AI 对初级工程师的影响，很难用单方面的 「赋能」 或者 「替代」 来概括。 图｜近期微软给六万员工发的自愿离职方案 Anthropic 招聘经理 Felix Rieseberg 最近给初级工程师提了一个颇为乐观的判断：「 饥饿感胜过资历 」（Hunger beats tenure）。 他的理由是，过去工程师的影响力很大程度上受限于经验，即熟悉多少框架、写过多少系统、能否快速完成实现等等；但 AI 正在降低这些能力的稀缺性。 一个新人如果能找到重要问题，就可能借助 AI 迅速做出原型，而不必先用多年时间积累执行的资本。 上下滑动查看更多内容 他给出的建议是， 上班不要只盯着分配给自己的任务，要理解公司的业务目标，提出一个足够重要的想法，然后尽快把它做出来。 在博客里，他还举例两位相对资浅的工程师用一个周末做出了 Claude Code 图形界面的原型，首个公开版本约八天后发布。 曾经有那么多人买下《算法与数据结构》，希望借此打开好工作和更好未来的大门，现在编程面试的消亡不过是软件工程迈向更高抽象层次的又一个里程碑。 AI 快速制作的原型不只是一个技术demo，更像是一种绕过组织资历的沟通方式。 与其等待别人相信自己的判断，不如直接把判断变成可以被看见的东西。 个人更容易做出成果，不等于公司需要更多新人 但同样是在 Anthropic，10 月中旬的另一份内部研究报告提供了一组不那么轻松的数据。 自 2025 年初以来，其技术部门初级员工占比从 21% 降至 14%；初级技术招聘占比下降得更快，从 27% 降至 9%。 图｜Anthropic 入门级岗位减少，左边为技术部门，右边为非技术部门，蓝色是新招聘员工中初级员工的占比，粉色是现有员工中初级员工的占比，橙色是招聘岗位中初级岗位的占比。 这两条信息看起来矛盾，但它们回答的是两个不同的问题： 一个已经获得机会的新人，能够创造多大的影响？一家高度使用 AI 的公司，又需要设置多少初级执行岗位？ 而原因可能是同一个，那就是「执行」正在变得便宜。 因为执行不再昂贵，一个新人可以借助 AI 完成过去需要更多人、更长时间才能完成的工作；也因为执行不再昂贵，组织可能不再需要通过大量初级岗位来获得这些执行产能。 个人杠杆上升与入门机会收缩，是同一枚硬币的两面。 图｜「Anthropic 的就业情况正在发生怎样的变化」报告 当然， 占比下降也不等于初级员工的绝对人数同比例减少，报告也明确指出，Anthropic 的技术招聘绝对人数仍在增长，只是销售、财务和招聘等职能扩张得更快 。 这也只是一家高速增长、AI 使用程度极高的公司的内部样本，很难直接代表整个软件行业，更不能把所有变化都归因于 AI。 但它至少提示我们，「AI 能增强工程师」与「AI 会增加工程师岗位」，并不是同一个命题。 工程师的价值正在向两端移动 执行被重新定价，并不意味着工程能力不再重要，它更可能意味着，工程师的价值正在从标准化的实现环节，向工作的两端移动。 一端是上游的判断：什么问题值得解决？用户真正需要什么？一个原型应该验证什么？面对多个都能被 AI 快速实现的方案，究竟该选哪一个？ 另一端是下游的控制：系统是否可靠？权限是否恰当？结果能否被审查？出现偏差时，人能否及时介入？ Anthropic 平台工程负责人 Katelyn Lesse 最近也发布了一篇文章，《工程师要解决的一组新问题》，她也是从工程师的「身份危机」开始讲起， AI 接手越来越多编程工作，有人觉得自己的技能正在失去价值。 但真实的情况是 AI 越能自主干活，工程师就越需要解决「怎样让它可靠、安全、可控地干活」的问题。 上下滑动查看更多内容 她认为接下来一两年，多智能体系统会带来大量值得深入研究的工程问题；她把多智能体系统带来的工程挑战归纳为基础设施、身份与权限、安全与隔离，以及监控与紧急停止。 这些问题并不因为模型更擅长写代码而自动消失，反而会随着智能体数量、权限和运行时间的增加而变得更加重要。 一个被攻破的智能体，可能把注入指令传递给其他智能体；一个长期代表用户工作的智能体，需要清晰而持续的授权；成千上万个智能体同时运行时，还需要不可被其自身篡改的监控，以及能够真正切断整个系统的停止机制。 图｜Netflix 纪录片「失控的人工智能」 这些仍然是非常「硬」的工程问题。 因此，AI 压缩的是中间那段边界清晰、答案相对确定的执行过程。越靠近「决定做什么」和「确保系统可控」的两端，人的责任反而越难被取消。 这对「资深」提出了更实际的要求，熟悉框架、库和实现技巧仍然有用，但积累最终要体现在人的决策上，像是能不能少走弯路，能不能识别原型掩盖的问题，能不能在系统扩大之前发现风险。 对新人来说，机会增加的地方，是提出想法后更容易动手验证。新的压力则是，交付一段能运行