在 AI 编程时代，我重新思考了程序员的价值

前段时间，我收到知乎的一次答题邀请：未来的代码，会不会有 80% 都是 AI 写的？

这个问题本身并不复杂，但它背后折射的，是一个已经开始显现的趋势：写代码这件事，正在被快速自动化。

从最早的代码补全，到如今可以直接生成一个完整、可运行的系统，AI 的进化速度，已经明显超出了很多人的心理预期。

真正让我开始认真思考的，并不是 “AI 会不会取代程序员”，而是一个更本质的问题：

如果写代码本身正在变得越来越廉价，那程序员真正不可替代的价值，究竟是什么？

1. 写代码，为什么会在 AI 时代变得越来越“便宜”？

很多人会把这个变化简单理解为一句话：“因为 AI 写代码更快、更便宜。”

但这其实只是表象。

真正的原因在于：写代码这件事，本身正在被高度标准化。

在绝大多数真实场景中，代码并不是创造性的产物，而是一种“翻译”：

• 把清晰的需求翻译成可执行的逻辑
• 把确定的规则转化为确定的流程
• 把已有模式按既定结构重复实现

一旦一件事情可以被描述清楚、拆解清楚、验证清楚，它就具备了被自动化的前提。

而 AI 的优势，正是在这里被无限放大。

被压缩的，其实不是“技术”，而是“确定性劳动”

如果回头看你我过往写过的大量代码，会发现一个残酷但真实的事实：

• 很多代码，并不需要深度思考
• 很多实现，早就有成熟范式
• 很多工作，只是在既定框架内完成填空

这些工作，在过去之所以有价值，并不是因为它们本身有多复杂，而是因为——“会做的人不够多”。

而 AI 的出现，正在迅速改变这一点。

当“会写代码”从一种稀缺能力，变成一种几乎人人可调用的能力时，它的市场价值自然会被持续压缩。

真正没有被压缩的，是“做什么”和“为什么做”

但这里有一个经常被忽略的点：AI 极大地降低了“怎么做”的成本，却几乎没有解决“做什么”和“为什么做”。

AI 可以：

• 快速生成一个功能
• 给出多种实现方案
• 优化局部代码质量

但它并不理解：

• 这个需求是否值得存在
• 这个系统是否真的需要现在就做
• 复杂度是否已经超过了收益

这些问题，仍然只能由人来回答。

当“怎么做”被自动化，价值自然会向“做什么”和“为什么”迁移。

2. 当“实现”不再是核心竞争力，程序员真正不可替代的是什么？

如果“写代码”正在变得越来越便宜，那一个绕不开的问题是：程序员真正不可替代的能力，究竟是什么？

在我看来，答案并不在于某一种具体技术，而在于一种更底层的能力——判断力。

判断力，才是被长期低估的核心能力

这里说的判断力，并不是抽象的“感觉”，而是非常具体、非常工程化的能力，比如：

• 这个需求是否真的值得做
• 这个问题是否应该用技术解决
• 当前的复杂度是否已经超过了收益
• 哪些事情现在做是负债，哪些是积累

这些问题，决定的并不是代码写得好不好，而是一个系统是否应该存在、能否长期存在。

而这类判断，恰恰是 AI 无法给出确定答案的。

AI 能给方案，但不会为结果负责

AI 可以非常快地给你多个实现方案：

• 不同架构
• 不同技术栈
• 不同复杂度等级

但它有一个天然的限制：

AI 不承担任何后果。

它不会为系统后期的维护成本负责，不会为错误的需求方向买单，也不会为现实世界中的失败结果承担责任。

而真正的工程决策，恰恰是在不完全信息下，为结果负责的选择。

程序员真正的价值，正在向“上游”移动

在 AI 编程时代，一个非常清晰的变化正在发生：

程序员的价值，正在从“实现阶段”，向“决策和设计阶段”迁移。

这意味着，越来越重要的，不是你能不能把代码写出来，而是你是否参与了这些问题的思考：

• 我们到底要解决什么问题
• 这个问题是否足够重要
• 系统的边界应该画在哪里

当你开始为“做什么”负责，而不仅仅是为“怎么做”负责时，你的位置就已经发生了变化。

3. AI 编程时代，程序员正在被自然分成三类

当“实现”不再是核心竞争力之后，程序员这个群体并不会一起消失，而是会出现非常清晰的分化。

这种分化，并不是由技术水平高低决定的，而是由你主要为哪一层价值负责决定的。

第一类：主要为“实现效率”负责的程序员

这一类人，往往是最早、也是最积极拥抱 AI 的：

• 用 AI 写代码
• 用 AI 改 Bug
• 用 AI 快速交付需求

他们的生产力会明显提升，短期内也会显得非常“能打”。

但问题在于：

他们的核心价值，依然停留在“把事情做完”这一层。

当实现成本持续下降时，这一层的竞争，最终会回到一个非常现实的问题：谁更便宜。

一句话总结：优势是效率，风险是可替代性。

第二类：开始为“系统与决策”负责的程序员

这一类人，往往不是写代码最多的，但却开始频繁参与这些讨论：

• 这个需求有没有必要现在做
• 这个功能会不会引入长期负担
• 系统边界应该如何划分

他们写代码，但并不只写代码；他们做技术，但并不只关心技术。

他们的核心能力是：把模糊的问题，变成可执行、可收敛的系统。

一句话总结：这是 AI 时代最稀缺、也最稳的位置。

第三类：用代码放大领域判断的程序员

还有一类程序员，正在走向另一条完全不同的路径：

• 他们懂技术
• 但更重要的是，他们深度理解某一个现实领域

比如金融、教育、医疗、风控、数据系统、复杂业务流程。

在这条路径上，代码并不是主角，而是一种放大器：

放大他们对现实世界约束的理解，放大他们对风险和收益的判断。

一句话总结：代码不再是工作内容，而是认知放大器。

写在最后

在 AI 编程时代，有一个判断越来越清晰：

“只会写代码”这件事，正在从优势，变成一种风险。

不是因为写代码不重要，而是因为——它不再是决定性因素。

决定性因素，正在上移。

如果你一路读到这里，会发现一个更根本的问题：

你究竟是在解决问题，还是只是在完成任务？

当这个问题有了答案，你对 AI 的态度，往往也会随之改变。