人 " 转变为 " 审核修复方案的人 "。Ramp 团队采用的策略是：每次手动修改 AI 的输出时，记录原因、提炼通用规则、更新至配置文件，让 AI 在后续任务中自动遵循改进后的方案。团队报告每日多次更新，AI 输出质量持续提升，人工干预频次显著下降。
这种演进本质上是软件开发从 " 编码驱动 " 向 "规范驱动" 的转变。开发者不再直接操作代码库每一行的细节，而是通过决定上下文、设定约束条件、定义预期行为来引导 AI 输出符合标准的代码。
这意味着未来程序员的核心竞争力不再是 " 写得快、写得对 "，而是 " 清楚自己在做什么、系统应该怎样运行、边界条件在哪里、以及如何用人类语言将这一切清晰地传递给 AI 执行者 "。
在写作任务外包的研究中，MIT 研究者发现的 " 认知债务 " 现象也可以反方向解读：若人类始终作为最终决策的唯一仲裁者，在 AI 生成的基础上进行高阶判断而非盲目接受，这个过程实际上是在训练更高级的认知能力。
将重复劳动外包给 AI，有意识地保留并强化系统设计、代码审查、架构规划等高阶能力，把 AI 当作工具而不是替代品——这可能才是程序员在这场技术浪潮中的生存之道。
站在更宏观的视角来看，软件工程百年进程本身就是一部 " 抽象层级不断提升、人类注意力持续向上迁移 " 的历史。从最早的机器语言编写，到汇编语言，再到高级编程语言，每一次 " 抬升一层抽象 " 都让程序员创作软件时所需的 " 底层关注 " 更少，能处理的 " 系统复杂性 " 更高。
今天，AI 正在将编程的抽象层级从 " 语法层面 " 提升到 " 意图层面 "。编写代码的环节在萎缩，定义问题、设计系统、持续验证的人类角色在凸显。
当程序员们不再为逐行代码耗费精力，就能把更多认知带宽投入到之前无暇顾及的系统优化、用户体验和创新探索中去。从这个意义上说，AI 不是程序员的终结者，而是程序员通向更高价值创造的阶梯。
结语
回到最初的问题—— AI 真的可以完全替代人类干活吗？
75% 这个数字，给了我们两种截然不同的未来想象。一种想象是 " 替代 "：程序员正在被自己创造的 AI 逐步替代，招聘市场 " 去初级化 " 加速推进，技术债务和认知能力缺失正在吞噬未来工程师的成长根基。
另一种想象是 " 解放 "：AI 正在将程序员从大量重复劳动中解放出来，让他们聚焦于系统架构、创新设计和价值创造，软件开发的门槛正在被降低，更多创意将从被压抑的状态中解脱出来。
两种想象都在不同程度地成为现实。真正的答案不在于 "AI 能否取代人类 "，而在于 " 人类在 AI 时代如何重新定义自己的不可替代性 "。
也许，程序员的真正危机不是被 AI 超越，而是停止进化。当考试的本质从 " 考生 " 变为 " 阅卷老师 "，当编写代码的技能不再是稀缺资源，决定一个人价值的，是系统品味、判断力与想象力这些 AI 暂时无法掌握的、属于人类认知最深处的特质。
特斯拉和 SpaceX 的创始人埃隆 · 马斯克曾抛出 " 编程将亡 " 的预言：" 到 2026 年底，AI 将直接编写二进制代码。" 有人视其为警钟，有人视其为笑谈。无论哪一个视角更为准确，一个已经确凿无误的事实摆在面前—— AI 以 75% 代码生成比例宣告了一个无可逆转的进程：技术从不等待任何人，但真正有价值的成长，从来都发生在人类的主动选择之中。
