有一句话，在硅谷程序员社区里安静地流传，却刺穿了无数计算机学生的幻想——"我庆幸自己是在AI之前入行的。在现在这个环境下，想获得我这些年积累的知识，太难了，更别说还能拿工资学。"说这句话的，是一位有着接近三十年经验的工程师。他不是在炫耀，他是在描述一个正在发生的结构性事实：AI没有消灭程序员这个职业，它消灭的是"新手程序员"这个岗位本身。
一、那组数字：不是下滑，是断崖
根据Forbes的数据，Big Tech新员工中应届生的比例，已经从疫情前的50%以上骤降至7%。这不是经济周期的正常波动，不是招聘季节的年度起伏。这是一扇门，正在被悄悄关上。很多人的第一反应是：这不就是裁员潮的后遗症吗？2022年到2024年，Meta、Google、Amazon、Microsoft接连宣布大规模裁员，光是2023年科技行业就裁了超过26万人。先把存量坑填满，才能谈新人，这逻辑听起来顺理成章。亚马逊目前的员工数，依然接近2019年的两倍。谷歌在这个周期内增长了超过50%。Salesforce和Microsoft即便经历了裁员，员工规模依旧远超疫情前水平，营收和利润双双创下历史新高。阿里情况确实更严峻一些——财报显示其2024年底员工数约19.4万，而2021年底接近26万，三年缩水约四分之一。但这是个别公司的极端情况，并不代表整个行业在"崩溃"。科技行业没有崩溃，它只是不再像2021年那样不计成本地囤人了。
二、供需错位：1222万人抢一把越来越窄的椅子
在回答"淘汰谁"之前，先要理解另一侧的问题：人，到底有多少。2025年，中国高校毕业生规模达到1222万人，突破历史新高。这个数字背后有一个更值得关注的细节：根据牛客2025春季校园招聘白皮书，超过49.9%的企业正在扩大985/211的招聘比例，同时26.2%的企业在增加对硕士的需求。C9高校本科生升学率已经升至77.5%，选择直接就业的仅有22.5%——这意味着大量本科生已经用"继续读研"来暂时规避就业压力。更残酷的案例是金融行业。2023年，金融行业应届生简历投递量同比增长45.9%，但与此同时，校招职位数量同比下降了33.2%。房地产、教培、互联网，曾经的"校招三巨头"集体哑火。连比亚迪——那个曾被戏称"offer点击即送"的壕主——2024年校招总人数也从2023年的3.18万骤降到1.13万，降幅超过64%。不少应届生还没踏出校门，就已经先遭遇了"裁员"困境：拿到的offer被撤，实习转正通道被关，原本谈好的岗位因为"HC冻结"人间蒸发。供给端的人越来越多，需求端的门越来越窄。这还不算最糟的。最糟的，是这扇门的开合逻辑，正在被悄悄重写。
三、那把尺子：AI正在重新定义"有用"
要理解这场筛选的底层逻辑，必须先看清楚，一位有经验的工程师是怎么工作的。那位近三十年经验的工程师，现在把自己描述为一个"context lake"——上下文湖泊。他搭建好系统架构，设定好边界和规则，然后放AI agent进去自动运转数小时。交付的功能，常常是整个人类团队会因为"工作量太大不划算"而直接婉拒的那种。过去需要整整一周的feature开发，现在几天搞定。"我可以用十秒打字给AI，三十秒拿到结果。如果交给junior，我得解释技术背景、为什么这么做、怎么做，然后他们带着一堆问题花一整天才能完成。"这个比喻很精准，也很残酷。这里没有道德评判，没有对应届生能力的否定。这是效率压力下真实的商业逻辑：当一个老手加一个AI的产出，远超一个老手加一个junior的产出，而这两种组合的人力成本相差无几时，结论已经不言而喻了。一位中国开发者分享了一个真实的教训：他用AI大模型修了一个生产环境的bug，代码逻辑清晰、测试通过，于是上线。几天后发现，那个修复从根本上就是错的，最终半周时间白白打水漂，而这个问题如果手动处理，半天就能解决。他说：LLM像毒品，入门容易，让人产生"问题已经解决"的幻觉，但真正危险的时刻，是你开始信任那个幻觉的那一秒。除非底层能力过硬，否则很快就会失控。这意味着什么？意味着AI不是一个能帮新手弯道超车的工具，它是一个放大器：放大有经验者的能力，也同样加速无经验者的翻车。没有底层能力，你用AI的速度越快，出错的速度越快。那么问题来了：当公司既不想花时间带new grad、又发现交给AI反而更稳时，他们会怎么选？
四、经济周期、AI叠加，还有一个被低估的因素
我们需要诚实地说清楚：这轮校招断崖，不是单一原因造成的，而是三重力量叠加的产物。第一层是经济周期。疫情期间，零利率环境催生了一轮科技业的超级膨胀。大量公司超量招聘，制造了本就不可持续的泡沫。这个泡沫迟早要挤。从这个角度看，今天的收缩是对2020-2021年非理性扩张的结构性修正，跟AI关系不大。第二层是AI效率革命。但"迟早要挤"和"AI正好提供了不需要junior的理由"，叠加在一起，形成了加速机制。没有AI，泡沫破裂后公司依然需要一定数量的新人来维持梯队。有了AI，"维持梯队"这件事本身开始被质疑。两个原因互相强化，让下跌比任何单一因素都要陡峭。第三层是全球廉价人才的回归，这是最容易被忽视的。当远程工作基础设施成熟，当东南亚、印度、东欧的工程师可以以极低成本提供远程服务，"在本地市场培养一个新手"这件事的经济账，越来越算不过来了。低成本外包一直都在，但疫情期间远程工作的全面普及，让这道算术题的答案更加倾斜。
五、学历军备竞赛：内卷的尽头是空转
本科卷不过，读硕士。硕士卷不过，读博士。根据估算，2025年中国硕博招生规模可能已达135万左右，C9高校的本科升学率更是升至77.5%。很多人用延迟就业来换取更强的竞争筹码，但这条路越走越拥挤。前程无忧《校园招聘白皮书2025》的数据很说明问题：企业对应届生岗位总量同比增长了7.2%，这个数字听起来是正增长，但增长集中在AI、电子通信等少数赛道，而算法工程师需求增幅达到61%——这是企业在用极高门槛的岗位扩张，来替代大量中低难度岗位的萎缩。换句话说，对头部精英的需求在增加，对普通应届生的需求在稀释。更有意思的现象是：72.4%的学生已经在参与AI面试，77%的企业在应用AI工具进行简历筛选，但三方毁约率超过30%的企业仍高达46.3%。AI帮企业筛人更快了，但人岗匹配的精度并没有显著提升。这说明一件事：问题不是"找不到人"，而是"找不到真正有用的人"，而这个标准，正在被AI重新定义得越来越高、越来越窄。与此同时，互联网大厂接纳毕业生的能力相对下降，即使进入企业，试用期也不再"走过场"，绩效考核淘汰率逐年上升，晋升机会越来越稀少。"3到5年经验被当成入门门槛，需要超级专业化技能才能竞争，AI替代的威胁永远悬在头上。生得太晚没赶上大航海，太早又到不了太空，正好赶上卖卵子换钱。"
六、那个陷阱：谁来成为下一个"湖泊"
但在这场关于效率和成本的讨论里，有一个没有人愿意正视的问题。那位"上下文湖泊"式的工程师，他那三十年的经验是怎么来的？是靠一个接一个的junior岗位，一次接一次地"带着一堆问题花整天"，一个bug一个bug地趟过去，在无数次被人review、被人纠错、被人骂"这段逻辑为什么这么写"的过程中，才积累出来的。AI让老手效率提升五倍，所以不再需要junior；junior失去入场机会，无法积累经验；没有人能成为下一个老手；系统开始空转，最终无人可用。有人在讨论中问了一个真正尖锐的问题：那些现在正在读计算机本科的学生，毕业后干什么去？"去做AI产品经理"？AI自己就能做产品原型。"去学提示词工程"？这个岗位已经在许多公司被证明是临时性的。"去做AI训练数据标注"？那是个正在被自动化消灭的岗位。"去创业"？在没有任何工程经验的情况下创业，是个概率极低的赌注。更深层的悖论在于：不少公司虽然在口头上说"我们在投资AI未来"，但在实际行动上，他们在削减的，正是培育那个未来所需要的土壤——年轻的、犯错的、成长的工程师群体。今天的"优化"，是在透支明天的储备。
七、那个真相：这不只是技术问题，也是一场系统性失败
大学在疯狂扩招，但培养的是标准化的"知识消费者"，而非具备实战能力的工程师。C9高校本科升学率升至77.5%，直接就业率仅22.5%，大量本科生的第一选择是继续躲进校园，因为外面的世界太险峻。企业在追求极致效率，但忘记了效率是建立在经验积累的基础上的，而经验需要时间和机会才能生长。当所有企业同时停止"培育新手"，行业的整体能力储备会在五到十年后面临断层危机。这不是危言耸听，这是任何一个只采不育的系统最终都会遭遇的结局。AI本身是中性的，但它被部署的方式，正在剧烈加速一种不可持续的趋势。一个资深工程师用AI可以产出五倍的成果，但这五倍的成果是建立在他过去二十年的判断力和经验上的。AI不是在创造能力，它在杠杆化已有能力。没有底层，杠杆撬不动任何东西。
结语：效率革命正在吃掉自己的种子
那位把自己称为"上下文湖泊"的老工程师，听起来很酷。当一整代junior工程师连"带着一堆问题花整天"的机会都失去时，谁来成为下一个湖泊？当所有人都只想着从湖里取水，没有人去想这湖是怎么来的，水从哪里补，这个系统就已经走向了一种慢性死亡。这像极了一个只顾榨取、不管再生的农业系统。今年的收成创纪录，但没有人在播种，也没有人在翻土、施肥、培育下一季。效率革命最大的Bug，是它正在消耗自己的种子，然后管这叫"优化"。2025年，1222万应届生正在涌入一个不知道该如何安置他们的就业市场。他们不只是一个统计数字，他们是一个行业的未来储备，是下一个时代老手的前身。那些等着这扇门自己重新打开的人，可能要等很久，很久。而那些还没进门的人，有人有责任告诉他们：门的形状，已经变了。
分享到： 
© 版权声明
文章版权归作者所有，未经允许请勿转载。
