我打开LinkedIn——又看到一条帖子:"AI写代码比人类更好,程序员这个职业正在消亡。"我查看Twitter——同样的说法。YouTube上——专家们预测开发者时代的终结。

然后我看看招聘信息。公司为中级开发者提供每年15-20万美元的薪水。AWS为会使用AI的程序员多支付31%的工资。过去两年,机器学习专家的需求增长了82%。

有些不对劲,对吧?

为什么AI不会取代程序员(以及为什么现在是学习的最佳时机) - 1

让我们弄清楚实际情况。不恐慌,不炒作——只看事实。

AI到底是什么(剧透:它比看起来笨)

你知道AI让我想起了什么吗?那种考试前临时抱佛脚的优等生。他们记住大量信息,但并不真正理解它是如何工作的。

为什么AI不会取代程序员(以及为什么现在是学习的最佳时机) - 2

当ChatGPT生成代码时,它并不是在"思考"解决方案。它是在回忆训练时看到的数百万行代码中的相似例子。GitHub、Stack Overflow、文档——所有这些都存储在它的"记忆"中,就像一个巨大的模式数据库。

想象一个准备考试的学生。他做过500道数学题。当考试遇到类似题目时,他想:"哦,这就像第347题,只是数字不同。"他通过类比来解决。

AI的工作方式完全一样。只不过它有数百万个代码示例,而不是500道题。

一位开发者决定做个实验。他开始用ChatGPT回答技术问题。最初几周看起来很棒——回答听起来很专业。但后来他注意到一个模式:AI只是在改写同一讨论中几条帖子前已有的热门答案。

所以AI并没有发明新解决方案。它的工作方式就像一个带改写功能的高级搜索引擎。

AI在哪些方面失败了(而且这种情况经常发生)

为什么AI不会取代程序员(以及为什么现在是学习的最佳时机) - 3

现在让我们谈谈神经网络做不到的事情。这是一个很长的清单。

它不理解你项目的上下文

AI只能看到你展示给它的内容。它不知道你的项目中已经有三种不同的日期处理方式。不知道你的API使用特定的数据结构。不知道某些库之间存在冲突。

让它写一个邮箱验证函数:

function validateEmail(email) {
    const regex = /^[^\s@]+@[^\s@]+\.[^\s@]+$/;
    return regex.test(email);
}

看起来不错,对吧?现在想象一下,你的系统需要处理邮箱中的中文字符。或者需要区分临时邮箱地址和永久地址。或者你已经有了一个集中式验证器,添加另一个会造成混乱。

AI不知道这些。它写出了"正确"的代码,但对你的具体情况毫无用处。

它会创造安全漏洞

神经网络是在公开代码上训练的。而公开代码充满了bug和过时的做法。

让AI创建一个数据库函数:

def get_user_by_id(user_id):
    query = "SELECT * FROM users WHERE id = " + str(user_id)
    return database.execute(query)
C++

这段代码为SQL注入打开了大门。任何攻击者都可以窃取或删除数据。但AI不理解危险——它只是复制了在旧教程中看到过成千上万次的模式。

或者拿身份验证来说。AI可能建议在localStorage中存储token:

localStorage.setItem('authToken', token);

能用吗?能。安全吗?不安全。这会产生XSS漏洞。专业开发者使用httpOnly cookies。AI不会,因为简单的方法出现得更频繁。

它写出的代码很慢

性能是AI根本不考虑的东西。

这是一个查找数组中重复项的函数:

function findDuplicates(arr) {
    let duplicates = [];
    for (let i = 0; i < arr.length; i++) {
        for (let j = i + 1; j < arr.length; j++) {
            if (arr[i] === arr[j] && !duplicates.includes(arr[i])) {
                duplicates.push(arr[i]);
            }
        }
    }
    return duplicates;
}

AI会生成类似这样的代码。O(n³)复杂度。对于1000个元素的数组,这需要几秒钟。程序员用Set写出O(n)的代码——快几千倍。

在测试数据上,差异看不出来。在生产环境中,你的应用会变成蜗牛。

它无法处理不寻常的任务

有研究测试AI如何用网上很少见的语言编写代码。他们使用了Ada——一种用于航空和医疗关键系统的语言。

结果?生成代码的一半甚至无法编译。其余的能编译,但运行不正确。AI实际上是在编造"看起来像"真实代码的语法。

小众框架、公司内部库、特定领域任务也会发生同样的情况。如果网上的例子不多——AI就束手无策。

真实的失败案例:当公司试图用AI替代人类

理论是一回事,但让我们看看实际发生了什么。

美国金融科技公司

2023-2024年,几家金融科技创业公司决定"优化"。他们解雇了开发者,留下了经理和几个高级工程师,他们会"只是审查AI代码"。

最初几个月似乎很好。功能快速发布。经理们庆祝节省的成本。

然后问题开始了。生产bug。严重的安全漏洞。服务中断。客户投诉。监管机构罚款。

当他们深入调查时发现:AI代码表面看起来不错,但内部充满了技术债务。架构不匹配。逻辑重复。只在特定条件下才会出现的不明显bug。

公司紧急开始重新寻找开发者。但最好的专家已经找到了其他工作。他们不得不以双倍甚至三倍的薪水雇佣新人。还要花几个月时间清理技术混乱。

节省变成了损失。

瑞典Klarna的故事

Klarna——一家大型金融科技公司——在2024年宣布解雇700人,用AI替代他们。媒体写了热情洋溢的文章,说这是"没有程序员的未来"。

一年后,公司悄悄开始召回员工。因为服务质量严重下降。客户抱怨。竞争对手在功能上超越。新功能开发停滞。

结果发现AI可以快速产出简单代码,但不能:

  • 理解复杂的业务逻辑
  • 协调系统不同部分的工作
  • 做出架构决策
  • 快速应对意外问题

卡内基梅隆大学实验

研究人员决定测试:AI代理团队能像真正的IT公司一样工作吗?

他们创建了一个虚拟办公室。每个角色——一个独立的AI代理:开发者、测试人员、经理、设计师。给他们不同复杂度的任务。

最好的结果?Claude 3.5完成了24%的任务。GPT-4——不到9%。其他模型失败得更严重。

但最有趣的部分——它们是如何失败的:

  • 一个"开发者"卡在浏览器对话框上,无法继续工作
  • 另一个在Slack中找不到合适的人,所以就创建了一个具有所需名称的新用户
  • 第三个将任务标记为完成,实际上什么都没做

研究人员的结论:AI灾难性地缺乏常识。它不理解自己在做什么。

就业市场上实际发生了什么

为什么AI不会取代程序员(以及为什么现在是学习的最佳时机) - 4

现在是有趣的部分。当所有人都在说"AI正在扼杀这个职业"时,市场上发生的却是相反的事情。

薪水在上涨

世界经济论坛发布了一份预测:未来几年对AI/ML专家的需求将跃升82%。是的,你没看错——超过五分之四。

AWS为有AI经验的程序员额外支付31%的工资。在美国,每两个与AI相关的职位中就有一个承诺年薪17.4万美元——几乎是普通开发者的两倍。

西欧怎么样?基本上是同样的情况:

  • 德国:普通高级工程师7-9万欧元,但如果你懂机器学习——期待8.5-11万欧元
  • 英国:经典开发者——5-7万英镑,AI专家——7-9.5万英镑
  • 荷兰:开发——6-8万欧元,数据科学——7.5-10万欧元

即使在东欧,薪水也在增长:

  • 波兰:普通中级——2.5-3.5万美元,AI开发者——3.5-5万美元
  • 捷克:开发——3-4.5万美元,机器学习——4-6万美元
  • 罗马尼亚:经典编程——2-3万美元,AI——3-4.5万美元

人才短缺并未消失

公司在抱怨:找到一个好的中级或高级开发者变得比以前更难了。

为什么?因为要求变了。现在他们需要能够:

  • 理解整个系统架构
  • 知道如何将AI作为工具使用
  • 能够验证生成代码的安全性和性能
  • 做决策,而不只是按规范写代码

这样的专家很贵。而且真的不够用。

AI不是在取代程序员——它在改变这个职业

以前,很多时间花在例行工作上。写另一个REST API。创建带验证的表单。配置配置文件。这些都是机械任务。

现在AI做这些。程序员专注于需要智慧的事情:

  • 设计架构
  • 为特定任务选择合适的技术
  • 优化性能
  • 确保安全
  • 与客户沟通,将业务需求转化为技术解决方案

本质上,这个职业变得更加智力化。减少为了编码而编码,更多地做决策。

这对刚开始学习的人来说是好消息。

为什么现在是学习编程的最佳时机

是的,我是认真的。现在正是完美的时刻。

1. 高需求和好收入

大量工作。高薪水。能够远程为全球市场工作。

与其他职业比较(美国平均年薪):

  • 医生:20-25万美元
  • 律师:12-15万美元
  • 程序员:9-12万美元(但在大公司最高可达30万美元以上)
  • 教师:5-6万美元
  • 护士:7-8万美元

在欧洲,差异更加明显——程序员的薪水排在前三位。

2. 你可以比以前学得更快

以前,要成为程序员,你必须:

  • 在大学学习4年
  • 或者花数年时间独自在混乱的信息中摸索

现在有了好的结构化课程和实践,你可以在6-12个月内达到初级水平。

是的,市场变得更有要求。但这只意味着一件事:你需要正确地学习。不只是看视频讲座,而是解决问题。很多问题。写代码。构建项目。

例如,在CodeGym上,学生要解决超过1200个实践任务。因为编程是一项技能。技能只能通过实践而不是理论来发展。

你可以读一本关于游泳的书。但只有在泳池里才能学会。

3. 入门门槛降低了

大学学位不再是必需的。公司看重:

  • 你能做什么
  • 你能展示什么项目
  • 你如何在面试中解决问题

几个可运行项目的作品集比文凭更有价值。

4. AI是工具,不是竞争对手

想象一下:你是建筑师。以前,图纸是手工绘制的——缓慢而乏味。然后AutoCAD出现了——现在你可以更快更准确地绘图。

建筑师的数量减少了吗?没有。反而更多了。但对他们的要求变了。现在仅仅按按钮是不够的——你需要理解构图、光线、处理。

编程也是一样。

AI接管了枯燥的机械工作。程序员专注于有趣的挑战。

此外:那些学会有效使用AI的人将比其他人赚得更多。这是一项新技能,目前掌握的人还很少。

5. 全球就业市场是开放的

编程是少数几个地理位置无关紧要的职业之一。

波兰的医生不能在德国工作而不重新取得资格。罗马尼亚的律师在美国没用——那里法律不同。

但程序员可以:

  • 住在东欧
  • 为美国或西欧公司工作
  • 获得西方薪水(或接近)
  • 旅行并从世界任何地方工作

这是独特的优势。

谁实际上面临因AI而失业的风险

这是一个悖论:AI威胁的不是初学程序员,而是那些多年做同样事情且不发展的人。

如果你花了10年时间编写典型的CRUD操作,设置表单,复制解决方案——AI真的可能取代你。因为你在做机械工作。

但如果你:

  • 理解如何从零开始设计系统
  • 知道如何为特定任务选择正确的技术解决方案
  • 能感觉到代码可能在哪里崩溃
  • 看到应用程序性能和安全性的弱点
  • 能实际与人交流并将他们的愿望转化为具体的技术任务

...那么你是不可替代的。你的价值只会增长。

Kotlin

对于刚开始学习的人来说,有一个巨大的优势:你将在AI已经存在的世界中学习编程。对你来说,它将是一个自然的工具——就像Google和Stack Overflow对上一代人一样。

你将立即学会如何正确使用AI。而那些"老方法"学习的人现在正试图重新学习。

如果你决定成为程序员,从哪里开始

这是我真诚的建议。

不仅要学会写代码,还要学会像程序员一样思考。

这意味着什么?

解决大量问题。理论很重要,但技能只能通过实践发展。读100个教程不能替代写100个程序。

构建项目。雇主需要看到你能创造可运行的东西。作品集中几个实际运行的项目比任何证书都更有价值。

学会阅读别人的代码。说真的,这和写自己的代码一样重要。在实际工作中,你会花大部分时间研究别人之前写的东西,而不是从头创建所有内容。

尝试理解解决方案的逻辑。不要只是从网上复制代码——花时间弄清楚它内部是如何工作的。为什么他们使用这种特定的数据结构?有什么替代方案?有什么权衡?

不要害怕错误。每个专业程序员都曾是一个在Google上搜索"如何创建变量"的初学者。每个人都经历过这个阶段。

AI可以在一秒钟内生成一个函数。但它不能:

  • 理解在你的情况下需要哪个确切的函数
  • 看到它如何融入整体架构
  • 预测会出现什么问题
  • 向客户解释为什么这是正确的解决方案
  • 为结果负责

人类做所有这些事情。而且还会持续很长时间。

结论:程序员正在成为精英

你知道当技术使简单任务自动化时会发生什么吗?对专家的需求不会下降——会增长。但要求会提高。

当数码摄影出现时,摄影师并没有减少——反而更多了。但对他们的要求变了。现在仅仅按快门是不够的——你需要理解构图、光线、后期处理。

编程也在发生同样的事情。

AI不会摧毁这个职业——它会使它更有价值。机器承担常规工作。人类处理智力工作。

那些理解系统如何工作的人将获得其他职业做梦都想不到的薪水。他们将创造改变世界的产品。他们将解决复杂有趣的挑战。

市场远未饱和。数字化正在所有领域发生——从医疗到农业。需要程序员的公司增长得比程序员本身更快。

所以如果你在思考是否应该在AI时代开始学习编程——答案很明确:绝对应该。

但要做对:

  • 专注于实践,而不是理论
  • 解决真实问题,而不只是看讲座
  • 学会理解技术如何工作,而不只是使用它们
  • 发展思考能力,而不是复制代码

未来属于那些能解决问题的人。AI只会让这项工作更快更有趣——当然,前提是你学会使用它。