AI不会让程序员大规模失业

一、一场席卷程序员群体的生存恐慌

2025年，一种前所未有的职业焦虑正在程序员群体中蔓延。

Cursor能在几分钟内生成以前需要写几天的代码，Claude可以独立完成从需求分析到代码实现的完整链路，各家AI公司都在竞相发布自主编程Agent，声称可以独立完成软件开发的全流程。从演示效果看，AI取代中级程序员似乎只是时间问题。社交媒体上，"程序员已死"的论调此起彼伏。转行的、考公的、劝下一代别学计算机的，比比皆是。

这种恐慌的推动者阵容豪华。AI公司需要"取代程序员"这个叙事来支撑估值，媒体需要它来制造流量，咨询公司需要它来兜售转型方案，投资人需要它来讲新故事。当一个判断有如此庞大的利益链条在背后推动时，它被放大的程度往往远超过它的真实程度。

恐慌是真实的，但恐慌本身不等于判断正确。

我想论证一个反直觉的结论：程序员不会被大规模淘汰。但原因可能和大多数人想的不一样。我想从一个完全不同的角度切入——问题不在效率，在组织。

二、效率红利去哪了：技术架构的复杂度自我繁殖

AI确实提升了个体编程效率。一个程序员用Cursor或Claude写代码，产出可能是以前的三到五倍。这是事实，不需要否认。

但这里有一个被严重忽视的前提：程序员花在写代码上的时间本来就不多。在一个规模稍大的组织里，程序员的日常是这样的——开不完的会、写不完的文档、回不完的消息、对不完的需求。组织规模越大，沟通协作的开销越高，真正坐下来写代码的时间可能只占工作时间的一小部分。AI把写代码的效率提升了三到五倍，但它提升的是这一小部分的效率，而不是整体工作效率。实际的总产出提升远没有"三到五倍"那么夸张。

而且，组织越大，这个比例越低。恰恰是那些雇佣了最多程序员的大型企业，程序员花在编码上的时间比例最小，AI带来的实际效率提升也最有限。

但即便是这有限的效率提升，也不会转化为裁员。因为组织层面存在一个更强大的对冲机制。

在软件行业有一个被反复验证但很少被正式讨论的现象：技术架构的复杂度具有自我繁殖的倾向，它会系统性地吞噬掉任何效率红利。省下来的人力不会变成裁员名额，而是会被更复杂的架构、更多的中间层、更厚的技术基础设施悄无声息地吸收掉。

微服务是最典型的例子。过去十年，"微服务架构"几乎成了技术先进性的代名词。把一个大型应用拆成几十上百个独立服务，每个服务独立部署、独立扩展——理论上这是优雅的。但实践中发生了什么？

拆了微服务之后，你需要服务注册与发现。需要API网关做流量路由。需要配置中心统一管理几百个服务的配置。需要链路追踪系统来定位一个请求穿越十几个服务后到底在哪里出了问题。需要服务网格来处理服务间通信的安全和流控。每引入一个组件，就需要一个团队来建设和维护它。这些团队到位之后，又会把自己负责的领域做得更"完善"——更多的规范、更多的流程、更多的审批节点——进而创造更多的工作量。

一个技术决策，触发了一整条人员增长链。

我亲历过一个典型的例子。我们的撮合引擎团队提出要做并发撮合，设计了一套分布式架构——跨节点订单路由、分布式状态同步、分布式锁、强一致性协议。方案很漂亮，放在大厂需要几十个人的团队开发维护。我把它否决了。分布式能做到的事情，多线程一定也能做到，而且复杂度低一个数量级。最终两个人在几个月内就在多线程方向实现了高性能并发撮合，代码简洁优雅。一个架构决策的差异，就是数倍的人力差异。

这种弹性有多大？看两个极端案例就明白了。

Instagram至今仍然运行在一个巨大的Python Django单体上，支撑超过20亿日活用户。它是全球最大的Django部署，数万台服务器跑着同一套代码库，每天处理数十亿次点赞和数亿次图片上传。Meta没有把Instagram拆成微服务，而是选择在单体架构内做优化——水平扩展、数据库分片、缓存策略、甚至直接修改CPython运行时来提升性能。

Shopify更加极端。三千多名工程师共同工作在一个Ruby单体代码库上。2025年黑色星期五，这个单体撑住了超过百亿美元的商家销售额，峰值每秒处理数千万次数据库查询。Shopify的创始人有一句被反复引用的原则：如果一件事能做得更简单，就应该把它做简单。所以Shopify明确拒绝了微服务，选择了"模块化单体"——代码在逻辑上按业务域划分，但物理上仍然是一个部署单元。

反观行业里无数体量远不及Instagram的公司，微服务拆了几百个，服务治理团队比业务开发团队还大，部署一次需要协调七八个团队。

架构复杂度和业务规模之间，根本没有必然的对应关系。同样的业务规模，因为架构选型和管理风格不同，团队规模可以相差数倍甚至十倍。这个巨大的组织弹性意味着，AI带来的那点效率变化，放在架构决策造成的人力差异面前，不过是噪声。

三、正反馈循环：为什么膨胀几乎不可逆

如果复杂度膨胀只是个别技术负责人的水平问题，那换人就能解决。但事实是，这是一个系统性的正反馈循环，植根于组织内每个个体的激励结构。

先看个体激励。工程师倾向于引入新技术和新架构，因为这是简历上最有价值的部分——"主导了公司从单体到微服务的迁移"比"维护了一个稳定运行的单体"吸引人得多。中层管理者倾向于扩大团队，因为在绝大多数公司，管理人数直接关联职级和薪酬。架构师倾向于过度设计，因为简单方案体现不出架构师存在的必要性——如果一个资深工程师就能做的决策，为什么需要一个架构师？

每个人都在理性地最大化自己的利益，没有人做错什么。但合力方向是膨胀。

反方向呢？几乎没有激励。一个人站出来说"这个服务不需要"、"这个团队应该合并"、"这个项目该砍掉"，他不会获得奖励，反而会得罪一圈人。简化的收益归集体，成本归个人；膨胀的收益归个人，成本归集体。这是经典的公地悲剧。

再看信息不对称。对于大部分人来说，程序员就像魔法师——他们念着外人听不懂的咒语，屏幕上跳动着神秘的符号，然后某个东西就被造出来了。这种神秘感赋予了技术复杂度天然的信息壁垒。CEO或CFO面对一个"我们需要引入服务网格来保障系统高可用"的提案，很难判断这到底是真的必要还是过度设计。技术团队永远能找到合理的理由——高可用、容灾、安全合规、未来扩展性——每一条单独听都有道理，外行无法质疑。这意味着组织的自我纠错机制在技术领域几乎是失效的。只有当老板本人懂技术、能穿透方案看到本质时，才有可能把不必要的复杂度挡回去。但这样的老板在整个行业中是少数。

然后是沉没成本。一旦复杂架构落地并运行了一两年，回退的成本就变得极高。没有人愿意承认自己主导的架构决策是错的，更没有人愿意承担推倒重来的风险和阵痛。所以组织倾向于在错误的架构上继续加码——用更多的人、更多的工具、更多的中间层来弥补架构本身的问题，而不是从根上修正。时间越长，沉没成本越大，路径锁定越深。

最后是最隐蔽的一层：复杂度会自证合理性。一个被拆成200个微服务的系统，确实需要一个平台团队、一个SRE团队、一个中间件团队、一个测试基础设施团队来保证它运转。你去审计每一个岗位，每个人都在做实实在在的工作，每个人都能说清自己存在的理由。问题是，这些工作需求本身是前面的架构决策创造出来的。复杂度制造了维护复杂度的岗位需求，然后用这些岗位的忙碌来证明自身存在的合理性。

这四种力量构成了一个完整的正反馈循环：个体激励推动复杂度增加，复杂度创造新的岗位需求，信息不对称阻止外部纠正，沉没成本锁定既有路径，复杂度用自身的忙碌证明存在的合理性——而更多人到位后，个体激励继续推动下一轮膨胀。循环不断加速。

这个循环只有两种力量能打断。一是外部危机——营收下降，迫使组织瘦身。二是内部有人同时拥有技术判断力和组织权力，主动逆着激励方向做简化。前者是被动的痛苦，后者极其稀缺。两者的共同点是：都和效率工具无关。

四、真正的约束变量：不是效率，是营收

前面两章说明了两件事：AI带来的效率红利会被技术复杂度的膨胀吸收，而这种膨胀几乎是不可逆的正反馈循环。那么一个自然的问题是：如果组织总在膨胀，它的边界在哪里？什么东西阻止它无限膨胀下去？

答案是营收。

一个反复被验证的事实是：企业技术支出占营收的比例不但没有因为任何效率工具的普及而下降，反而在缓慢上升——云计算、自动化、DevOps，每一轮都伴随着IT预算占比的提升而非缩减。这种上升有两个驱动力：一是数字化渗透率还在提高，企业在做以前根本不做的事；二是组织复杂度的自我繁殖在持续消化效率红利。两种力量叠加，省下的钱从来不会被交还给财务部，而是被花在了更多的项目、更多的工具、更多的人力上。

这揭示了一个根本性的逻辑：效率是供给侧变量，决定的是单位成本；营收是需求侧变量，决定的是资源总盘子。盘子多大，组织就膨胀到多大。AI改变的是单位成本，不改变盘子的大小。

所以组织规模的动态是这样的：营收划定天花板，复杂度的自我繁殖把团队规模推向这个天花板，效率工具的提升会被这个过程消化。三者构成一个稳态——营收不变，团队规模不变，效率红利被复杂度吸收。唯一能改变团队规模的是营收的变化：业务增长时扩招，业务萎缩时裁员。这个规律和AI没有任何关系，在AI出现之前就一直如此。

一句话：压力从来不在供给侧，而在需求侧。企业不会因为程序员变高效了就缩减IT预算，就像企业不会因为打字机让秘书变快了就裁掉秘书——它们会让秘书做更多的事。

五、边界条件：这个逻辑的适用范围

需要诚实地指出，上述推导成立是有前提的。它不是一个放之四海皆准的万能理论。

关键的区分在于两类不同的商业模式。

一类是成本与收入强关联的行业——制造业、物流、零售。在这些行业，生产效率直接决定单位成本，单位成本直接决定定价竞争力和利润率。AI在这类场景中的效率提升是实打实的：机器人替代产线工人，省下的成本就是利润或者价格优势，不会被组织膨胀吃回去，因为成本结构是透明的、刚性的、可直接度量的。

另一类是成本与收入弱关联的行业——平台经济、金融、互联网、SaaS。这类企业的收入来自网络效应、用户粘性、品牌溢价、牌照壁垒，和内部运营效率的关系很弱。Google的搜索广告收入不取决于工程团队有多精干，腾讯的社交收入不取决于微信团队有多少人。在这类组织里，效率提升不会传导为成本优势，而是会被组织复杂度的自然膨胀消化掉。

程序员群体主要分布在后一类企业中。全球最大的程序员雇主——Google、Meta、Amazon、Microsoft、字节跳动、腾讯、阿里巴巴——无一例外都是平台经济或软件企业。即便是在传统行业做数字化的程序员——银行、保险、制造业的IT部门——逻辑也是一样的：他们是成本中心，产出不透明，对管理层来说同样是魔法师。所以本文的核心结论——AI的效率红利会被组织复杂度吸收——在程序员这个群体的绝大部分就业场景中都是成立的。

当然，长期的组织腐败并非毫无代价。只是它的惩罚机制不是"成本高所以产品价格没竞争力"，而是"反应慢所以被更敏捷的对手抄了后路"。但这个惩罚周期很长——通常以年甚至十年为单位——而且它惩罚的是具体的公司，不是整个程序员群体。一家臃肿的公司倒下，它的程序员会流向其他组织。旧的复杂度被清算，新的复杂度在别处生长。总量不变。

六、真正会变的是什么

说程序员不会大规模失业，不等于说裁员不会发生。具体到某家公司、某个团队，AI带来的效率提升完全可能导致缩编。但从整个行业来看，程序员的总需求规模不会发生大的变化。

变化发生在结构层面，而非总量层面。AI把写代码的边际成本大幅压低，但架构错误的修复成本没有变——甚至更高了。因为AI能在一个错误的架构上以惊人的速度堆出大量代码，等你发现方向错了，拆的工作量比以前更大。生产速度越快，方向判断的权重就越大。

这意味着，纯编码执行者的价值会持续下降。那些只能按照规格说明把需求翻译成代码的程序员，AI确实在蚕食他们的核心价值。但另一端，架构设计、系统思维、抽象分层能力的价值在急剧上升。能定义清晰的模块边界、能在复杂度膨胀的诱惑面前保持克制、能做出简单正确的技术决策——这些能力在AI时代比以前更稀缺，也更值钱。

以前一个团队里大部分人写代码、少数人做设计。未来可能反过来——更多的人做设计和决策，更少的人用AI执行编码。中间层——那些只会写代码但不能做架构决策的人——被压缩得最厉害。写代码变成了执行层，设计才是决策层。

而且，AI不但无法消解组织复杂度，甚至可能加速它的增殖。复杂度不是一个技术问题，而是一个组织和人性的问题——它根植于每个个体的激励结构，根植于信息不对称，根植于沉没成本和路径依赖。当生成代码变得更容易，制造不必要的系统、不必要的服务、不必要的中间层也变得更容易了。AI提升的是生产速度，但组织复杂度从来不是产能不足的问题。

这意味着一个更深层的后果：虽然AI没有带来大规模失业，程序员群体却可能变得越来越体制化。当复杂度不断自我繁殖，越来越多的程序员被卷入维护不必要的架构、适配不必要的规范、开发不必要的中间层——他们很忙，但忙的是集体性的无意义工作。他们没有失业，但他们的才智被浪费在了复杂度制造的伪需求上。

我知道这篇文章描述的现实可能会让一些人很不舒服。程序员不会失业，不是因为他们不可替代，而是因为组织天然会制造出足够多的低效工作来填满所有人的时间。事实上，这也不是什么未来的预言——大部分程序员现在就已经在这样的组织体制内工作了。以我自己早年在大厂的工作经历来看，绝大部分岗位的存在更多是组织复杂度的产物，而非业务本身的需要。三个人能做的事情十个人在做，真正产生核心价值的可能只有两三个人，其余的人都在围绕着组织复杂度本身运转。这不是AI时代才有的新问题，AI只是让这个问题变得更加恶化了。

但它是世界的客观运行规律。认清它，至少比活在"AI会抢走所有人工作"的恐慌里，或者"程序员永远不可替代"的幻觉里，要诚实得多。

这篇文章真正想说的不是"你不会失业，放心吧"。恰恰相反——如果你关心的仅仅是保住一份工作，那你大概率确实能保住，因为体制永远需要人来填充。但如果你关心的是自己的时间和才智有没有被用在真正有价值的事情上，那这篇文章描述的现实才是真正值得警惕的。

真正的自由不是不会失业，而是不被体制吞噬。