AI编程冲击软件工程：判断力取代执行力成为稀缺价值

1. AI取消了软件开发的“速度限制”

AI让生产代码的成本急剧下降，也取消了软件开发原本的“速度限制”。过去，一个功能从想法到代码需要大量讨论和设计，缓慢的过程构成了天然的工程约束。如今，工程师可以给AI一个需求，让Agent连续运行数小时，然后直接提交一个巨大的PR。

表面看，这种开发方式似乎有效——拉下分支、运行程序，能得到一个“基本能用”的结果。但危险在于，代码背后的知识并没有以同样速度进入人的大脑。文章举例：一个周末后，团队产生了7个待审查的PR，其中一个新增24,506行、删除3,938行，附带的AI说明只模糊描述了代码“理论上”完成了什么。写代码的人自己也不知道为什么这样设计，因为真正做决定的可能是一段几十轮的AI对话。

技术债被隐藏在功能背后。就像用信用卡买一辆豪华汽车，旁观者看到的是漂亮的新车，而不是债务。生成代码容易，但理解代码的负担却留给了人类。

2. AI放大了工程师能力差异

软件行业一直存在能力差异，但AI将这种差异同步放大。现在，任何人一天都能制造出过去很长时间才能产生的代码量。一个能够提交2.5万行PR的工程师，本应在Agent生成几百行代码时就停下来理解、拆分、质疑；Reviewer本应拒绝审查大到无法认真审查的PR；决定引入Kafka的人本应回答“为什么需要Kafka”。这些常识在AI时代变得更加重要。

核心矛盾在于：制造复杂性的成本被AI大幅压低，但消除复杂性的成本没有同步下降。技术债的积累速度远超偿还速度。一个人下午可以生成2万行代码，但另一个人需要坐下来理解这些代码到底做了什么。软件组织可能获得更高的代码吞吐量，却不一定获得更高的工程生产率，因为真正瓶颈从“写代码”转移到了“理解代码、验证决策和控制复杂性”。

3. 判断力成为工程师的核心价值

企业愿意为优秀工程师支付高薪，从来不只是因为“把需求翻译成代码”的能力。如果只是根据规格实现功能，全球外包的成本远低于硅谷。真正昂贵的是做出正确决定：知道何时该增加数据库、何时该引入抽象层、系统增长十倍后会怎样、哪些技术债可以暂缓而哪些会变成灾难。

AI降低的是Implementation（实现）的成本，但软件工程真正稀缺的是Judgment（判断）。因此AI可能不会让所有工程师一起贬值，而是会拉大工程师之间的价值差距。

4. 软件工程“中产阶级”被挤压

AI正在改变工程师的薪酬结构。一个工程师首先需要跨过新的最低能力门槛：你提供的价值至少要超过当下最强模型直接提供的价值。如果Agent已经能根据需求生成基本代码，那么“能写代码”本身就不再是稀缺能力。

顶尖工程师借助AI可以极大提高执行速度，不再需要那么多初级工程师来辅助实现。能力较弱的工程师则变得更昂贵——不是工资高，而是他们制造错误的速度也被AI加速了。夹在顶尖工程判断与可被模型商品化的基础实现之间，那些主要靠执行能力获得不错收入的人，面临的压力最大。

5. 风险不是Vibe Coding，而是Vibe Engineering

AI大幅降低编程门槛，对个人项目、原型验证、一次性工具是好事。但当Vibe Coding进入复杂、长期运行、承载真实业务的生产系统，就可能演变成“Vibe Engineering”：代码能跑就行，模型说合理就行，测试通过就行，至于为什么这样设计、未来会有什么后果，没有人真正负责。

技术债不是问题，问题在于团队不知道自己正在积累技术债。只有知道哪里存在债务，未来才有机会偿还。真正危险的是，团队通过AI不断引入自己都没有意识到的复杂性，成为一笔没人知道存在、没人知道本金多少、也不知道利息何时爆发的隐藏负债。

6. AI编程瓶颈从代码生成转向代码理解

行业过去几年都在竞争代码生成速度——Copilot、Claude Code、Codex和各种Coding Agent都在比拼AI能替开发者完成多少工作。但生成能力提升几个数量级后，新的瓶颈浮现：人类有没有能力理解AI生成的系统？

代码生成可以并行，理解却很难并行。Agent可以在几分钟内修改几十个文件，但Reviewer仍需理解这些修改间的依赖关系；模型能迅速引入新服务，但生产事故仍要人来判断问题出在哪里。生成速度和系统复杂度被AI推高，而人的理解能力没有同步增长。

因此，下一阶段真正稀缺的产品，可能是帮助人类控制AI产生的复杂性的工程基础设施，而不是更快的Coding Agent。

7. 知识工作的价值将重新分配

文章认为，同样的结构会出现在大多数白领职业中：AI让最好的人更高效，同时让能力较弱的人更难被雇佣。AI既放大正确判断，也放大错误判断，因此判断力比执行力更重要。如果你没有能力判断LLM的建议是否合理，再问一次LLM不会自动获得这种判断力。

“团队里最终仍然需要有人真正知道正在发生什么，而这个人会成为团队里最有价值的人。”当AI把普通人的执行能力大幅提升，稀缺的能力变成了：知道什么代码不应该写，判断任务本身是否值得完成，以及在所有人都能得到答案之后，仍然有能力判断什么是对的。

AI对就业市场深远的冲击可能不是大规模失业，而是知识工作内部的价值重新分配：Implementation变便宜了，Judgment变得越来越贵。夹在两者之间、主要依靠执行能力获取收入的那批知识工作者，就是AI时代面临压力的“中产阶级”。