文章揭示了AI对美国程序员就业的严重冲击就业率暴跌27.5%2026年CS毕业生面临空前就业危机。研究显示AI代码错误率是人类的1.7倍导致开发者需花费大量时间擦屁股。同时传统程序员晋升路径被打破新人难以获得基础技能训练。文章建议程序员需转型为懂业务的战略家、安全审查官和AI工具驾驭者而非仅仅是码农才能在AI时代生存。—新智元报道编辑Aeneas 好困【新智元导读】美国码农正在经历一场「大屠杀」就业率已经暴跌27.5%将近1/3的工作岗位在消失。2026年的CS专业毕业生已无路可走。一位多年程序员说这个职业要消失了愿我们能荣耀离场、玩得痛快。美国码农这个物种正在逐渐灭绝。这不是什么危言耸听的预言而是正在发生的事实。由AI导致的全球大裁员在2025年达到了117万这是自2020年以来的最高纪录。2026年的计算机专业毕业生们一毕业就得面对水深火热的局面——根本找不到工作而美国劳工统计局的数据显示美国程序员的就业率已经暴跌了27.5%。也就是说几乎被砍掉三分之一。怎么办「这场残暴的欢愉终将以残暴终结。」美国码农已经快灭绝了如今在美国程序员的就业率已经暴跌。劳工局的数据是跌了27.5%。而斯坦福大学的研究发现自从2022年底AI工具的普及22至25岁的程序员就业率下降了近20%。《Canaries in the Coal Mine》论文地址https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/研究人员分析了美国最大薪酬公司ADP的工资记录追踪了2021 年至2025年7月间数百万名在数万家公司工作的员工。数据显示年轻和年长开发者的就业情况直到2022年底是一致的。但从那时起两者开始分化——年轻开发者开始失业而年长开发者则没有。根据一家美国咨询公司的统计AI导致的裁员对今年美国遭受的冲击程度仅次于疫情。这家公司发布的报告显示AI直接或间接导致了今年美国近55000人的失业一位程序员在自己的博客中写道「为什么我认识的每一个人都在被裁员」如今美国的科技行业想要安稳地工作真的很难。裁员和AI的阴影正在每一个程序员的头上笼罩着。该怎样给这场灾难命名呢。互联网泡沫破裂大衰退独角兽大屠杀或者CrashGPT。这位程序员写道Meta裁员数千人谷歌招聘冻结这是一个集体幻觉的缓慢崩塌FAANG的梦想从内部开始腐烂。AI裁员大灾变AI不再是提升生产力的工具而是直接替代程序员岗位的角色。斯坦福、多伦多CS毕业生求职陷入绝境而且AI也没有给年轻的CS毕业生们留下丝毫活路。斯坦福的CS毕业生们一毕业就发现面临的情况跟三年前完全不一样这让他们很愤怒。因为找不到工作很多人只能选择自己多读一年研究生。而三年前很多人没毕业工作都已经找好了。Azka Azmi今年春天从多伦多大学计算机系毕业至今还没找到工作。她越找工作越觉得沮丧因为这个过程中她几乎没有机会和真人交谈到处都是AI所有的公司都在用AI取代真人招聘你能做的就是适应这个机器互相交谈的世界。曾经CS是所有人眼里的香饽饽专业动辄百万年薪还有高福利和充满乐趣的工作环境。但如今由于AI、经济不确定性以及大量CS毕业生进入职场这些传说中的完美职位啪地一下全消失了。Azka Azmi说很多学生依赖实习或co-ops的机会来找到工作但现在可能只有百分之一的申请者才能收到回复。读个研发现更难找工作了2024年春季Elliot Chen从多伦多大学获得CS学位然后投递了几百份简历。他沮丧地发现给应届毕业生的机会少得可怜。很多职位都要求至少一年的非实习工作经验可大多数应届毕业生都没有。很多人甚至都无法通过简历筛选这一关。因为求职不顺Elliot Chen决定继续攻读CS硕士好让自己脱颖而出。结果读研读到一半他发现自己收到的雇主回复甚至比自己本科时还少一位CS博士发现这个专业的本科生们面对当前的就业市场感到极度恐慌甚至出现了心理健康问题。「竞争非常激烈很多环境都变得非常不友好。这些孩子什么都做。他们超越了以往任何人的极限。这对每个人来说都是残酷的。」Chrisee Zhu也感觉到自己的同学们异常焦虑。在小组课程中他们常常心不在焉无法做出贡献而是专注于求职申请和编程练习为技术面试做准备。Karpathy程序员正在经历一场9级地震感到AI恐惧的不仅是小白还有大佬。就在刚刚前特斯拉AI总监、OpenAI联创Karpathy表示自己被强大的外星科技震撼到了他口中这个「被递到人类手中的强大外星武器」就是AI。而且他直言——我从未觉得自己作为程序员会如此落后。他深深感觉到随着程序员贡献的代码越来越稀疏和零散这个职业正在经历剧烈的变革。他遗憾地表示如果能妥善串联起过去一年左右涌现的新工具自己的能力本可以提升十倍但如果无法掌握这种强化那就是技能上的缺陷。Karpathy总结说如今我们面临着一个全新的、必须掌握的编程抽象层它叠加在原有的技术栈之上其中涉及智能体、子智能体、提示词、上下文、记忆、模式、权限、工具、插件、技能、钩子、模型上下文协议、语言服务器协议、斜杠命令、工作流、IDE集成……更迫切的是我们需要构建一个全局心智模型以理解这些本质上具有随机性、易出错、难以捉摸且不断演变的「智能实体」的优劣与陷阱。而现在它们突然与传统严谨的软件工程交织在了一起。最后Karpathy惊呼显然某种强大的「外星工具」已被交到我们手中但它没有说明书每个人只能靠自己来摸索该怎样持握和操作这个工具。用他的话说这个9级地震正在撼动整个行业撸起袖子吧别被甩在后面。Anthropic工程师Boris Cherny在他的评论下说自己现在每周都会这么觉得。每当自己手动处理某个问题的时候最后都会发现Claude可能能搞定这个。Karpathy表示自己也有类似经历。你到处晃这个武器的时候它可能会走火但如果能握持得恰到好处一道强大的激光就会射出来直接熔化你的问题在AI制造的垃圾代码中程序员绝地求生「AI不会抢你的饭碗但会用AI的人会。」自2023年10月以来这句话几乎成了英伟达CEO黄仁勋的标志性口头禅。在随后两年的科技浪潮中这句格言被无数次引用成为了悬在每一位开发者头顶的达摩克利斯之剑。时间来到2025年末预言似乎正在以一种令人困惑且矛盾的方式应验。一方面谷歌的一项全行业调查显示高达90%的科技岗位现在都在使用人工智能工具。而在2024年这个比例仅为14%。但另一方面IBM、亚马逊等巨头正在疯狂裁员而留下的幸存者们正被淹没在一场由AI制造的、充满了Bug与漏洞的「技术债务海啸」之中。如今我们要面对的可能不仅仅是就业市场的洗牌更是一场关于软件工程本质的危机。屠杀进行时「码农」的灭绝与「开发者」的幸存正如前文所说如果你是2026届的应届毕业生你面对的可能是几十年来最严峻的就业市场。根据美国大学与雇主协会NACE发布的《2026就业展望》雇主们的悲观情绪已达到2020年以来的最高点。https://www.naceweb.org/research/reports/job-outlook/2026/#data这里有一个极具讽刺意味的数据对比揭示了AI对行业的精准打击。根据美国劳工统计局的数据在2023年至2025年间「程序员」Programmers就业率暴跌了27.5%。这类工作通常指根据既定规格编写代码工作性质独立且高度结构化。「软件开发人员」Software Developers就业率仅微跌了0.3%。这类工作更侧重于设计、架构和解决复杂问题。与此同时信息安全分析师和AI工程师的职位出现了两位数的爆发式增长。宾夕法尼亚大学职业服务中心的高级副主任Jamie Grant的分析一针见血。她警告那些追求软件工程职位的学生现在的职位不再仅仅是写代码那么简单了。雇主要求的是更高阶的思维能力、对软件开发生命周期的掌控以及那些AI无法替代的技能——比如理解客户那些模糊不清的需求。AI代码崩坏被神话的「屎山」制造机既然「程序员」的岗位正在减少那是因为AI把活儿干得更好了吗并没有。真相令人咋舌。AI软件公司CodeRabbit近期发布的一份震撼报告给盲目崇拜AI编程的行业泼了一盆冷水AI写的代码简直就是一个Bug满天飞的烂摊子。CodeRabbit分析了470个代码合并请求Pull Request得出了一个量化的结论人类代码平均每个请求包含6.45个问题。AI代码平均每个请求包含10.83个问题。换句话说AI生成的代码出错率是人类的1.7倍。https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report更令人担忧的是错误的性质。AI生成的代码中「严重」和「重大」问题的比例极高。尽管AI在拼写和语法上比人类强两倍然而一旦出错就会上升到那种——深层次的逻辑谬误、功能正确性缺失以及代码可读性灾难。CodeRabbit的报告指出这些问题正在像滚雪球一样累积成巨大的「长期技术债」。左右滑动查看此外安全公司Apiiro的研究也补上了一刀使用AI的开发者搞出的安全问题是不用AI的同行的十倍。因为AI经常在处理密码和敏感信息时「降智」导致受保护信息泄露。贝恩公司Bain Company在9月的报告中直言不讳尽管编程是最早部署生成式AI的领域但「成本节省并不显著」且「结果未能达到炒作的预期」。给AI擦屁股的荒诞现实这种「高产量、低质量」的特性正在根本性地改变工程师的日常工作。CodeRabbit的AI总监David Loker表示AI确实加速了产出但也引入了可预测、可衡量的弱点。这种变化迫使人类开发者不得不承担起一个新的角色——给AI「擦屁股」。7月METR的一项研究揭示了一个反直觉的现象对于经验丰富的开发者来说AI工具实际上拖慢了他们的进度。为什么因为程序员被迫变成了全职的「找茬专家」。他们需要像拿着显微镜一样去审查AI生成的那堆看似完美实则漏洞百出的代码。只要漏掉一个隐蔽的逻辑Bug整个系统可能就会崩溃。但这并不意味着我们应该抛弃AI。Jamie Grant将AI比作一套「外骨骼」想象一下它能让你轻松举起1000磅的重物。它应该是你工作的增强器强化你更高阶的批判性思维。NACE的数据支持了这一观点61%的雇主表示他们并未用AI简单地取代入门级岗位而是有41%的雇主计划利用AI来增强这些岗位。晋升阶梯断裂底层炼狱中的职场新人与此同时这场变革还带来了一个更为深远的危机新一代工程师该如何成长过去初级工程师通过做简单的、任务导向的「脏活累活」gruntwork来磨练技能逐步成长为独当一面的专家。但现在这些活儿被AI包圆了。https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025如今应届生们被迫卷入了一个「先有鸡还是先有蛋」的死循环如果基础工作都被AI完成了新人从入职第一天起就需要胜任更高阶的工作。但如果没有基础工作的锻炼他们又该如何获得高级工作的能力左右滑动查看对此Creating Coding Careers的创始人Mike Roberts警告说许多公司目光短浅只看重下个季度的业绩不愿投资培训新人。如果你不培训市场上的新入行者最终你就招不到中层骨干了这非常短视。谈判桌上没有AI到了2026年无论是对于身经百战的架构师还是刚刚走出校门的毕业生规则已经改变。依靠「默写算法」或「堆砌代码量」生存的时代彻底终结了。正如Jamie Grant所言学生和职场新人必须认清AI帮不上忙的地方在谈判桌上或拓展客户关系的关键时刻AI未必能陪在你身边。你依然需要展现出最高水平的个人能力。未来的工程师注定不能只是那个在角落里默默敲击键盘的「码农」。你必须进化你必须成为懂业务的战略家、严谨的安全审查官以及那个能够驯服「Bug制造机」的超级驾驶员。技术没有淘汰人类它只是残忍地剥夺了平庸者生存的权利。大模型入门学习教程 附PDF文档现在国内外关于大模型入门教程做的比较好的并不多这其实也是一件好事有难度和有门槛才能避免烂大街现在大模型入门教程热度最高的包括李宏毅老师、吴恩达老师、Datawhale开源社区等选择合适的入门学习教程能少走弯路抓住核心内容快速达到前沿的水平甚至是发表大模型相关的论文都是可以的这一期主要是给大家推荐李宏毅老师的最新课程大模型入门学习教程这个教程的主要内容如下总共11讲第1讲总体介绍这一讲主要介绍现在大模型作为生成式人工智能其发展的历史过程以及大模型落地的主要应用方向了解大模型主要学习什么内容难度不大简单看一下就行第2讲提示词和AI代理人首先介绍什么是提示词工程提示词就是人类和大模型交互的语言对于大模型的引导需要通过提示词来完成然后介绍如何引导模型进行思考比如COT是什么在模型训练过程中提供额外信息第3讲生成策略同一个问题多次询问大模型大模型会给出不同的回答如何提高回复的准确率以及稳定性是一个重要的大模型生成策略。了解大模型的生成概率与什么有关比如top_p, top_ktemperature等第4讲深度学习和Transformer这一部分先介绍一些深度学习基础内容大模型的模型都是深度学习模型了解深度学习中基础内容是有必要的比如损失函数反向传播梯度下降等然后介绍大模型的基础框架transformertransformer模型结构一定要非常熟悉很重要第5讲大模型评估和道德问题这一部分先介绍大模型的评估标准现在有很多benchmark从各个方面来评测大模型的不同能力评估指标很多开源的模型往往会选择有利于自己的指标进行展示然后介绍大模型中存在的道德问题因为大模型不能随意生成一些不符合道德社会文明的内容第6讲AI的可解释性给大模型一个输入只能得到一个输出但是我们并不清楚大模型的思考过程是怎么样的这个问题大模型是怎么思考的提升大模型的可解释性有助于后续研究如何提升大模型的推理性能像COT就是显式展示大模型的思考过程然后还可以让语言模型来解释语言模型第7讲视觉大模型常说的大模型都指的是文本大模型输入是文本输出也是文本而现实世界中可能我们的输入既有文本又有图片和视频输出也可能是多样化的视觉大模型就是能解决文本和视觉两种模态的大模型第8讲GPT-4o前面都是关于大 模型的理论这一部分是拆解一个完整的大模型是怎么样的以GPT-4o为例进行说明GPT**-4o是首个端到端多模态通用模型**是迈向AGI的一步能够实现文本音频和图片的多模态交互上面就是大模型的入门教程的所有内容学完这些可以去看看关于大模型微调大模型训练大模型推理加速RAG和Agent等相关的内容后面最好整一两个项目来实践一下上述资料获取1. 关注公众号【大模型应用开发LLM】领取即可获取2. 这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】