当生成式人工智能从“辅助工具”进化为“生产主体”，软件工程的底层逻辑正在经历一场静默却剧烈的地壳运动。行业观察者们注意到，代码生成的准确率阈值一旦被突破，引发的连锁反应将远超效率提升本身，它直指职业价值的重新定义。
在这场变革中，资深技术人的体感往往最为敏锐。他们不仅是技术的使用者，更是技术演进的历史坐标。以下是一位拥有四分之一个世纪编码经验的老兵，对当前行业变局的深度洞察。
< img id=”wx_img” src=” width=”400″ height=”400″>
“我的超能力是快速做原型，现在任何人都能做到了。”
梦晨 发自 凹非寺
AI快讯网 |
一个写了 25 年代码的人，在 AI 时代突然发现，自己估不准项目要多久了。
大佬Simon Willison，20 年前就成为 10x 工程师的 Django 联合创始人公开承认，自己完全失去了估算项目时间的能力。
以前看一个项目，脑子里秒出判断，这活儿得干两周，不值得。现在脏活累活 AI 全包，可能 20 分钟搞定了。
我的超能力是快速做原型，现在任何人都能做到了。
25 年的职业经验，一夜归零。
一切都始于2025 年 11 月，AI 写代码的能力悄悄跨过了一条线，从“大部分能用但你得盯着”变成了“几乎每次都对”。
听起来差别不大，但这条线一过，所有规则都变了。
在 Lenny’s Podcast 节目上，Simon 给出这样的判断：
工作 3-8 年的中阶工程师受到的冲击是最大的。
这一切变化来得比所有人预期的都要快。
2025 年一整年，Anthropic 和 OpenAI 都在疯狂加码代码能力训练，GPT 5.1 和 Claude Opus 4.5 先后发布。
单看参数和跑分，这两个模型只是比上一代好了一点点。但就是这“一点点”，踩过了那条关键的线。
之前 AI 写的代码，十次有七八次能跑，但剩下两三次会埋雷。你必须逐行审查，像个人肉 debug 机器一样盯着它。
11 月之后，画风突变。它写的代码，几乎每次都能按你的要求跑起来。
Simon 自己的体感是这样的：现在一天能产出 1 万行代码，而且大部分都能用。
一个纯碳基中高级工程师，正常节奏下，一天能写 200 到 300 行高质量代码就算高产了。AI 直接把这个数字拉高了三四十倍。
代码是你能交给 AI 的所有任务里，最容易验证对错的那种。要么跑得通，要么跑不通。
但如果 AI 帮你写了一篇文章，帮你准备了一份法律文件，你要判断它到底做得好不好难度大得多。
所以 AI 先冲击的是我们软件工程师，它先来找我们了。
这种变化很快就会传染到其他行业，Simon 提到一个数据：美国律师行业因为 AI 幻觉搞砸案子的记录，已经累积到 1228 起了。
律师很难看出 AI 在胡编，但程序员至少还能跑一下代码。
“可验证性”反而成了程序员的最大优势。
效率爆炸带来的变化不只是写得快了 Simon，分享了他现在的工作方式：想做一个功能，他会让 AI 同时打三个不同方案的原型，然后挑最好的那个。
一个 UI 原型现在是免费的。ChatGPT 和 Claude 能帮你生成任何你描述的界面。你就应该这么干。
以前做一个原型要一两天，现在三个小时能出三套完全不同的方案。试错成本从”想清楚再动手”变成了”先全做出来再说”。
效率的量变正在引发质变。当写代码本身不再是瓶颈，真正稀缺的东西就变了，整个程序员群体的职业分层正在被重新洗牌。
程序员不再按技术栈划分，不按擅长的语言划分，按你在职业阶梯上站的位置划分。
ThoughtWorks，全球最大的 IT 咨询公司之一，2 月搞了一场闭门会。
一群来自不同公司的工程 VP 关起门来聊了一个问题：AI 到底在怎样重塑工程师队伍？
结论出来，圈子里炸了锅。
他们发现，AI 对工程师的影响不是一刀切，而是切出了三层完全不同的命运。
资深工程师，直接起飞。二十年积累的架构直觉、系统设计嗅觉，被 AI 放大了好几倍。他们知道该问什么问题，AI 帮他们秒出答案。
新人工程师，门槛打到地板了。以前入行最痛苦的那些事，读陌生代码库、搞懂复杂的构建流程、理解公司内部的技术债，AI 几乎一把梭哈全解决了。
最难受的就是中间那层，干了三到八年，还没够到资深的门槛，但也不是新手了。
这群人正好卡在 AI 冲击波的正中央，因为中阶工程师最核心的价值，就是“能写靠谱的代码”，而这恰恰是 AI 现在最擅长干的事。
上卷不过资深工程师的架构能力，下卷不过新人+AI 的性价比。
他甚至给出了一个非常激进的预测：到 2026 年底，50% 的工程师会有 95% 的代码由 AI 生成。
不是 2030 年，不是“未来某天”，是今年年底。距离现在，只剩八个月。
“会写代码”这件事本身，正在从核心竞争力变成基本功。就像打字速度在 90 年代很值钱，现在谁还会把“打字快”写进简历？
能力模型正在重构，代码能力的权重在急速下降，取而代之的是另外三样东西：
- 架构设计能力，你能不能把一个模糊的需求拆成 AI 能执行的清晰任务？
- 需求判断能力，面对 AI 给出的三套方案，你能不能秒判哪个靠谱？
- 质量把控能力，AI 写的代码跑是能跑，但你能不能看出那些藏在正确结果背后的隐患？
Simon 在访谈里反复强调一个词：agency，主体性。
现在一切都在飞速变化。唯一通用的能力就是跟上变化本身。
在所有关于“如何在 AI 时代做得出色”的讨论里，出现频率最高的词就是 agency——主体性。
我认为 AI 永远不可能拥有真正的主体性，因为它没有人的动机。所以，投资你自己的主体性，投资如何用这些技术让自己变得更强、去做以前做不到的事。
职业分层在重塑，个人能力在重构。
但变化不止于此，当半数工程师的代码均由 AI 生成，整个软件行业的生产模式也在被连根拔起。
Simon 认为，现在行业里已经有了两个相反的展方向：Vibe Coding 和 Agentic Engineering。
Vibe Coding 就是非专业人士也能靠 AI 做出能用的小工具，适合个人项目或者原型验证，反正出问题只有自己倒霉。
它的反面是 Agentic Engineering，则是专业工程师用 AI Agent 来做生产级的代码，核心是把控质量和架构，出了问题要负责任的。
Vibe Coding 最好的例子就是 OpenClaw，这个开源个人 AI 助理项目的一行代码是 2025 年 11 月 25 号写的，到今年 2 月的时候，几十万用户自己折腾着装上了。
三个半月，传统软件公司可能连需求评审会都没开完。
到现在 OpenClaw 已不止是一个产品，而是一个品类。
Simon 认为，做出自己的类 Claw 智能体就是今天的新”Hello World”。
但有些公司已经走得更远了，StrongDM 正在测试的黑灯工厂模式：没人写代码，也没人读代码，全靠 AI Agent 和完善的质量保障体系来输出生产级代码。
以前制造业说的“关灯工厂”，居然在软件行业落地了。
软件开发这个行业，写代码的能力在贬值，但定义“该写什么代码”和“怎么保证写对了”的能力，正在成为新的硬通货。
纵观此次技术浪潮，我们不难发现，软件工程的本质正在从“构建”转向“编排”。当代码生成的边际成本趋近于零，竞争的壁垒便转移到了对业务逻辑的深刻理解与系统架构的稳健性上。这对于教育体系提出了新的挑战：未来的计算机专业课程，或许应减少对语法记忆的考核，转而强化系统思维与伦理判断。
此外，”黑灯工厂”模式的出现预示着软件供应链的深刻变革。虽然全自动化的代码生产令人向往，但其中的责任归属与安全审计仍是待解的难题。在拥抱效率的同时，如何建立与之匹配的治理框架，将是整个行业下一阶段必须面对的核心议题。技术的进化从未停止，而适应变化的能力，始终是人类最宝贵的资产。
