【人工智能】程序员寒冬真的来了？| 就业率暴跌 | CrashGPT | 应届生地狱 | CS泡沫破裂 | 1.7倍出错率 | Bug制造机 | 技术债海啸 | 卡帕西警告 | 斯坦福调查

大家好，这里是最佳拍档 你可能想不到，美国的程序员群体 正在经历一场被业内称为大屠杀的行业重构 这不是危言耸听的标题党 也不是遥远的预言 而是正在发生的、有数据支撑的残酷现实 根据美国劳工统计局的官方数据显示 美国程序员的就业率已经暴跌了27.5%， 意味着将近三分之一的岗位彻底消失

而由AI直接或间接导致的全球大裁员 在2025年达到了117万 这是自2020年疫情以来的最高纪录 对于2026届的计算机科学专业毕业生来说 他们一走出校园 面对的不是曾经毕业即高薪的黄金时代 而是一岗难求的水深火热 今天 我们就来拆解这场AI引发的行业地震 它到底有多猛烈？

谁是最大的受害者？

以及未来的从业者，又该如何破局？

首先，我们从最核心的就业数据说起 斯坦福大学的研究团队 分析了美国最大薪酬公司ADP的工资记录 追踪了2021年至2025年7月间 数万家公司 数百万名员工的就业轨迹 研究发现，在2022年底之前 22-25岁的年轻开发者和年长开发者的就业曲线 几乎是完全重合的 行业发展相对平稳

但是从2022年底开始 也就是ChatGPT等AI工具开始普及之后 两条曲线就出现了明显的分化 年轻开发者的就业率持续下滑 短短两年间下降了将近20%， 而年长开发者的就业情况 却相对稳定 没有出现大规模失业的现象 为什么年轻开发者会成为重灾区？

答案是，AI正在替代的 恰恰是那些入门级、高度结构化的编码工作 美国一家咨询公司的报告显示 2025年AI直接或间接导致了美国近55000人失业 这场冲击的严重程度 仅次于2020年的疫情 在科技行业内部 这种冲击更是无处不在 一位匿名的程序员在自己的博客中 发出了这样的疑问

为什么我认识的每一个人 都在被裁员？

他提到，Meta裁员数千人 谷歌招聘冻结 曾经让无数人向往的FAANG的神话 正在从内部慢慢腐烂 他甚至调侃着 给这场危机起了各种名字 比如科技升级灾难，独角兽清洗 FAANG末日 还有一个非常形象的称呼，CrashGPT 而对于刚毕业的CS专业的学生来说

他们面临的困境比在职者更加残酷 斯坦福大学的CS毕业生们发现 自己的求职处境和三年前 简直是天壤之别 三年前，很多学生还没毕业 就已经收到了科技巨头的offer CS专业是人人追捧的香饽饽 动辄就能拿到百万年薪 还有完善的福利和充满创造力的工作环境 但是到了2025年 他们投出的简历大多石沉大海

很多人不得不选择多读一年研究生 试图通过提升学历来增加竞争力 多伦多大学的计算机系毕业生阿兹卡·阿兹米（Azka Azmi） 今年春天毕业之后就一直在找工作 越找越沮丧的她发现 自己几乎没有机会和真人招聘官交流 所有公司都在用AI进行简历筛选和初步面试 整个求职过程变成了人与机器的对话 她提到

曾经很多学生依靠实习或合作项目的机会 获得全职工作，但是现在 只有百分之一的申请者能收到回复 竞争激烈到令人绝望 另一位多伦多大学的毕业生埃利奥特·陈（Elliot Chen）的经历更具代表性 2024年春季，他获得了CS本科学位 之后投递了几百份简历 却发现留给应届毕业生的机会少的可怜 很多岗位都明确要求

至少一年的非实习工作经验 这对于刚毕业的学生来说 无疑是一道无法跨越的门槛 由于求职不顺 埃利奥特·陈决定继续攻读CS硕士学位 希望通过更高的学历 让自己在求职市场中脱颖而出 但是让他没想到的是，读研读到一半 他收到的雇主回复竟然比本科时还要少 这种越努力越迷茫的处境

正在成为很多年轻CS毕业生的常态 还有一位CS博士告诉媒体 现在本科阶段的CS学生们 正面临着极度的恐慌 甚至出现了心理健康问题 竞争非常激烈 很多环境都变得非常不友好 这些孩子什么都做 他们超越了以往任何人的极限 这对每个人来说都是残酷的 多伦多大学的学生克丽丝·朱（Chrisee Zhu）也有同样的感受

她发现同学们都异常焦虑 在小组课程中常常心不在焉 无法专注于课程任务和团队协作 每个人都把所有的精力 放在了求职申请和编程练习上 只为了能在技术面试中多一分胜算 可能有人会说，年轻人缺乏经验 被AI替代很正常 那行业内的资深大佬是不是就高枕无忧了？

答案是否定的 就连前特斯拉AI总监、OpenAI联合创始人安德列·卡帕西（Andrej Karpathy） 都在社交媒体上发出了这样的感叹 他说 我从未感到作为一名程序员如此落后 这个职业正在被彻底重构 程序员所贡献的代码越来越稀少且分散 卡帕西进一步解释说 过去一年中涌现出了大量AI工具 如果能正确地将这些工具串联起来

程序员的效率就能提升十倍 但是如果无法抓住这个提升得机会 那就是技能上的重大缺陷 他提到，现在的程序员 需要掌握一个全新的可编程抽象层 这个抽象层叠加在原有的技术栈之上 涉及到agent、sub-agent、提示词、上下文、MCP、LSP等一系列全新的概念 更重要的是 程序员需要构建一个全面的心理模型

来理解这些本质上 随机、不可靠、难以理解且不断变化的实体 而这些实体现在已经和传统严谨的软件工程实践 交织在了一起 卡帕西还将AI比作被递到人类手中的强大外星工具 它没有说明书，每个人都得靠自己 摸索着掌握如何使用 他用9级地震来形容这场变革对行业的冲击 最后呼吁同行 卷起袖子，别掉队了

他的这番言论引发了广泛共鸣 Anthropic公司的工程师鲍里斯·切尔尼（Boris Cherny）在评论区留言说 自己每周都会有同样的感受 有时候他开始手动处理一个问题 中途就会提醒自己 Claude可能能搞定这个 切尔尼还分享了一个具体的例子 最近他们团队在调试Claude Code中的一个内存泄漏问题 他一开始用的是老办法

连接性能分析工具、运行应用、暂停分析工具、手动查看堆内存分配 而他的同事则直接让Claude生成一个堆内存dump 然后让Claude分析dump 寻找不应该存在的保留对象 结果Claude一针见血地找到了问题所在 还直接提交了代码合并请求 这种情况每周都会发生 更让他感触的是

那些对AI模型的能力没有预设偏见的新同事 甚至是刚毕业的新人 反而能最有效地使用这些工具 因为每隔一两个月 AI模型在编码和工程方面的能力 就会有明显的提升 想要持续调整对模型能力的认知 需要付出相当大的脑力劳动 切尔尼还透露，自己上个月 完全没有打开过IDE

纯让Opus 4.5写了大约200个代码合并请求 每一行代码都是AI生成的 他感叹道 软件工程正在发生根本性的变化 即使对于我们这些早期的采用者和实践者来说 最难的仍然是不断调整自己的预期 而这，才刚刚开始 卡帕西也表示，自己有类似的经历 AI就像一把强大但是难以驾驭的武器

你到处挥舞的时候，它可能会走火 但是如果能握持得恰到好处 一道强大的激光就会射出来 直接解决你的问题 这两位行业大佬用亲身经历告诉我们 AI带来的不是简单的替代 而是整个行业工作模式的根本性重构 无论是新人还是资深开发者 都必须重新学习如何与AI共处 否则就会被时代淘汰 不过，在这场行业地震中

并非所有的编程相关岗位都在衰退 美国劳工统计局的数据显示 2023年至2025年间 虽然程序员的就业率暴跌27.5%， 但是整体计算机和数据处理行业的就业率 仅微跌了0.3%。

与此同时 信息安全分析师和AI工程师的职位 出现了两位数的爆发式增长 这种岗位分化背后 是雇主对技能需求的根本性转变 宾夕法尼亚大学职业服务中心的高级副主任 杰米·格兰特（Jamie Grant）分析得是一针见血 她警告那些追求软件工程职位的学生 现在不再仅仅是写代码那么简单了

雇主要求的是更高阶的思维能力、对软件开发生命周期的全面掌控 以及那些AI无法替代的技能 比如理解客户那些模糊不清的需求 美国大学与雇主协会（NACE）发布的《2026就业展望》， 也印证了这一点 雇主们的悲观情绪已达到2020年以来的最高点 在这份报告中 雇主对就业市场的评级分布显示

认为市场较差（Poor）的比例达到6.0%， 一般（Fair）的比例为45.0%， 而认为良好（Good）和非常好（Very Good）的比例 分别为37.0%和12.0%， 与前几年相比，整体信心明显下滑 但是值得注意的是 雇主们并非在全面缩减招聘 而是在重新定义岗位需求 他们不再需要只会堆砌代码的执行者 而是需要能利用AI提升效率、解决复杂问题的战略家

说到这里，可能很多人会有一个疑问 既然程序员的岗位在减少 是不是因为AI写代码比人类更好、更高效呢？

真相可能会让你大吃一惊 AI软件公司CodeRabbit近期发布的一份研究报告 给盲目崇拜AI编程的人们泼了一盆冷水 该公司分析了470个代码合并请求 得出的结论是 人类编写的代码 平均每个请求包含6.45个问题 而AI生成的代码 平均每个请求包含10.83个问题 也就是说 AI生成代码的出错率是人类的1.7倍

更令人担忧的是错误的性质 CodeRabbit的报告显示 AI生成的代码中 严重（Critical）和重大（Major）问题的比例远高于人类代码 其中，严重问题的数量是人类的1.4倍 重大问题的数量是人类的1.7倍 尽管AI在拼写和语法上的准确性 比人类高两倍 但是一旦出错 往往是深层次的逻辑谬误、功能正确性缺失 以及代码的可读性灾难

从错误类型的分布来看 AI在逻辑与正确性方面的错误率 是人类的1.75倍 其中算法或业务逻辑错误是人类的2.25倍 并发控制错误是人类的2.29倍 空指针或None的引用错误是人类的2.27倍 在代码质量与可维护性方面 AI的错误率是人类的1.64倍 其中代码可读性问题 更是达到了人类的3.15倍

命名不清晰问题是1.87倍 代码格式错误是2.66倍 未使用和冗余代码是1.64倍 在安全方面 AI生成的代码安全漏洞数量是人类的1.56倍 其中跨站脚本攻击漏洞是人类的2.74倍 密码处理不当问题是人类的1.88倍 不安全的对象引用是1.91倍 安全公司Apiiro的研究也得出了类似的结论

使用AI的开发者搞出的安全问题 是不使用AI的同行的十倍 因为AI在处理密码和敏感信息时 经常会出现降智的表现 导致受保护的信息泄露 贝恩公司（Bain & Company）在9月的报告中更是直言不讳的指出 尽管编程是最早部署生成式AI的领域 但是成本节省并不显著 而且结果未能达到炒作的预期

这些数据告诉我们一个残酷的现实 AI并没有成为更优秀的程序员 反而成了一个Bug制造机和长期技术债的积累者 CodeRabbit的报告指出 AI生成的代码问题 正在像滚雪球一样累积 这些问题不仅难以审查 而且会给后续的维护和升级 带来巨大的麻烦 最终转化为企业的技术债务海啸 那么 既然AI生成的代码质量如此堪忧

为什么还有越来越多的公司 在使用AI编程呢？

答案很简单 那就是AI能极大地提升产出效率 即使是以牺牲质量为代价 对于很多追求短期业绩的公司来说 快速产出代码、推进项目进度 比代码的长期可维护性更重要 但是这种短视的做法 正在让人类开发者陷入一个荒诞的困境 他们的工作不再是从零开始编写代码 而是变成了给AI擦屁股

研究机构METR在7月的一项研究 揭示了一个反直觉的现象 对于经验丰富的开发者来说 AI工具实际上拖慢了他们的进度 这项随机对照试验 招募了16名具有一定AI使用经验的开发者 他们平均拥有5年的大型复杂项目经验 需要完成246项任务 结果显示 这些资深开发者使用AI工具后的效率 反而比不使用时下降了

虽然经济专家、机器学习专家以及开发者自己 在研究开始前的预测 都认为AI会提升效率 但是实际的结果却截然相反 为什么会出现这种情况呢 因为资深开发者被迫变成了全职的找茬专家 他们需要像拿着显微镜一样 逐行审查AI生成的、看似完美、实则漏洞百出的代码 AI生成的代码往往表面上逻辑通顺、语法正确

但深层的逻辑谬误、安全漏洞却非常隐蔽 只要漏掉一个，整个系统就可能崩溃 这种审查工作需要消耗大量的精力 甚至比自己从头编写代码还要累 但是这并不意味着我们应该抛弃AI 杰米·格兰特（Jamie Grant）将AI比作一套外骨骼 想象一下 它能让你轻松举起1000磅的重物 所以它应该是你工作的增强器

强化你更高阶的批判性思维 NACE的数据也支持了这个观点 61%的雇主表示 他们并没有用AI简单地取代入门级岗位 而是有41%的雇主 计划利用AI来增强这些岗位的工作效率 也就是说 AI的正确定位应该是辅助工具 而不是替代者 它负责完成重复性的编码工作

人类则专注于更有价值的设计、审查、决策等工作 然而，当前行业的现状是 很多公司并没有正确使用AI 而是陷入了盲目依赖的误区 这不仅导致了技术债务的累积 还引发了一个更为深远的危机 那就是新一代工程师的成长阶梯断裂了 过去 初级工程师的成长路径非常清晰

他们从简单的、任务导向的脏活累活开始做起 比如编写基础模块、修复简单的Bug、优化代码格式等等 通过这些基础工作 他们逐渐熟悉软件的开发生命周期 积累实战经验，培养解决问题的能力 最终成长为 能够独当一面的资深工程师和架构师 但是现在 这些基础工作都被AI包圆了 初级工程师一入职

就被要求直接处理复杂的设计问题、审查AI生成的代码 甚至解决深层次的逻辑漏洞 但他们根本没有经过基础工作的磨练 缺乏相应的技能和经验 很难胜任这些高阶工作 SignalFire发布的报告显示 顶尖CS项目毕业生的就业率 正在持续下滑 基于美国排名前20的工程学院的CS毕业生数据 2019年有80%的毕业生

在毕业后6个月内找到工作 其中68%成为工程师 18%进入七巨头公司； 而到了2024年 整体就业率下降到了70%， 成为工程师的比例降至61%， 进入七巨头公司的比例更是只有12%。

更严峻的是，入门级岗位的占比 已经从疫情前的水平下降了50%。

SignalFire的数据分析显示 无论是大型科技公司还是初创公司 招聘新员工时 对工作经验的要求都在不断提高 2019年 大型科技公司新招聘的员工中 有近15%是工作经验不足1年的应届生 而到了2023年 这个比例骤降至不足5%， 2024年虽有小幅回升 但是仍远低于疫情前水平 初创公司的情况也类似

2019年应届生在新员工中的占比约为12%， 2023年降至4%左右 与此同时，大型科技公司和初创公司 都在增加对资深员工的招聘 2024年，大型科技公司招聘的员工中 工作经验10年以上的占比显著提升 而初创公司对5-10年经验员工的需求 也在增长 这种重资深、轻新人的招聘策略 导致职场新人陷入了

先有鸡还是先有蛋的死循环 没有基础工作经验 就无法获得高阶工作机会 但是没有高阶工作机会 又无法积累基础经验 Creating Coding Careers的创始人迈克·罗伯茨（Mike Roberts）对此发出了警告 认为许多公司目光短浅 只看重下个季度的业绩 不愿投资培训新人 在他看来 当前的行业现状正在透支未来的人才储备 当资深工程师逐渐退休

而新一代工程师无法成长起来 整个行业可能会面临人才断层的危机 在社交媒体上 关于软件工程是否正在走向终结的讨论 也异常热烈 用户萨姆瓦拉（Samswara）写道 软件工程师这个职业正在走向终结 可能是5年，也可能是10年 但我们都感受到了，终点正在开始 愿我们能以光荣、欢乐和庆祝的方式 为这个辉煌产业的终结画上句点

而另一位用户妮塔（Nita）则反驳道 我不认为软件工程会结束 真正结束的 是对普通技能存在无限需求的幻觉 将会有一个混乱的过渡期 大量工作被自动化 许多事情会出错 质量下降，人们也会感到沮丧 那些保持好奇心、不断更新技能 并且真正分析哪里出了问题的人 在调整之后将处于最强的位置 其余的人则会筋疲力尽

总之 美国码农行业正在经历的大屠杀 本质上是AI浪潮下 一场优胜劣汰的自然选择 平庸者将被淘汰 强者则将借助AI的力量 实现能力的跃迁 无论如何，AI时代的大门已经打开了 与其恐惧变革，不如主动适应变革 与其抱怨被淘汰，不如努力提升自己 感谢收看本期视频，我们下期再见