所有人都说 AI 会取代工程师。但只看裁员新闻会错过一个反直觉的真相。

一、一组反直觉的数据

2026 年 5 月，美国裁员总数创下年内新高，AI 是雇主给出的第一大理由。按照直觉，软件工程师应该是被冲击得最惨的群体——AI 编码工具的能力肉眼可见地增长，Cursor、Copilot、Claude Code、Codex 一个比一个能写。

但风投机构 SignalFire 的最新报告给了一组完全反直觉的数字。

SignalFire 追踪了超过 8000 万家公司的数百万员工职业生涯数据（不依赖 LinkedIn 这种有偏样本），结论是：在所有职业中，工程师是 2025 年最扛揍的。 不是「没那么惨」，是所有岗位里韧性最强的一个。

关键数据点拆开看：

指标 数字 解读
大厂整体招聘 vs 2019 年 -25% 行业在收缩
其中工程岗招聘 vs 2019 年 -11% 跌幅不到一半
工程师占大厂新招聘比例（2019） 46% 那时还算「之一」
工程师占大厂新招聘比例（2025） 55% 现在过半数
创业公司工程招聘 vs 2019 年 +7% 不降反增

如果 AI 真的在「替代」工程师，工程招聘应该是跌得最狠的。现实是，在所有 tech 岗位中，工程是跌得最轻的。大厂 2025 年新招的人里，每两个就有一个是工程师——2019 年还不到一半。这个差距不是偶然。

二、Jevons 悖论：效率越高，需求越大

SignalFire 研究负责人 Asher Bantock 对这个现象的解释，引出了一个 19 世纪的经济学概念。

1865 年，英国经济学家 William Stanley Jevons 发现：瓦特改良蒸汽机后，煤炭的燃烧效率大幅提升，按常理应消耗更少煤炭。实际恰恰相反——效率提升反而让煤炭的总消耗量暴增，因为蒸汽机变得更经济适用，用途大规模扩展了。

这个规律在计算历史上反复上演：

  • 云计算没有减少服务器采购——它让更多公司自建基础设施，AWS 一个季度的新增服务器就超过传统 IDC 几年的部署量
  • 高级语言没有减少代码量——Python 比 C 高效 10 倍，但 Python 代码总量比 C 时代多了两个数量级
  • 框架没有减少开发人员——React 让前端开发快了 5 倍，但前端工程师的数量翻了 3 倍

现在轮到 AI 编码了。Bantock 的原话是：

「他们（工程师）突然变得高效多了，但永远有做不完的活等着他们。」

这个「做不完的活」来自哪里？来自以前不值得做的事情，现在 ROI 转正了。以前重构一个遗留模块需要两周，PM 排不上期。现在用 AI 辅助三天搞定，PM 的需求马上就来了。效率释放的不是闲置，而是新需求。

三、Nvidia、Anthropic 内部怎么看

最直接的反驳来自 AI 行业自己。

Nvidia CEO 黄仁勋在斯坦福商学院的分享中，被直接问到了这个问题。他的回答很干脆：AI 不会消灭软件工程师——恰恰相反。

他说 Nvidia 内部所有工程师都在用 agentic AI，Agent 写代码几乎是瞬间完成，但「软件工程师比以往任何时候都忙」。原因：Agent 不停地推代码，工程师就需要不停地产生下一个想法。AI 处理「怎么写」，工程师负责「写什么」。 这两者的关系和管理的扩张是一致的——产出越多，需要协调和决策的上层结构就越大。

更有力的证据来自 Anthropic 自家的经济学家 Peter McCrory。在研究 Claude 使用者的就业影响后，他的发现是：

「在失业率上，那些'核心工作任务被 AI 自动化'的群体（技术写作者、数据录入员、软件工程师），与那些'需要体力交互、不太受 AI 影响'的群体之间，没有统计上显著的差异。」

注意——这句话出自一家 AI 公司自己的经济学家。如果连造 AI 的公司都拿不出「AI 在摧毁工程师就业」的证据，那这个叙事本身就需要重新审视。

四、工程师的岗位结构在变

不否认 AI 在改变工程师的工作内容。关键是怎么变。

SignalFire 的数据揭示了一个有趣的分化：2025 年大型科技公司的初级工程岗招聘明显收缩，但对高级工程岗和系统架构人才的需求反而在增长。

这说明 AI 没有「消灭岗位」，而是在重塑岗位结构：

  • 纯执行型编码（CRUD、样板代码、重复性接口开发）的需求在收缩——这部分确实被 AI 吃了，而且吃得挺干净
  • 架构设计、系统集成、AI 应用层开发的需求在膨胀——这部分 AI 还做不了，因为涉及跨系统的权衡决策和业务理解
  • 「从模糊需求到可行方案」的转换能力——知道该做什么的能力，正在变得比知道怎么写更重要

这也是为什么早期创业公司反而招了更多工程师（+7%）。大厂需要向华尔街证明 AI 投入的 ROI，会先砍执行层、保留决策层。创业公司则跳过了这个纠结——它们从一开始就是围绕「用 AI 放大人的决策力」来搭团队的，不存在先裁再招的过程。

软件工程的从业门槛在变化。以前一个可用的初级工程师需要「能独立写 CRUD」。现在要求是「能用 AI 搭一个完整功能，并理解它在整个系统里的位置」。不是岗位没了，是门槛平移了。

五、裁员数字与公关叙事

当然，这不等于「工程师没被裁」。2026 年 5 月的裁员数据中，AI 确实是最常被引用的理由。

但这里有个陷阱：公司把裁员归因于 AI，到底是真的 AI 替代了人，还是 AI 本身就是更好的公关话术？

对比两种说法：

「我们裁了 20% 的工程师，因为业务方向调整」——听起来像公司出了问题

「我们裁了 20% 的工程师，因为 AI 让我们只需要这么多了」——听起来像公司在布局前沿

后者在舆论上更有利，对股价也更友好。SignalFire 的 Bantock 也含蓄地表达了类似意思——「公司公开说裁员是因为 AI，和实际招聘数据揭示的趋势，不完全一致。」

简单说：裁员归因看 AI，投资方向看行动。 行动是——大厂 55% 的新招是工程师，创业公司还在加人。如果 AI 真的在替代，企业应该减少对工程人才的资本配置，而不是增加它在新招中的占比。

六、一个开发者的视角

作为每天用 AI 写代码的人，我的判断是：

AI 不会取代工程师，但会取代「只会写代码的工程师」。

如果一个工程师的核心价值是「把需求翻译成代码」，这个价值在快速贬值。但如果一个工程师能回答「这个需求合理吗」「这个架构扛得住吗」「这个系统哪里会先出问题」——AI 是放大他的工具，不是替代他的对手。

在 Nvidia 和 Anthropic 的实践中，我们看到同一个模式：AI 把执行层的生产力推到极致，结果反而是对上层决策力的需求爆炸。这不是替代，是职业升级——痛苦但方向对的升级。

而那些还在争论「AI 会不会取代程序员」的人，可能已经跑偏了问题。正确的问题是：当 AI 把写代码的成本降到接近零，一个工程师还能创造什么不可替代的价值？

能回答这个问题的工程师，AI 时代是他们最好的时代。