今年2月底，金融科技公司Block宣布裁员超过40%，该公司CEO在致股东的信中表示，AI工具改变了公司建设和运营的方式。他认为，未来一年，多数企业将被迫跟进类似的结构性调整。在“AI代码助手和集成开发环境接管初级工程师曾负责的许多工作”的大背景下，哪类软件工程师不会被AI所取代？

这一演变过程并未消灭技能本身，而是改变了谁能从中获利。缝纫和机械加工依然存在——但已不再享有昔日的薪资溢价。

软件走向自动化的历程

• 行会时代（20世纪50至70年代）。程序员需要手动拨动硬件开关、加载穿孔卡，他们必须对内存限制和硬件的特性了如指掌。FORTRAN等编程语言的出现，使他们摆脱了机器码的束缚。这一时期的程序员极为稀缺且薪资高昂。

• 专业化阶段（20世纪80年代至21世纪10年代）。计算机科学学位、设计模式和各类框架软件开发走向标准化。托管语言和云平台进一步隐藏了内存管理和系统调用的复杂性。编程训练营开始出现，培养出能够利用高级抽象组装Web应用程序的开发者，即便他们并不理解寄存器或逻辑门。

• 商品化阶段（2010年至今）。框架、库和代码共享网站将许多编码任务转变为现有组件的组合。编程训练营的毕业生无需编写任何底层代码，就能搭建一个电商网站。但这也使他们更具可替代性。雇主很少传授或重视系统级基础知识，且入门级岗位正在萎缩。

• 自动化阶段（当前）。76%的开发者已采用或计划采用AI代码助手（如GitHub Copilot、ChatGPT等）。这些工具能生成模板代码、将需求转化为代码并解答问题。虽然它们在理解上下文和准确性方面尚有不足——38%的开发者表示，AI助手至少半数情况会给出错误答案——但它们正在快速进步。管理者认为AI将处理初级任务，资深工程师则承担设计和测试工作，这导致职业倦怠加剧。

现实检验：Block公司的AI裁员

抽象化和自动化并不只是学术层面的趋势。2026年2月，Jack Dorsey旗下的支付公司Block宣布裁减4,000多名员工，将员工规模从1万余人缩减至不足6,000人。Dorsey表示，他宁愿“坦诚地、按我们自己的节奏实现这一目标”，也不愿日后被迫进行被动式裁员。Block的首席财务官则称，重组后的公司将“通过规模更小但更有才华的团队，并借助AI让更多工作实现自动化，从而加快发展步伐”。换言之，AI成了裁掉近一半白领员工的正当理由。

Dorsey本人对果断行动的解释也遵循了同样的逻辑。根据他在致股东信中的说法，他本可以逐步裁员，或者采取“果断、明确的行动”。他选择了后者，因为“反复裁员会严重打击士气、分散专注力，影响客户和股东对我们领导能力的信任”。他还预测，在一年之内，大多数公司都会得出同样的结论。

投资者和科技从业者对此反应强烈。科技投资者Balaji Srinivasan写道，这是这是AI驱动的首次大规模裁员，将给整个行业“带来冲击波”。他敦促科技界的每个人：“现在就提升自我。让自己不可或缺——利用夜晚和周末时间，学习AI工具，提升自身竞争力”。在他看来，Block的裁员行动发出了一个信号：无论是员工还是整个公司，如果不拥抱自动化，可能都无法生存。

Block的裁员公告并非是又一条普通的科技新闻，而是AI如何重塑劳动力市场的预演。这一决策不仅消除了数千个工作岗位，同时还宣称“智能工具”配合小型团队可以做得更多、做得更好。市场的反应凸显了自动化冲击白领工作的速度之快，也解释了为何工程行业的中层岗位正面临严峻威胁。

反方观点：软件仍然是“特殊”的部分

这一论点的批评者坚称，软件工程并未走向商品化，而是正在向更高层次演进。他们指出，随着每一家企业都转型为数字化企业，对软件的需求仍在持续增长。人工智能被视为一种提升生产力的工具，而非威胁。

顶尖工程师依然稀缺且薪酬丰厚。他们认为，分布式数据库、网络安全和大规模AI应用等复杂系统过于脆弱，无法实现端到端的自动化。过去的生产力变革，例如，编译器、框架，不仅没有摧毁岗位，反而放大了价值、创造了更多工作。在这一视角下，软件工程之所以能保持其“特权地位”，是因为人类仍需负责设计、调试并管理愈发复杂的系统。

驳斥迷思：需求不等于薪资

对软件的需求正在上升，但这并不意味着薪资溢价能持续。历史表明，即使生产商品的劳动成本下降，对商品的需求仍可能飙升：缝纫机问世后，服装产量大幅增加，而裁缝的工作却消失了；数控机床（CNC）让操作员能够监督多台设备。在软件领域，代码总量在增长，但每单位产出所需的员工数量却在减少。

编程训练营培养的程序员主要在框架层工作，产出的代码具有高度可替代性。人工智能绝非仅仅是另一个库；它实现了从意图到实现的自动化，取代了曾经构成初级软件工程师岗位核心内容的任务。2023至2025年间，企业将入门级职位削减了35%，五分之二的领导者将原因归咎于人工智能。复杂性无法保护劳动者，它只会催生更多抽象化（如，Kubernetes、托管云服务、自动扩展）。当专业知识被编码到工具中时，劳动溢价便流向了少数能够跨层设计、集成和故障排查的人。其他人则沦为可替代的普通劳动力。

【编者按：这里的“抽象化”指的是将具体的复杂任务、封装成更通用、更简洁的模型或工具，从而让原本需要专人处理的工作变得可复制、可替代‌。】

什么仍然稀缺？

并非所有岗位都难逃厄运。熟练技工之所以依然存在，是因为这类岗位涉及机器无法处理的、不可预测且需要动手解决的问题——AI无法疏通马桶，也不能给一栋建筑重新布线。在软件领域，以下领域仍将保持稀缺性：

• 系统与架构能力。当系统出现故障时，理解计算、内存、网络和硬件之间的交互至关重要。人工智能无法设计安全的三维建筑；正如在建筑领域，即便借助BIM（建筑信息模型）工具，建筑师仍需亲自做出关键决策；同理，人工智能也无法真正推理分布式系统的失效模式。

• 跨学科整合能力。将软件与能源、生物技术、制造业或航天领域相结合，需要同时掌握物理限制和代码知识。

• 责任与伦理。当人工智能和软件驾驶汽车、运营医院并主导市场交易时，人类仍必须承担确保系统可靠性和做出符合伦理的决策。

• 工具的创造者。那些创造下一代抽象概念的人将掌握价值。

“中间层”阶级的终结

软件工程并未消失，它正在演变为基础设施。如同缝纫、机械加工和测绘等行业一样，软件工程的探索阶段已经结束，这一职业早已实现了专业化并商品化。人工智能正通过自动化常规任务，淘汰那些仅会基于框架进行组合式开发却缺乏深度理解的大量中间层程序员。

未来属于那些能够在“抽象”失效之处展开工作的角色：系统架构师、跨领域工程师，以及真正理解代码为何能运行的人——而不仅仅是知道如何用提示词让AI写出代码。编码本身从来都不是稀缺技能，真正稀缺的能力始终是理解力。