AI 没先杀死程序员，招聘数据反而把工程师抬高了

5 月科技裁员冲到多年单月高点。Challenger 的数据里，AI 是企业解释裁员时最常提到的理由。

照这个叙事，程序员应该最危险。但 SignalFire 看招聘口径，结论反着来：2025 年，工程岗位是科技招聘里最抗跌的一类。公司招人少了，工程师占比却更高了。

这组数据不能证明“AI 不会影响程序员”。它只能说明一件更现实的事：企业没有停止购买工程能力，只是在重新定价工程师。

招聘账本比裁员话术更冷

SignalFire 追踪数百万员工的职业变化，覆盖 8000 多万家公司。它没有主要看裁员数据，因为被裁员工更新状态往往滞后；它看招聘，观察企业现在愿意把钱投到哪里。

几个关键数放在一起，反常点就很清楚：

这里的“大厂”，是 SignalFire 定义的 12 家 Tech Majors：Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、NVIDIA、Tesla、Uber、Airbnb、Block、Stripe。

这不是全行业就业统计。它更偏科技公司和创投视角，也不覆盖所有软件工作场景。结论要收住：目前能看到的是，科技公司招聘里，工程岗位比其他岗位更有韧性。

但这已经足够说明问题。企业嘴上说 AI 替人，账本上却更集中买工程能力。裁员理由里有技术变化，也有成本控制和叙事包装。不能把“公司提到 AI”直接等同于“AI 已经替掉这些人”。

AI 没让工程消失，它让强工程团队更贵

黄仁勋讲过一个很有意思的观察：NVIDIA 工程师用了 agentic AI 后更忙了。因为代码写得更快，人会不断产生下一个想法。

这句话有老板话术的味道，但和招聘数据能对上。

软件工程的瓶颈，从来不只是敲代码。需求拆解、系统设计、调试、上线、维护、取舍、和业务目标对齐，这些才是真成本。AI 能加速一部分工作，但加速之后，公司通常不会说“少做点”。它会说：那就多做点。

这就是杰文斯悖论的老故事。煤炭使用效率提高后，英国工业没有少烧煤，反而烧得更多。今天的软件工程不完全一样，但那条经济逻辑相似：当生产成本下降，需求可能被放大。

天下熙熙，皆为利来。公司不是突然更爱工程师，而是发现强工程团队配上 AI，产出杠杆更高。

所以工程师的位置变了。

过去，一部分工程岗位被当作执行成本：排需求、写功能、修 bug、补人力。现在，能把 AI 工具接进开发流程、能做架构判断、能把模糊需求落成系统的人，会更像产能放大器。

这对资深工程师是利好，但不是躺赢。AI 把低层重复劳动压薄，也把对判断力的要求抬高。只会完成明确任务的人，会被更便宜的工具和更强的同事一起挤压。

受影响最大的是新人、团队负责人和投资人

软件工程师最该看清的，不是“岗位会不会消失”这个大问题，而是自己的工作能不能穿过 AI 这层筛子。

对在职工程师，动作很具体：少把安全感放在单点编码速度上，多补系统设计、代码审查、调试能力、产品理解和 AI 工具链使用。能把 agent、代码生成、测试、部署串起来的人，会比只会交付一段代码的人更难替代。

对初级工程师，压力更硬。过去新人可以靠基础实现、重复任务、边做边学进入团队。现在这些任务更容易被 AI 和资深工程师吃掉。工程总需求强，不代表新人入口不会变窄。

对创业者和投资人，这组数据也有用。不要只听公司说“我们用 AI 提效，所以少招人”。要看两个更实的指标：工程招聘占比有没有上升，产品迭代速度有没有真的变快。只裁人、不增产，那不是 AI 杠杆，是费用表好看了一点。

接下来最该盯两个变量。

还有一个限制不能省。SignalFire 数据显示的是当前招聘偏好，不是长期安全证书。AI 工具还在进化，企业组织也会继续调整。今天工程岗抗跌，不代表每个工程师都抗跌。

开头那个反常点，到这里就不反常了：AI 没有让科技公司不需要工程师，它让公司更想要能把 AI 变成产出的工程师。

模型看着在替人，企业真正做的是筛人。筛掉低价值执行，留下能把工具变成结果的人。