AI 会让程序员失业，但可能不是因为它会写代码
AI 到底会不会取代程序员，每个人都有自己的看法。然而无论你怎么看， AI 正在重塑程序员这个职业，这个过程其实已经开始了。
更诡异的是，它甚至不需要在能力上真正超过人类程序员。 AI 可能会以另一种形式，让大量程序员失去工作。
因为程序员真正值钱的，从来不是代码，而是互联网时代那套极其赚钱的商业模式。
过去二十年，程序员之所以拥有远高于许多行业的薪资和议价能力，并不仅仅因为代码难写，而是因为互联网创造了一种极其特殊的经济结构：少量工程师，就能支撑一个拥有数千万、甚至数亿用户的产品，新增用户几乎不增加成本，却能持续带来收入。
程序员分享的，其实是互联网高速增长和规模经济带来的利润。
但 AI 正在悄悄改变这套商业模式。
如果 AI 没有创造出互联网之外的新市场，却让软件行业变得更加资本密集，让越来越多的利润流向算力、模型和数据中心，而不是程序员，那么即使 AI 永远达不到顶级程序员的水平，它依然可能改变整个程序员行业。
也就是说， AI 真正吃掉的，可能不是程序员的工作，而是程序员赖以存在的经济基础。这种变化未必首先表现为在职程序员降薪，而更可能表现为岗位减少、初级入口收缩，以及越来越少的人分享软件行业的利润。
程序员可能是工业史上最奇怪的职业群体
程序员用了几十年时间，把自己的劳动成果以一种前所未有的方式公开了出来。
操作系统、数据库、编译器、框架、编辑器、算法实现、技术文档、Issue、Pull Request ，乃至一次事故后完整的复盘，都被持续上传到公开互联网。后来，大模型把这些内容吸收成训练材料，开始学会写代码。
然后，更奇怪的一幕出现了：当 AI 已经开始制造替代程序员的焦虑时，程序员仍然在乐此不疲地建设 Coding Agent、MCP、Skills、自动 Review、自动测试和自动修复系统。有人觉得 AI 还不够快，有人担心自己不会用 Agent 就会掉队，还有人每天研究怎样把自己的工作流程进一步交给机器。
这看起来像一个职业群体在集体建设自己的替代者。
一个人的理性选择是尽快掌握 AI ；所有人的理性选择叠加起来，却可能加速整个职业的贬值。
但如果只把它解释为“程序员热爱自动化”，其实还不够。更值得追问的是：为什么过去程序员开源了那么多代码，却没有把自己变穷；而今天继续建设 Agent ，结果可能完全不同？
程序员的高薪，不是因为代码难写
很多人把程序员的工资溢价解释为技术门槛：代码难、系统复杂、人才稀缺。这是一部分原因，但不是最根本的原因。
互联网时代最特殊的地方，是它创造了一种近乎完美的经济结构：公司先投入一批工程师开发产品，产品完成以后，用户从一万人增长到一千万人，成本会增加，但通常远慢于收入增长。
一套软件可以被无限复制，一个 App 可以同时服务海量用户，一段代码可以在全球范围内重复产生价值。只要产品找到了需求，收入可以爆炸式增长，而新增用户的边际成本很低。
这才是程序员高薪真正的经济基础。
程序员的工资，不只是购买写代码的劳动，也是在分享互联网行业的规模经济租金。
一个几十人的团队，如果掌握了一个数亿用户的入口，可以控制极大的现金流。公司有足够高的毛利，才有能力支付高工资、股票、奖金和宽松的开发资源。
所以互联网时代的程序员溢价，本质上来自一个事实：少量人才可以撬动巨额、可复制、低边际成本的收入。
换句话说，程序员并不是因为每一行代码都很值钱，而是因为代码背后的商业机器太赚钱。
为什么以前开源没有伤害程序员，反而让程序员更值钱？
开源当然会让竞争对手受益。你写的数据库、框架和组件，别人可以直接拿走使用；你解决的问题，也不再需要其他公司重复雇人解决。
但在互联网时代，开源降低了造软件的成本，同时扩大了整个软件市场。
因为 Linux、PostgreSQL、React、Kubernetes 和无数基础设施免费可用，更多公司能够开发产品，更多行业能够数字化，更多创业公司可以诞生。单个项目减少了一些重复劳动，整个市场却创造了更多 App 、更多 SaaS 、更多岗位和更多融资，形成一个良性循环。
因此，过去的开源虽然可能削弱某个程序员或某家公司的局部垄断优势，却扩大了整个程序员群体能够分享的利润池。
过去的自动化，往往是在扩大软件世界；今天的 AI 自动化，却可能首先是在压缩制造软件所需的人。
两者看起来都是提效，经济结果却未必相同。
AI 真正改变的，是软件行业的成本结构
传统互联网的核心生产资料主要是人才。服务器当然要花钱，但在绝大多数软件公司里，最昂贵、最稀缺、最决定上限的资源仍然是工程师、产品经理和设计师。
AI 时代不同。模型训练需要芯片和数据中心，推理需要持续消耗算力、电力、存储和网络；公司还要承担模型调用、评测、安全、数据治理和基础设施建设。
这意味着软件行业的成本，正在从“主要支付给劳动者”，转向“越来越多支付给资本品和基础设施供应商”。以前，互联网公司的超额利润可以拿来养更多程序员，程序员需求一直增加，薪资也水涨船高；以后，同一笔利润可能先被 GPU、云厂商、模型公司、电力和折旧吃掉。
即使 AI 让公司少雇了一部分人，公司总成本也未必显著下降。它只是把原本支付给程序员的工资，转成了模型订阅、推理账单和资本开支。
如果 AI 同时没有带来足够多的新收入，程序员就不再是这场效率提升的受益者，而更像被置换出去的成本项。
这就是 AI 对程序员最深层的威胁：它未必立即消灭岗位，但可能先吞噬支撑高工资、高福利和高议价权的行业利润。
为什么 Coding Agent 很可能不是新的增长引擎
现在很多人默认一条因果链：AI 写代码更快，互联网公司就能开发更多产品，于是获得更多收入。
问题是，这条链条在今天并不成立。或者说，还没有成立。
在旧互联网时代，软件开发成本早已被压得很低。大厂内部有成熟的脚手架、研发平台、云服务、组件库和自动化流水线；外部有大量 SaaS、低代码平台、开源项目和全球外包开发者。造一个普通 App ，早就不是什么昂贵到难以承受的事情。
限制互联网公司增长的，也早已不是“程序员敲代码不够快”。
真正稀缺的是用户、需求、分发、信任、监管许可、商业模式和愿意持续付钱的人，而不是又多写出一百万行代码。
腾讯不会因为程序员效率翻倍，就再造一百个微信； Google 也不会因为 Agent 能自动提交代码，就凭空获得一倍的搜索需求。
如果市场已经饱和，用户时间没有增加，客户预算没有增加，那么开发速度提高的直接结果，很可能不是收入翻倍，而是同样的工作不再需要那么多人。
Coding Agent 对单个企业可能很有价值：它可以降成本、加快迭代、提高利润率。但它主要是在互联网行业内部重新分配价值，而不是给整个行业带来新的外部现金流。
程序员为什么还在拼命建设 Agent 和 Skills ？
因为这是一场典型的集体行动困境。
对单个程序员来说，别人都在使用 AI ，而你不用，你就可能显得更慢、更贵、更保守。无论你是否相信 AI 会缩减岗位，短期内最理性的选择仍然是学会使用它。
对管理层来说， Agent 的意义也不仅是写代码更快。它还能把原本存在于工程师脑中的知识，逐渐固化为公司的机器资产。
一个 Skill 记录了怎样排查故障，一套 Agent Workflow 记录了怎样发布、怎样 Review 、怎样修复线上问题，一份机器可读的文档记录了系统的关键上下文。它们帮助当前工程师提高效率，同时也在降低组织对具体工程师的依赖。
程序员以为自己是在建设更好用的工具；公司看到的，却可能是一套更容易复制、移交和缩减人员的生产流程。
最残酷的地方是，谁都没有能力单方面停止。你不做，别人会做；你的公司不做，竞争对手会做。于是所有人都被 FOMO 推着向前，同时希望自己会成为最后留下来操作机器的那批人。
今天的 AI 消费，仍然主要是互联网内部的结构性变化
判断 AI 有没有真正扩大经济蛋糕，可以问一个非常简单的问题：这笔钱最后是谁掏的？
如果购买 AI 的主要是互联网公司、SaaS 企业、研发团队和创业公司，那么大量 AI 收入仍然只是科技行业内部的预算迁移。
过去付给程序员的工资，变成 Agent 订阅费；过去购买传统软件的预算，变成 AI 套餐；过去的云预算，变成更昂贵的训练和推理预算。
对模型公司、芯片公司和云厂商来说，这些都是真收入；但对整个互联网行业来说，它们也可能只是另一家公司的成本。
产业链内部的钱流动得更快，不等于产业链从外部赚到了更多钱。
只有当医院、工厂、影视公司、律所、学校、物流企业、建筑公司以及普通消费者，因为 AI 创造了新的产出和服务，并持续把新的预算支付给科技行业时，互联网加 AI 的收入池才算真正扩大。
这也是为什么仅仅证明“AI 公司收入增长”是不够的。更重要的是，它的客户有没有从最终市场赚回更多的钱。
真正的破局： AI 必须走出互联网
AI 要复制互联网时代的繁荣，不能只帮助互联网公司更便宜地开发软件。它必须进入旧互联网没有真正吃到的市场，替代其他行业的大量人工，或者创造过去根本不存在的新消费。
目前看，视频生成和短剧可能是少数已经显出一些希望的方向。
原因不是它能帮助互联网公司少雇几个剪辑师，而是影视制作本来就是一个巨大的线下人力产业：演员、摄影、灯光、美术、场景、配音、后期。只要 AI 能完成其中相当一部分工作，原本流向传统制作链条的钱，就有机会流向模型、平台和算力。
但即便如此，降低成本仍然不等于创造新市场。
如果原来一部短剧花一百万元，现在只花二十万元，但市场仍然只拍同样多的短剧，这主要是成本重构；如果成本下降后出现海量个性化故事、互动影视和过去根本不值得制作的内容，并且消费者愿意持续付费，那才是需求扩张。
同样的逻辑也适用于游戏资产、广告创意、工业设计、法律服务、医疗行政、教育内容、机器人和制造业。
一个真正能够破局的 AI 市场，至少应满足三个条件：钱来自互联网之外； AI 是产品能力的核心而不只是辅助程序员；新增收入能够覆盖算力、资本开支以及被替代劳动造成的收入收缩。
目前我们看到了很多局部效率提升，却还没有看到一个像搜索广告、移动应用、电商或云计算那样，足以承接整个产业巨额投入的新现金流机制。
如果 AI 迟迟走不出互联网，会发生什么
最可能发生的，不是程序员某一天突然集体失业，也不是 AI 泡沫立刻破裂。
更可能出现的是一段漫长的利润挤压。
AI 足够有用，所以每家公司都不能不投；但它又没有有用到足以创造与投入相匹配的新需求。公司持续支付算力、模型和基础设施成本，收入却没有同步增加。
为了保护利润率，管理层最容易压缩的就是招聘、工资、奖金和团队规模。
于是， AI 带来的“提效”不会表现为大家更早下班，而会表现为更少的人，监督更多的机器，承担更多的业务和风险。
初级岗位会先减少，因为简单实现、补测试、查文档和修改小问题最容易被自动化。高级工程师仍然需要承担架构、判断和责任，但行业会出现人才培养断层。
中小软件公司会被两头挤压：上游模型和云厂商收取更高费用，下游客户又会认为“你们已经有 AI ，为什么不能更便宜”。
最终的行业结构可能变成：少数超级平台、巨额算力资本、少量高杠杆工程师，以及更薄、更脆弱的软件中间层。
最坏的情况甚至不是泡沫破裂。泡沫破裂至少会迫使行业停止无效投入。真正难受的是 AI 长期处于“不能不投，但又赚不到足够多新钱”的状态。
真正的冲突，不是程序员与 AI ，而是普通员工与管理层
这种长期挤压不会只停留在利润表上。它最终会变成一场发生在组织内部的分配冲突。
对管理层来说，每一笔模型订阅、算力投入和基础设施建设都需要证明回报。最容易量化的回报，不是员工少加了多少班、系统少出了多少问题，而是少招了多少人、缩短了多少工期、一个团队承担了多少过去需要更多人完成的工作。
于是， AI 带来的效率很少会成为员工的时间红利。它会被管理层迅速计入下一轮目标，变成更高的要求、更紧的排期和更少的编制。
但普通员工看到的是另一套现实。AI 可以更快地产生代码、文档和方案，却不会自动理解所有历史包袱，也不会替人承担线上事故。它省掉的往往是最显眼的生成时间，却把更多不确定性转移到了 Review、测试、排障、返工和责任认定上。
这就形成了一种不对称：效率收益首先归组织所有，失败风险却由一线员工吸收。 AI 做对了，证明团队还可以更快； AI 做错了，留下来的人需要加班补救。
假设十个人的团队因为 AI 缩成六个人，管理层看到的是用少 40% 的编制完成同样的工作；普通员工看到的，却是四个人失去岗位，剩下六个人要监督更多机器产出，并承担更集中的系统责任。双方谈论的是同一件事，却使用着完全不同的损益表。
更微妙的是，在 AI 还不够成熟的阶段，那些经验丰富、责任心强的工程师会主动填补它留下的漏洞。他们默默修正错误、补上测试、兜住线上风险，于是系统看起来运行良好，管理层反而更容易得出“ AI 已经可以进一步替代人”的结论。
风险没有消失，只是被高素质员工的额外劳动暂时遮住了。只要没有发生足够严重的事故，这些隐藏成本就很难出现在报表里。
因此，一线员工强调代码审查、可观测、回滚和人工判断时，很容易被视为保守，甚至被认为“不会用 AI ”；而管理层强调提效和减员时，也未必只是盲目乐观——他们同样承受着预算、竞争和向上证明 AI 投资价值的压力。
双方真正的冲突，不在于是否相信 AI ，而在于 AI 的收益归谁、风险由谁承担。
从这个角度看， AI 根本不需要先达到独立完成大型项目的水平。只要管理层开始按照 AI 承诺的效率重新制定编制和目标，岗位就会先消失；至于机器尚未解决的问题，则会留给仍在岗位上的人用更高强度去填补。
AI 让程序员失业，未必发生在机器终于能够取代人的那一天；它可能发生在组织先按“人已经可以被取代”来分配预算的那一天。
所以，判断 AI 能否开启下一轮繁荣，真正应该关注的，不是它一天能生成多少代码，也不是一个 Agent 能替代多少开发工时。
真正的问题是：AI 能不能帮助科技行业赚到旧互联网时代赚不到的钱？
如果它能够进入影视、制造、医疗、法律、教育和现实世界服务，创造新的消费、新的产出和新的现金流，那么 AI 的巨大成本可能被一个更大的市场吸收，程序员也可能在新的产业扩张中找到位置。
如果它做不到，只能继续在互联网公司内部提高人效、压缩岗位、转移预算，那么 Agent 做得越强，旧蛋糕只会被切得越精细。
到那时，问题就不再是“程序员会不会被 AI 替代”，而是：当互联网不再拥有过去那样丰厚的利润，它还愿意为多少程序员支付溢价？
AI 真正需要证明的，不是它能写出更多软件，而是它能创造一个比旧互联网更大的世界。