AI时代的程序员：被取代，还是进化？ 原创 精华

“AI 将在 2026 年取代所有程序员。”

Andrej Karpathy（OpenAI 联合创始人）和 Steve Yegge（前亚马逊与谷歌资深工程师）站出来，分享了他们对未来的真正看法。而他们的观点？彻底颠覆了这个流行的说法。

他们认为，大家都搞反了方向。

这几个月来，我一直在密切使用各种 AI 编程工具。当 Karpathy 和 Yegge 不约而同地得出相同结论时，我意识到——这事儿值得深入挖掘。他们所说的，不只是与那些末日论截然不同，而是完全相反的方向。

Karpathy 可不是那种只会炒作 AI 的“网红科学家”。他是 OpenAI 的创始成员，曾担任特斯拉的 AI 总监——亲手参与构建了我们现在讨论的这些系统。他不是纸上谈兵，而是深知 AI 的能力与局限。

Yegge 则是在亚马逊和谷歌构建核心基础设施的元老级工程师，那个时候“系统可扩展性”还不是口号，而是真刀真枪。他现在就职于 Sourcegraph，与企业开发团队直接合作，推进 AI 编程在实际生产环境中的落地。他关心的不是 Demo，而是必须上线、必须稳定运行的真实代码。

当这两位大佬同时看到当下 AI 编程的爆发趋势，并都坚定地说：“程序员不会消失”——我选择相信。

一个颠覆性的洞察：不是取代，而是抽象层的跃迁

让我真正醒悟的一点是：这不是一场“替代游戏”，而是一场抽象层的变革。

想一想：今天还有多少程序员在写汇编语言？几乎没有。但高阶语言的出现并没有毁掉程序员的饭碗，反而让整个行业大爆发。因为我们突然可以更快、更高效地构建更复杂的系统。

Karpathy 和 Yegge 都看到了同样的模式正在重演。

正如 Yegge 所说：

“构建企业级软件始终是极具挑战的任务，未来它将由工程师和 AI 共同协作完成。”

关键词是：“协作（team up）”，不是“接管（take over）”。

这场变革现在已经发生了什么？

Karpathy 发明了一个非常传神的词：Vibe Coding（氛围编程）。他这样描述：

“有一种新的编程方式，我称之为 vibe coding。你完全放下对代码的控制，顺着直觉走，拥抱指数级的进展，甚至忘了代码本身的存在。”

听起来很吓人？其实操作起来是这样的：

他在做周末项目时，几乎不怎么敲键盘，直接用自然语言和 AI 对话。例如：

• “把侧边栏的 padding 减少一半”
  → AI 自动完成修改。
• 出现 bug？他什么都不解释，直接把错误复制给 AI
  → 通常 AI 会自己搞定。

但最关键的一点是：这个模式是“分级扩展”的

• 低风险场景（如：小项目、实验性作品）→ 可以完全放手给 AI，进入“全 vibe 模式”；
• 高风险系统（如：企业级服务、生产环境）→ 则需要 Yegge 所说的 “AI 监督式编程（supervised AI）”：AI 负责底层构建，人类负责引导与审核。

同一套工具，根据任务的不同，分配不同程度的人类干预。

编程正在飞速演化：从 Chat 到 Agent

Yegge 一直在追踪 AI 编程方式的进化轨迹。他在一年前就提出了“聊天式编程（chat-oriented programming）”：通过和 AI 对话来写代码，取代传统的自动补全。

但现在呢？他直言：

“聊天式编程仍在当下，但Agent Programming已经迅猛超越，带来指数级提升。”

那什么是“Agent Programming”？

它指的是：AI 可以自主完成整个开发流程，人类只需在旁边监督。

• 不再是“帮我写一个函数”
• 而是“帮我构建一个完整的用户登录模块，包括密码找回”

短短 18 个月，AI 编程就从：

自动补全 → 聊天式 → 代理式
速度之快，令人惊叹。

编程的三个时代，我们正进入第三阶段

Karpathy 将编程的演进过程划分为三个清晰的阶段：

• 第一阶段：你写出明确的指令。
  想对数据排序？写一个排序算法。
• 第二阶段：你提供示例，计算机学习模式。
  想识别图像？给神经网络喂成千上万张标注照片去训练。
• 第三阶段：你用自然语言描述你想要的东西。
  想要一个用户认证功能？只需说：“创建一个包含密码重置的安全登录系统。”

他的关键观点是：

“大型语言模型（LLMs）是一种新的计算机，而你用英语对它们编程。”

这不只是“更好的开发工具”。它意味着只要能清晰表达需求，谁都能编程：

• 产品经理可以原型自己的想法；
• 设计师可以构建交互原型，无需等待工程团队排期。

这不会取代程序员，反而放大了每个人的创造力与执行力。

很少人讨论的问题：AI 的“锯齿型智能”

但这时我开始变得审慎，而 Karpathy 的坦诚令人欣慰。

他提出了一个重要概念：“Jagged Intelligence（锯齿型智能）”。

意思是：AI 可以在复杂任务上表现惊人，但同时也可能在简单问题上犯荒唐的错误。

比如，一个 AI 可能能写出复杂算法，但却自信地告诉你：9.11 > 9.9。

Karpathy 警告说：

“至少目前，这是一种你必须意识到的风险，尤其是在生产环境中。使用 LLMs 去做它擅长的事情，同时留心它的‘锯齿边缘’，并始终保持人工监督。”

这就是为什么“AI 会取代所有程序员”这种说法是站不住脚的 —— AI 既聪明又愚蠢，且表现难以预测，不适合在没有人工干预的前提下运行关键系统。

真相已来：经济现实比技术更快落地

你应该注意到这一点：

“一些公司已经裁掉了 30% 不愿意使用 AI 工具的工程师。”

不是未来式，而是已经发生的现实。

“大企业可以用资金弥补效率落差，但资源有限的公司只能面临艰难抉择——吸收成本、落后于竞争对手，或者通过裁员来腾出预算。”

换句话说：
如果一个会用 AI 的工程师能完成三个工程师的工作，
那被裁掉的，很可能就是那两个不愿意转型的人。

这不是理论。我正在亲眼看到它发生：
使用 AI 工具的程序员变得极具价值，而忽视这些工具的人正被远远甩在后面。

你真正需要掌握的，不是 prompt 技巧

很多人误以为“学习 AI 编程”就是背 prompt 句式或了解 Copilot 功能，其实真正重要的是以下这些更高阶的认知技能：

有趣的是：这些全是人类擅长的技能，AI 放大它们，而非取代它们。

别听炒作，跟着现实节奏走

Karpathy 对“2025 年 AGI 到来”的炒作语调泼了冷水：

“每次看到有人说‘2025 年是智能体之年’，我都非常担忧。对我来说，这其实是一个十年周期。”

也就是说：别指望明年一切就被彻底颠覆，我们正进入一个渐进但持续变化的新时代。

“耐心，遗憾的是并不是华尔街喜欢的品质。所以 AI 炒作列车会持续大放厥词，而真正的实践者会静静地塑造下一个计算时代。”

但现在已经能用起来的东西是：

• GitHub Copilot、Cursor 等工具，已经能让程序员在重复性任务上提升30%~50% 的效率
• 这不是理论，而是实际可测量的生产力提升

变革的速度：足够慢让你有时间学习，但也足够快让你必须现在就开始。

为什么我对这一切感到乐观？

说实话，我一开始是怀疑的。“AI 将民主化编程”这句话听起来就像硅谷的又一轮炒作。

但当我真正用这些工具做项目之后，一切都变了。

历史一次次证明：

• 汇编 → C
• C → Python
• 命令行 → GUI

每一次工具的跃迁，都伴随着“担心开发者变傻”的声音。

但结果却是：每一次，行业都变得更大、更有创造力。

真正走在前面的开发者，从来不是那些死守旧工具的人，而是：

• 能学会新工具；
• 能用它们构建以前无法实现的东西。

这次也是一样，只不过更大：

我们不仅获得了新的语法，更是获得了一种全新的思考方式——不再死记 API，而是用清晰表达解决问题。

Yegge 总结得很好：

“计算机科学教育确实需要进化，但基础原理依然宝贵。过去人们担心从汇编转向高级语言会毁掉技能，结果却是编程行业爆炸式增长。”

赢在现在的开发者，不是最懂 React Hooks 或 Kubernetes 的人，而是能清晰说出自己要做什么，并引导 AI 正确完成的人。

真正的未来：不是被取代，而是被放大

Karpathy 和 Yegge 都清楚明白一件事，是那些「AI 替代论」始终忽视的关键：

这项技术是为了放大人类智能，而不是取代它。

我们不会被淘汰，而是将变成指挥者（orchestrators）。
我们不是被 AI 抢走工作，而是学会与 AI 共舞，解决过去我们单靠自己无法解决的问题。

谁能掌控未来？

未来属于这样一类开发者：

• 能用更高维度的思维理解系统；
• 能清晰地表达需求；
• 能引导 AI 高效完成复杂任务。

如果你已经成为一名程序员，恭喜你，其实你已经拥有了大部分的底子。现在要做的，只是：🎯 开始学习那支「与 AI 共舞」的新舞蹈。

而且说真的？跳起来其实还挺有趣的。一旦上手，你会惊讶于它能带你走多远。

革命不是未来式，它已经发生了

这场变革不再是“遥远的某一天”才会出现，它已经在你身边悄然展开。

问题不是：“AI 会不会改变编程？”
而是：“你准备参与塑造它，还是被动地被它塑造？”

现在不是观望的时间，而是参与的时刻。

一起拥抱这个新时代吧！

本文转载自​​PyTorch研习社​​，作者：南七无名士