你有没有这种感觉——

写代码的时候，Copilot 自动给你补全了一整段逻辑，你看了一眼，嗯，没毛病，敲了回车。

改Bug的时候，AI 直接定位到问题行，顺手还给了修复方案，你复制粘贴，完事。

上线新功能，你把需求往对话框里一粘贴，代码就出来了，稍微调调就能跑。

然后你突然反应过来：我一个写代码的，好像一天也没写几行代码。

这不只是你一个人的感受。

2026年4月，在Google Cloud Next大会上，谷歌CEO桑达尔·皮查伊披露了一个让整个科技圈震动的数字：75%的新增代码已经由AI生成，人类工程师只负责审核。

从25%到75%，只用了18个月。

一个让所有程序员都该警觉的数据

让我们先把镜头拉近，看看这个数字到底意味着什么。

18个月前，谷歌大约25%的代码由AI生成。那时的普遍观点是：AI是辅助工具，能帮程序员省点力气。

半年前，这个数字爬升到了50%。开始有人讨论：是不是该担心一下了？

现在，75%。

皮查伊的原话是：“我们在谷歌内部已经使用AI生成代码有一段时间了。如今，谷歌近75%的新增代码由AI生成并由人类工程师审核通过。”

注意，他说的是新增代码。不是测试代码，不是文档，是核心生产代码。

更扎心的是，一项由智能体与工程师协作完成的复杂代码迁移任务，比一年前纯人工操作快了6倍。

6倍。

这不是效率优化，这是效率革命。

为什么说这次不一样

你可能见过类似的"AI威胁论"。每次出现新技术，总有人说"程序员要失业了"，然后过了几年，该干嘛还是干嘛。

但这次，有三个关键变量变了。

第一，AI不再只是"补全助手"，而是"主驾驶员"。

以前Copilot能帮你补全函数、生成单元测试，本质上还是个高级自动补全。但现在，像Claude Code这样的工具，已经能独立完成整个项目理解、架构分析、代码生成、提交PR的闭环。

一个开发者在掘金社区分享的真实经历：给Claude Code一句指令"帮我理解这个项目的结构，找出入口在哪，主要逻辑流程是什么"，20秒后，一份清晰的架构说明就出来了。

过去，这需要手动翻代码至少40分钟。

第二，企业不是小打小闹，而是真金白银地押注。

谷歌今年计划投入1850亿美元用于资本支出，主要用于服务器和数据中心。微软CEO纳德拉说，部分项目中20%-30%的代码已由AI编写。Meta更是激进，设定了目标：创意部门65%的工程师所提交的代码，超过75%由AI生成。

Snap更是直接表态：按照新的运营模式，至少65%的新代码由AI生成。

这不是实验，是工业化部署。当整个行业的主流玩家都在做同一件事，这件事就不可逆了。

第三，绩效考核已经开始考核AI使用率。

据Business Insider报道，谷歌已将AI工具的使用目标纳入部分工程师的年度绩效评估。简单说就是：你用不用AI，用多少，会直接影响你的KPI。

当一家公司开始考核AI使用率，说明什么？

说明这场变革已经渗透到了组织管理的最核心层面。AI不再是"可选装备"，而是"标准配置"。

谷歌内部的"权力游戏"

有意思的是，这场AI化浪潮在谷歌内部也引发了微妙的博弈。

据外媒报道，谷歌联合创始人谢尔盖·布林（Sergey Brin）曾与内部团队发生过一次公开争执——原因是公司内部悄悄禁止在内部代码编写中使用Gemini，也就是谷歌自己的旗舰模型，禁止用于它本应服务的场景。

这个政策最终被布林 Escalate 到皮查伊那里才得以撤销。

而另一边，谷歌DeepMind的一些员工最近获得了使用竞品Claude Code的权限。这在员工之间引发了一些紧张情绪。

你看，在追求极致效率和维护自研生态之间，即使是谷歌这样的巨头，也在摸着石头过河。

但不管内部怎么博弈，方向是明确的：AI接管代码编写，人类负责审核把关这个模式，已经不可逆转。

程序员职业的"价值层迁移"

好了，坏消息说完了。现在我们来看看，冰山之上是什么，冰山之下又是什么。

根据Faros AI基于4000多个团队数据的研究，有一个很有意思的发现：

当团队AI工具周活跃用户超过50%时：

• 每名开发者任务完成量提升34%
• 但面临的Bug数量上升了54%
• 代码审查的中位数时间增加了5倍

你看，效率提升是真真切切的，但代价也是实实在在的。

Bug增加了54%——这说明什么？

说明AI生成的代码，量是够了，但"质"还需要人类来把控。AI擅长写常规代码，但它不知道你那个运行了8年的支付系统里，为什么某个字段要这么命名；它不知道某个看起来"冗余"的逻辑，其实是为了绕过某个上古时期的神奇Bug。

这些"隐含知识"，只有真正写过这些代码、踩过这些坑的人知道。

还有一个值得警惕的问题：安全风险。

独立研究证实，谷歌的Gemini CLI GitHub Action等AI代理工具曾存在安全漏洞，攻击者可以通过Pull Request标题注入恶意指令，窃取API密钥。

当75%的代码由AI生成，谁能保证每一行都是干净的？

这些问题，都指向同一个结论：AI写代码很猛，但还得有人看着门。

所以，淘汰的不是程序员，而是"仅会编码"这一层价值。

就业市场正在经历一场"哑铃型"分化：

哑铃的一端（萎缩）：以执行重复性编码任务为主的初级岗位。中国基础编程岗位需求2025年同比下降28%，美国劳工部统计，2023-2025年，基础编码类程序员的就业率暴跌了27.5%。

哑铃的另一端（膨胀）：高级架构师、AI系统设计师、复杂业务问题解决者。2026年1-2月，中国AI相关岗位量同比增长了12倍。AI算法岗月薪均值达6.75万元，高端架构类岗位需求同比增长120%-210%。

中间层（三明治）：3-8年经验的中级开发者，成为最脆弱的群体——既缺乏资深者的架构能力，其核心的编码执行力又恰好与AI高度重叠。

一句话总结：高不上去，低不下来"的三明治最危险。

程序员们正在经历什么

我认识一个在某大厂工作的程序员朋友，去年他还在焦虑：35岁危机真的要来了吗？

今年他告诉我，变化来得比想象中更快。

他们组原本8个人的开发团队，现在缩编到5个人。但产出呢？比去年还多了30%。

原因很简单：AI接手了大量重复性的CRUD开发、接口对接、单测编写。他现在的工作重心，变成了：理解产品需求、拆解技术方案、把控代码质量。

“以前觉得自己是个’代码工人’，“他说，“现在更像个’技术导演’。AI是我的演员，我得知道怎么导。”

这不是个例。出门问问公司的"超级组织"实验，更激进：

他们实现了产研效率提升4-5倍，在维护老产品的同时同步研发高复杂度新产品。更夸张的是，AI Token成本只占人力成本的15%左右——相当于用1/6的成本，做了5倍的工作。

但他们的CEO说了一句很有意思的话：“我们不是要裁员，而是要让每个人都变成超级个体。”

AI的局限，比你想的更多

很多人对AI的印象是"无所不能”，但实际上，AI写代码的局限性比它表现出来的能力更明显。

第一，上下文窗口的诅咒。

AI擅长处理"小而美"的任务：一个函数、一个模块、一段逻辑。但当代码库变得庞大、复杂、充满历史包袱时，AI就开始"失忆”。

它可能不知道某个变量命名的历史原因，不知道某个看似冗余的代码是为了兼容某个特殊用户场景，更不知道某个"坏味道"背后其实是无奈之举。

第二，安全漏洞的暗雷。

独立研究已经证实，AI代理工具曾存在安全漏洞，攻击者可以通过Pull Request标题注入恶意指令。

当代码主要由AI生成，谁来保证每一行都是干净的？这不是技术问题，这是信任问题。

第三，复杂协作的无力。

AI可以写代码，但当多个模块需要协调、多个团队需要对齐、多个系统需要联调时，AI就捉襟见肘了。

真正的软件开发，不是写代码那么简单。是沟通、是协调、是取舍、是权衡。这些，AI现在都做不到。

转型指南：两条路，必须选一条

你可能想问：我现在写代码，还能继续写下去吗？

能。但你得升级你的"操作系统"。

《练习的心态》这本书的作者托马斯·斯特纳说过一句话：“过程比结果重要。当我们专注于过程时，结果自然会来。”

这句话放在程序员的AI转型语境下，格外有启发意义。

以前，程序员的"过程"是写代码——每天敲多少行，完成多少功能模块，通过多少行代码定义自己的能力。

现在，AI接管了大部分的"写"的动作。人类程序员的"过程"，必须升级为：定义问题、审核输出、设计架构、驾驭AI。

具体来说，有两条明确的转型路径：

路线A：往上走，成为"AI的老板"

你不再是一个人在战斗，你是一个"AI军团"的指挥官。

学习多Agent编排、LLM应用开发、RAG工程化。

你的工作不再是写函数，而是设计一套能让AI高效协作的流程。

关键词：LangGraph、AutoGen、AI工作流设计、Agent编排

在这个方向上，人才稀缺度极高，供需比高达1:10。

出门问问公司已经在实践"超级组织"模式：以AI Agent为核心生产力，实现产研效率提升4-5倍。他们的经验是：打破前端、后端、测试的工种壁垒，全员具备全栈能力，非研发人员也能独立完成网站搭建等专业工作。

人类角色从重复执行者转向目标定义者、关键决策者和自动化系统设计者。

路线B：往下走，深耕"AI进不来的领域"

有些领域，AI能写代码，但担不起责任。

医疗设备的控制系统、航空航天的飞控软件、核电站的应急响应系统……这些领域的代码不允许"大概能用"，需要经过严格的形式化验证、安全认证、第三方审计。监管部门不认AI，只认持证工程师的签名。

深入某个垂直行业（军工、医疗、工控、量化交易），学习形式化验证、高可靠性系统设计、合规与安全认证。

关键词：功能安全IEC 61508、DO-178C、ADA/SPARK、安全关键系统、行业资质证书

还有一个被低估的能力

说了这么多技术转型路径，我想提一个被很多人忽略的维度：心态。

托马斯·斯特纳在《练习的心态》里，讲了一个核心观点：

我们之所以焦虑、沮丧、失去动力，往往是因为我们太关注结果，而忘记了享受过程本身。

程序员面对AI浪潮，最大的心理障碍是什么？

是"我会不会被替代"的焦虑感。

这种焦虑，会让人做出两种错误的选择：

第一种：假装看不见。 继续埋头写"纯手工代码"，拒绝使用AI工具，以为只要足够努力就能保住饭碗。结果是效率越来越低，产出越来越少，在市场竞争中逐渐掉队。

第二种：彻底躺平。 觉得既然AI这么厉害，那我也别学了，反正学不过AI。满足于用AI生成代码，但完全不理解它在干什么。表面上产出效率提升了，实际上自己的技术能力在空心化。

这两种心态，本质上都是把AI当敌人，而不是工具。

《练习的心态》教给我们的，不是某种具体的技能，而是一种面对挑战时的认知框架：专注于当下的"练习"，而不是焦虑未来的"结果"。

用AI写代码，不丢人。把AI当工具用，提升自己的产出质量和效率，这恰恰是新时代程序员的核心竞争力。

关键在于，你得清楚自己在做什么。

你让AI生成一段代码，你要能判断这段代码对不对、好不好、能不能用。你的判断力，来自于你对业务、对技术、对系统的深层理解。

AI可以替你写，但替你判断，还得是你。

几个马上可以开始的动作

说了这么多理论，来点实在的。以下是几个今天就可以开始的转型动作：

1. 记录你的"AI做不到"清单

下次你解决一个复杂的Bug，或者设计一个系统的架构，把你的思考过程写下来：为什么这样做而不是那样做？这个决策背后有哪些隐含的业务知识？

这就是你比AI值钱的地方。把这些"隐含知识"显性化，变成你的护城河。

2. 每周学一个AI工具的新功能

不要满足于"会用"。去探索那些高级用法：怎么写更精准的提示词？怎么让AI更好地理解你的代码库？怎么用它来辅助架构设计？

AI工具的进化速度很快，保持学习的节奏感很重要。

3. 找一个"AI+X"的垂直领域深耕

与其泛泛地学AI，不如找一个你感兴趣或者有积累的垂直方向：AI+金融、AI+医疗、AI+教育……

懂AI的程序员很多，但同时懂某个行业业务逻辑的程序员，就少多了。

4. 刻意练习"判断力"

每次AI给你生成一段代码，不要急着复制粘贴。先问自己：这段代码的逻辑是什么？有没有潜在的问题？符不符合我的业务场景？

慢慢地，你的判断力会越来越强，越来越值钱。

写在最后

回到文章开头那个场景：

你让Copilot补全了一段逻辑，敲了回车。

你让AI定位了一个Bug，复制粘贴。

你让Claude生成了一个功能模块，调调就跑起来了。

然后你突然意识到：你好像一天也没写几行代码。

但你想了想，又觉得好像不是这么回事。

你今天做的最重要的事，不是写代码，而是：

判断AI生成的代码能不能用，决定系统的架构往哪个方向演进，规划下一个功能应该怎么拆解，以及——在AI翻了车的时候，亲自上阵收拾烂摊子。

这些事，AI现在还做不了。

或者说，做不好。

程序员的战场，确实变了。

但战场变了，不代表士兵要退役。只是说，你得学会用新的武器，打新的仗。

《练习的心态》里有句话，我很喜欢：

人生没有"准备好"的那一刻。你永远在"准备"中，也永远在"战斗"中。

AI时代来袭，你现在写的每一行代码、做的每一个判断、踩的每一个坑，都是在为"驾驭AI"这个新能力添砖加瓦。

不要焦虑，但要警觉。

不要抗拒，但要清醒。

毕竟，能指挥AI军团的人，才是未来最值钱的程序员。

聊个天：

你现在写代码时，AI贡献的比例大概是多少？

• 0%-20%（我还是主力手写，AI只是辅助）
• 20%-50%（AI是我的高级助手，主要还是我来写）
• 50%-80%（AI是主力军，我负责审核把关）
• 80%以上（AI写代码，我来"签字画押"）

欢迎留言告诉我 👇