AI编程冲击程序员：外包池萎缩，人均代码量涨40%

程序员这份工作，过去在互联网行业里是最让人羡慕的之一。

大厂背景、年薪百万、用技术改变世界，这些说法一直是这个职业最亮眼的招牌。年轻人往大厂里挤，企业抢着要技术人才，只要精通一门编程语言，通常就能换来不错的收入和比较稳的职业前景。

可如今，程序员身上的这层光环在慢慢消退。

程序员下岗去摆摊、大厂程序员被AI冲击后丢了工作，这类消息频频成为热门话题。每个人的遭遇不一样，指向的却是同一件事：进入AI时代，程序员的价值正在被重新估量。

最先感受到的冲击在收入上。

“情况不妙，待就业的程序员一大片。”北京暖易随行健康管理有限公司副总经理王永红对时代周报记者说。他做程序开发多年，对程序员的前景并不乐观，“薪资水平恐怕很难回到过去。”

收入下滑还只是表面现象。真正让程序员群体焦虑和困惑的是，AI浪潮之下，代码生成工具已经接手了基础的编写和调试工作，初级岗位的需求大幅减少。整个行业正在经历结构性调整，程序员的核心价值从“手写代码”加快转向“架构设计与AI协同”。企业还需要这么多程序员吗？哪些程序员才能对上企业的真实需求？

世界经济论坛《2025年就业未来报告》预测，到2030年，全球会有9200万个岗位被替代，同时也会创造出1.7亿个新岗位。

“不是AI取代了人，而是工种边界消融后，你的上下游顺手把你的活儿干了。”资深工程师“海拉鲁编程客”对时代周报记者这样说。在他看来，AI Coding（AI编程）对大厂研发体系最大的冲击并不是完全自动化的开发，而是日常研发中岗位之间开始交叉、能力开始融合。

以前大厂做软件开发，像一条分工清楚的流水线，前端、后端、测试各管一摊，岗位之间的技术边界很明确。现在AI Coding正在把这些边界磨掉。后端工程师能靠AI把前端开发做了，前端工程师也能借助AI和全栈框架写数据库逻辑，独立把中小型业务的后端开发做完。

岗位并没有马上消失，但一个岗位要管的事情正在变多。海拉鲁编程客认为，AI让有全局视野的工程师具备了跨前后端、测试甚至产品环节的综合交付能力。当一个人借助AI就能完成过去要多人协作的活，企业对单一职能岗位的需求自然会受影响。

这是AI Coding给程序员就业市场带来的更隐蔽、也可能更深远的冲击：它未必直接替掉某个程序员，却可能让企业发现，同样的活已经用不着原来那么多人。

用好AI，一个人能顶好几个人

Claude Code、Cursor、Codex、Trae、Pieces……过去两年，AI Coding工具扎堆出现。这些工具起初是为了帮程序员提效，如今却反过来改变了程序员的工作方式，甚至重新定义一个开发团队需要多少人。

AI Coding的核心价值，不只是帮程序员补几行代码，而是让AI逐渐具备理解需求、调用工具、编写代码、运行测试和修复错误的能力。特别是Coding Agent（编程智能体）出现之后，AI不再只是一个等着指令的代码助手，而是能围绕开发任务连续执行多个步骤的智能体。

这意味着，程序员不用再一行一行亲自写代码，可以把部分开发任务交给AI，自己负责拆解需求、设定目标、检查结果和处理异常。过去要几个人配合完成的工作，现在一个熟练使用AI的工程师可能就做完了。

王永红发现，企业内部的分工已经出现调整。“前端被转岗了，变成产品经理，后端变成全栈。用好AI可以一个人抵好几个，不会用的将会淘汰。”

受到冲击的不只是程序员的工作量，还有过去围绕软件开发形成的分工体系。

海拉鲁编程客对时代周报记者表示，单一工种和外包人员池正在急剧萎缩。拿非核心业务线来说，企业过去可能常年养着十几人的外包和初级开发团队，负责常规活动页、中后台表单这类工作。现在这些任务可以交给Agent执行，最后由少数工程师审核就行。

上海仁软科技有限公司总经理冯旭也向时代周报记者给了一个具体数据：用上Coding Agent之后，公司人均新增代码行数明显上升，实测人均新增代码量增加约40%。

代码产出速度变快，并不等于软件交付效率按同样比例提升。

冯旭表示，单项任务的编码速度确实快了，但端到端的开发周期并没有同比例缩短。与此同时，PR（代码合并请求）评审的等待时间反而变长，返工和评审的负担也有所增加。

这揭开了AI Coding效率革命的另一面：代码生成越来越便宜，可验证代码、维护架构、处理业务逻辑和保障系统稳定性的成本并没有跟着消失。AI把生产环节的瓶颈往后推，代码审查、系统集成和质量控制正在成为新的效率约束。

人类工程师对系统最终确定性的兜底能力依然重要。“AI的核心还是人。”王永红认为，有些问题AI暂时还理解不准，人工判断仍然更有优势。

程序员岗位的变化之外，管理层级的收缩同样值得盯紧。

海拉鲁编程客的看法是，以往不少中层管理者干的活，是拆需求、排排期、协调前后端，再把进度和周报汇总起来。问题是，当三个有全栈能力的工程师配上AI就能顶过去八个人的产出，这种靠多人分工、层层协调撑起来的管理体系自然要挨冲击。

换句话说，被AI替代的可能不止写代码的人，还有围绕代码生产长出来的整套组织结构。

10月27日，微软推出自愿离职计划，涉及约6万名员工。截至今年6月底，微软拥有约22.3万名全职员工，计划涉及人数约占员工总数的27%。符合条件的员工要在12月初之前决定是否接受方案，并于今年年底离职。

这项计划并不能直接证明微软正在因AI替代而裁员，也不能简单归结为AI催生的结果。不过，在AI持续提升研发效率的背景下，科技巨头重新审视组织规模、人力配置和管理层级，已经成为一个值得关注的趋势。

招聘的风向也在变

AI Coding改变的不只是程序员干活的方式，还有企业招程序员的标准。

以前企业招程序员，最看重基本功：编程语言熟不熟，代码写得够不够快，能不能独立完成开发任务。说到底，软件开发是人力密集型工作，企业需要足够多的工程师，把需求变成一行行代码。

可现在，代码似乎越来越不值钱了。冯旭向时代周报记者表示，两三年前，公司招程序员主要看三项能力：手敲代码快、语法熟练、能够快速堆出功能。如今随着AI Coding工具成熟，这套标准正在改变。

冯旭说，公司现在更看重程序员能不能把模糊需求拆解清楚，能不能利用AI加速开发，能不能审查代码、发现问题，以及能不能完成架构设计和业务闭环。“写代码能力是底线，验收、调试、系统设计和判断力，以及跨端交付，才是当下我们公司需要的。”

冯旭还透露，目前公司的笔试主要考察三个部分：Java、Python，以及AI工具调用能力。

冯旭向记者提供的公司笔试考题

“以前考的是背框架源码、现场手撕冷门算法，这些如今一秒就能生成。企业现在看的是：面对一个说不清的业务诉求，你怎么划系统边界、怎么设计数据流。”海拉鲁编程客说。往后决定程序员薪资上限的，不再是一小时能敲多少行代码，而是一小时能高质量审查并兜底多少行AI生成的代码。

招聘上的动作也随之而来。据了解，不少软件开发团队正加大在校大学生实习生的引入力度，同时压缩部分基础岗位的社招名额。实习生用人成本更低，干活积极性也高，管理成本相对也低。

在海拉鲁编程客看来，AI正让程序员群体出现剧烈的“哑铃式分化”：过去占大头、只会按部就班写业务代码的中间层熟练工，正被快速掏空。

海外的人才招聘尝试更激进，一些科技公司已把软件工程实习机会向高中生开放，想提前找到既会编程、又会用AI工具的年轻人。

Stripe近期放出了2027年暑期软件工程高中生实习岗位，面向还没高中毕业的学生，要求实习生参与真实的软件工程项目，编写、测试代码，并接受工程团队的技术评审。AI把软件开发的部分门槛降下来之后，企业开始更早地寻找有技术潜力、能用AI完成任务的人。

更深层的冲击在于，软件开发门槛降低，程序员的竞争边界扩大。这是一个容易被忽略的变化。

以前，编程能力是一道天然门槛，不会写代码的人想独立开发软件很难。常见流程是产品经理提需求，设计师做产品界面，程序员把需求变成代码。

如今AI Coding正在降低这道门槛。借助Cursor、Claude Code等工具，即便没有专业编程背景的人，也可以通过自然语言描述需求，让AI生成代码、搭建页面，开发简单的应用程序。

Zapier近期一项调查显示，在用AI工具开发并交付软件的职场人士里，34%没有正式编程背景。这当中超过一半的人做出的工具已面向客户或公众，54%称自己做的工具还在持续使用。

IEEE在2025年发表的一篇研究论文，也将这一趋势概括为Citizen Development（公民开发）。生成式AI进一步降低了软件开发门槛，让原本不具备专业编程能力的业务人员，也能够参与应用开发。

程序员未来要面对的竞争者，可能不只是别的程序员。产品经理能自己搭原型，设计师能直接做出交互页面，运营人员能开发数据分析工具，业务部门或许就不必把所有软件需求都交给技术部门了。

程序员的新价值

AI Coding来了，程序员还能往哪走？

资深程序员海松（化名）对时代周报记者说：“仅仅专注于技术本身已经没有用途了，更多是要向前台走。”

他的看法是，好的程序员不该只盘算自己会不会被AI顶掉，要盘算的是能不能把AI用起来。既懂技术又懂业务、能综合解决问题的人，以后更有竞争力。

头部科技公司里已经能看到这种变化。

谷歌CEO皮查伊此前透露，公司内部75%的新代码已由AI生成。写代码这件事，正从程序员亲手敲，转为审查代码、拆解需求、处理复杂问题。

往后企业可能更看重三件事：业务需求能不能转化成技术方案，复杂任务能不能靠AI驾驭完成，最终交付的结果能不能负责到底。程序员的职业边界也可能因此往产品经理、技术架构师、业务负责人那边延伸。

有个信号值得留意：程序员还在担心岗位被AI取代，FDE（Forward Deployed Engineer，前沿部署工程师）这个新岗位却在科技公司里冒了出来。

LinkedIn发布的2026年劳动力报告显示，2023年至2025年，全球FDE招聘岗位增长了42倍。时代周报记者发现，国内互联网大厂给FDE专家开出的月薪在3万至8万元之间，OpenAI、Anthropic等美国AI公司也为这类岗位给出了较高薪酬。

FDE的兴起，多少折射出AI产业对技术人才需求正在起变化。

按传统做法，软件工程师在公司内部把标准化产品开发出来，销售、实施或客户成功团队再把它交付给客户。FDE不一样，他们要直接扎进客户现场，摸清真实业务流程，找出技术问题，和客户一起开发、部署解决方案。

制造企业想把设备故障率压下去，这是常见的AI落地场景。过去的分工是传统软件工程师开发预测性维护系统、实施顾问管部署和培训；FDE不一样，得同时摸清工厂设备、生产流程、企业数据系统和AI模型能力，先判断哪些环节适合上AI，再投身Agent开发、API对接、数据接入、工作流改造和实际部署。

海松觉得，综合型人才以后会更受企业欢迎，光靠技术能力已经不够用。

海拉鲁编程客也持类似看法：程序员别把眼光局限在“保住写代码这碗饭”上。从写代码的人变成设计和调度Agent工作流的人，职业舞台就可能从狭义的IT部门扩展到更广的行业业务场景。

他认为，金融、法务、内容生产、企业运营、跨境电商这些领域，也可能逐步引入Multi-Agent（多智能体）工作流。不同Agent各管一摊任务，靠任务编排、上下文知识库和质量校验机制，把过去要多人协作的复杂活儿干完。

程序员在AI Coding里攒下的本事，恰好能搬到这些场景：模糊需求怎么拆成清晰的任务说明，不同Agent怎么编排协同，质量校验机制怎么设，能持续调用的企业知识库怎么搭。

AI先改的是程序员写代码的方式，接下来可能改的是程序员解决问题的方式。

代码慢慢变成能低成本获取的生产资料，真正稀缺的就不再是敲代码的速度，而是定义问题、组织AI、交付结果的能力。

对程序员来说，职业竞争力的分水岭或许正从“会不会写代码”，挪到“能不能用AI解决真实世界的问题”。