風險投資機構SignalFire最新發布的《人才現狀報告》中有一組反常識數據：2025年大型科技公司整體招聘量較2019年下降25%，但工程師佔全部新招聘人數的比例卻從46%飆升至55%。NVIDIA CEO黃仁勳也直言，全員使用智能體AI後「軟體工程師比以往更忙碌」，AI取代工程師是「完全的無稽之談」。在「AI替代論」甚囂塵上的當下，工程崗位展現出的最強韌性與其他基礎崗位面臨的斷崖式下跌形成了強烈反差。這背後究竟是發生了什麼？
縮水的大廠HC與逆勢擴張的工程師
過去兩年，科技行業的裁員新聞幾乎從未間斷。從社交媒體到財經媒體，AI被頻繁列為科技公司縮減人員規模的主因。然而，SignalFire對包括Alphabet、Meta、蘋果、亞馬遜、微軟、NVIDIA等12家科技巨頭的追蹤數據揭示了一個被情緒化敘事掩蓋的事實：大廠並非停止招人，而是在進行極端的結構性優化。
2025年科技巨頭整體招聘量較2019年下降25%，這是一個宏觀層面的縮招信號。但如果將招聘數據按職能拆解，分化極其劇烈。工程崗位的招聘量僅下降11%，遠低於平均水平。更核心的變化在於佔比，工程師在全部新招聘人數中的比例從2019年的46%升至55%。這意味著，科技巨頭每招兩個人，就有超過一個是工程師。
與工程崗位韌性形成鮮明對比的是初級崗位和非技術職能的萎縮。SignalFire報告指出，Big Tech的新畢業生招聘比例僅佔7%，較2019年疫情前水平暴跌超50%。同時，招聘、產品、銷售等非技術職能持續萎縮。早期初創公司則呈現出另一種極端，它們比2019年多招聘了7%的工程師。
這種結構性優化的底層邏輯並不複雜。在生成式AI爆發前，科技公司維持著龐大的人員規模以支撐業務擴張和功能迭代。大量的初級工程師和執行類員工負責處理基礎的開發任務、測試用例編寫以及日常維護。當AI工具能夠以極高的效率完成基礎代碼編寫、文案生成、客服應答甚至部分銷售線索篩選時，企業不再需要龐大的初級執行團隊。相反，為了將這些AI能力深度集成到現有業務線中，構建基於AI的新產品，企業對具備系統架構能力和AI工具使用經驗的資深工程師需求激增。SignalFire研究主管Asher Bantock表示，若AI真在替代工程師，工程招聘應首當其衝下滑，但現實恰恰相反。
對於投資與產業觀察者而言，這一數據傳遞的信號十分明確：科技巨頭的資本支出和人力投入正在從「橫向擴張」轉向「縱向深化」。過去是堆人力搶地盤，現在是集中資源打造AI時代的底層基礎設施和應用生態。工程師不再是單純的成本中心，而是決定企業能否在AI浪潮中生存的槓桿支點。
越高效越缺人：傑文斯悖論在代碼世界的驗證
為什麼AI提升了編程效率，工程師的需求卻沒有減少？SignalFire的分析認為，當前呈現典型的傑文斯悖論現象。
19世紀經濟學家威廉·斯坦利·傑文斯在研究煤炭消耗時發現，蒸汽機效率的提升並沒有減少煤炭的使用量，反而因為蒸汽機變得更經濟實用，被應用到更廣泛的場景中，導致全球煤炭消耗量暴增。這一悖論在當下的代碼世界得到了完美驗證。
AI輔助編程工具讓編寫基礎代碼的成本和時間趨近於零。企業並沒有因此裁掉程序員減少開發量，而是因為「軟體變得極其廉價」，開始將AI集成到所有業務線中。過去因為開發成本過高而被擱置的需求被大量釋放，系統複雜度呈指數級上升。工程師的工作邊界被無限拓寬。
黃仁勳在近期的公開發言中詳細描述了這種變化。他指出，公司全員使用智能體AI後，AI正在「微觀管理」員工，軟體工程師「比以往更忙碌」。AI並沒有取代工程師，而是推動工程師轉向更高階的創意與架構工作。工程師不再是單純的「代碼打字員」，而是變成了「AI包工頭」和系統架構師，需要處理更多的Agent編排、系統集成和代碼審查工作。
在這個過程中，一個關鍵的技術概念正在重塑工程師的日常工作流，那就是Harness。在當前的AI工程語境下，Harness通常指代「工具鏈、腳手架或編排框架」。它負責將大模型的通用能力封裝、調度並落地到具體的業務流中。當大模型本身的能力趨於同質化時，競爭的主戰場已經轉移到了模型之外的Harness層。工程師的核心工作之一，就是構建和維護這些Harness系統，確保AI Agent能夠穩定、安全地在企業內部環境中運行。這涉及大量的接口對接、權限控制、異常處理和上下文管理任務，極大地增加了系統架構的複雜度。
這種轉變在OmniTools站內的工具熱度與開發者情緒分析中得到了微觀印證。2024年至2025年間，站內AI編程與代碼助手類工具的瀏覽量和收藏量呈現陡峭的上升曲線。但在用戶評論的情緒分佈上，並非一邊倒的樂觀。正向反饋集中在「基礎CRUD代碼不再需要手寫」「原型搭建速度翻倍」。負向反饋則直指工作強度的變化。
在Reddit和Hacker News等開發者社區，許多資深開發者對黃仁勳「工程師更忙碌」的言論感到無奈。他們指出，AI雖然省去了寫基礎代碼的時間，但帶來了無盡的「屎山代碼審查」。AI生成的代碼往往包含幻覺和隱藏的邏輯漏洞，工程師需要花費大量精力進行複雜的Prompt調試和系統級Bug排查。具體而言，當AI生成的代碼片段被集成到大型項目中時，往往會出現上下文丟失或類型不匹配的問題。工程師不能盲目信任這些代碼，必須逐行審查其邏輯正確性、安全性和性能影響。這種審查的認知負荷遠高於自己從頭編寫，因為你需要理解AI的「黑盒」推理路徑。
此外，調試AI Agent的工作流也是一項極度消耗腦力的任務。一個複雜的Agent可能涉及多輪對話、工具調用和外部API交互。當Agent表現異常時，工程師很難像調試傳統代碼那樣設置斷點單步執行，而是需要分析大量的日誌和中間狀態，甚至反覆修改系統提示詞來糾正Agent的行為偏差。工作性質從重複的「體力勞動」轉向了高強度的「腦力透支」。工程師的數量需求沒有減少，但單位時間內的認知負荷大幅增加。
也有部分開發者對傑文斯悖論的長期有效性表示悲觀。他們認為，當AI代碼能力跨越「奇點」，不僅能寫代碼，還能自我驗證、自我Debug、理解全局業務邏輯時，傑文斯悖論將失效，因為AI本身就成了「架構師」，最終仍會減少對人類絕對數量的需求。但至少在2025年，AI仍是一個需要人類工程師駕馭的槓桿，而非獨立的創造者。
斷崖下跌的基礎白領：誰在被AI真實替代？
工程崗位的逆勢擴張只是AI職業衝擊波的一個側面。另一側，是基礎白領崗位正在遭遇的實質性替代。
第三方數據機構Bloomberry基於Revealera對Upwork平台500萬條公開帖子的追蹤分析顯示，在ChatGPT發佈後的15個月內，平台上的寫作類崗位數量下降33%，翻譯下降19%，客服下降16%。與這些萎縮崗位形成鮮明對比的是，後端開發崗位增長6%，前端增長4%，而Chatbot（聊天機器人）開發需求暴增2000%。這份第三方數據分析雖然不能代表全部就業市場，但精準反映了自由職業市場這一最敏感神經的真實變化。
為什麼是這三個崗位首當其衝？核心在於任務的結構化程度。寫作、翻譯、客服這三個崗位的基礎任務具有高度的規則明確性和重複性。AI在處理這類信息轉換和規則匹配任務時，邊際成本極低且質量已達到可用水平。企業發現，使用AI處理這些基礎任務的性價比遠高於僱傭人類。
這種替代不僅發生在自由職業平台，也正在企業內部悄然發生。Anthropic CEO Dario Amodei曾預警，AI可能在未來五年內消除50%的初級白領崗位。這並非危言聳聽，而是基於當前AI Agent能力的推演。
在具體業務場景中，AI Agent正在實質性接管傳統的執行團隊。以銷售領域為例，OmniTools曾分析過AI員工Viktor的案例。這個沒有人類銷售團隊的產品，靠AI Agent拿下了3萬家企業客戶，進賬2000萬美元。它替代的正是傳統的初級銷售、SDR（銷售開發代表）和實施團隊。這些崗位的核心工作是按照既定話術跟進線索、錄入數據、解答基礎問題，而這正是AI Agent的絕對主場。Viktor能夠全天候處理海量線索，並根據客戶反饋自動調整溝通策略，其效率和一致性是人類團隊難以企及的。
在行政與HR領域，類似的侵蝕也在發生。騰訊WorkBuddy等辦公Agent的崛起，撕開了基礎支援崗位被重塑的裂縫。HR的履歷初篩、行政的日程協調、報銷審核等流程化工作，正在被辦公Agent接管。編制並沒有被直接砍掉，而是通過自然流失和「隱形壓縮」實現了人員縮減。這些崗位的從業者並沒有被明確告知「你被AI取代了」，只是他們的工作內容被Agent剝離，最終導致崗位本身失去了存在的價值。當一名HR每天80%的工作都可以通過向WorkBuddy發送一條指令來完成時，這個崗位的編制存續就只取決於剩餘20%的非標準化任務是否值得保留一個全職員工。
溢價62%與淘汰出局：被AI劈開的兩條賽道
宏觀勞動力市場並沒有因為AI的衝擊而崩潰，而是呈現出普華永道在《2026全球AI就業晴雨表》中定義的「雙軌制勞動力市場」。
PwC的數據顯示，要求AI技能的崗位增長速度是整體市場的8倍（69% vs 9%）。更關鍵的是薪酬分化，AI技能帶來的薪資溢價高達62%。這不是簡單的技術升級帶來的短期紅利，而是勞動力價值評估體系的重構。
在第一條賽道上，是掌握AI槓桿的人。他們可能是熟練使用AI編程工具的資深工程師，也可能是能夠設計複雜Agent工作流和Harness系統的業務架構師。AI放大了他們的產出能力，一個人可以完成過去幾個人的工作量，因此企業願意支付更高的溢價。SignalFire報告中提到的科技巨頭寧願縮減整體招聘也要保住工程崗，本質上是在為這種槓桿效應買單。企業支付的不再是按工時計酬的勞動力成本，而是對系統設計能力和複雜問題解決能力的投資。
在第二條賽道上，是從事AI易於自動化的「規則明確型」任務的人。他們的工作被AI以極低的邊際成本替代，需求量斷崖式下跌。Upwork平台上寫作、翻譯、客服崗位的萎縮就是這條賽道的真實寫照。當任務可以被清晰地拆解為輸入、處理規則和輸出時，人類勞動力的不可替代性就趨近於零。
這不再是人與AI的競爭，而是「用AI的人」與「不用AI的人」的競爭，是高槓桿崗位與低槓桿崗位的競爭。市場正在被AI劈開，中間地帶正在消失。對於產業觀察者而言，這意味著未來的企業組織結構將趨於「啞鈴型」：一端是極少數的核心架構師和策略制定者，另一端是AI系統本身，而中間龐大的執行層將被大幅削薄。
拒絕雞湯：AI時代的職業死鎖與高強度生存
面對這種分化，空泛的「AI時代職業生存指南」或「人類終將戰勝AI」的雞湯毫無意義。我們需要直面當前職業市場中最殘酷的幾個現實。
首先是「經驗悖論」帶來的職業死鎖。SignalFire報告中提到一個殘酷現象：企業都在招能獨立產出的高級IC（獨立貢獻者），為了省錢和追求效率，實際上用資深工程師來填補初級崗位，或者乾脆讓AI做基礎工作。這導致應屆生和轉行者面臨「沒有經驗就找不到工作，找不到工作就沒有經驗」的死鎖。
這種死鎖對初級開發者的影響路徑是致命的。過去，初級開發者通過編寫基礎代碼、修復簡單Bug來熟悉代碼庫和業務邏輯，這是傳統的「學徒制」培養模式。現在，這些基礎任務被AI接管，初級開發者失去了在實戰中積累經驗的土壤。企業期望新員工能夠直接上手進行AI代碼審查和Agent編排，但這些高階技能恰恰需要大量的基礎經驗作為支撐。新畢業生招聘比例暴跌超50%不僅是數字的下降，更是傳統人才培養鏈條的斷裂。如何打破這個死鎖，是整個行業未來五年必須面對的系統性風險。如果無法建立新的初級人才孵化機制，行業將面臨底層人才枯竭的危機。
其次是工程師雖然擴招但工作強度被無限放大的現狀。傑文斯悖論保住了工程師的飯碗，但沒有保證他們的生活質量。從「體力勞動」轉向「腦力透支」並非幸事。審查AI幻覺代碼、調試複雜Agent工作流、處理指數級增長的系統集成需求，這些高認知負荷的工作正在重塑工程師的日常。AI時代的安全感不來自於輕鬆，而來自於不可替代的架構能力與高強度的人機協作。工程師需要適應從「創造者」向「審核者」和「編排者」的角色轉變，這要求更高的抽象思維能力和系統級視野。
AI並未殺掉工程師，反而讓他們成為了科技巨頭最倚重的核心資產。但它精準地打擊了那些規則明確、重複性高的基礎白領崗位，並在這個過程中劈開了一條雙軌制的勞動力市場賽道。在這個市場上，中間態正在消失，職業價值正在被重新定義。理解這種分化，比盲目恐慌或樂觀更重要。
