没有人知道答案，但数据在说话

GitHub 在 2024 年的调研显示：使用 GitHub Copilot 的开发者完成任务平均快 55%。85% 的受访者表示对代码质量更有信心。这些数据来自真实的工程环境，不是实验室。

但这和”取代程序员”是两回事。

AI 擅长什么

今天的 AI 编程工具在以下场景表现出色：

  • 样板代码：CRUD 接口、配置文件、数据模型——AI 比人快 10 倍
  • 正则表达式和 SQL：人类最不擅长、AI 最擅长的领域
  • 测试编写：给定函数签名和行为描述，AI 生成覆盖全面的单元测试
  • 格式转换：JSON ↔ YAML ↔ XML，或者语言 A 的代码翻译成语言 B
  • 文档生成：从代码生成 README、API 文档、变更日志

这些场景的共同点是：输入和输出之间的映射是清晰的。

AI 不擅长什么

同样重要的是搞清楚 AI 当前做不到什么：

  • 理解隐含的上下文：产品经理说”和其他模块保持一致”，AI 不知道”其他模块”是什么
  • 系统架构权衡：选择微服务还是单体？CAP 定理怎么取舍？这些没有标准答案的问题，AI 只能列出利弊，做不了决策
  • 调试深层的逻辑 bug：有时候 bug 和代码逻辑完全无关——是一个环境变量在某个 commit 被改了，AI 不知道这些
  • 团队协作的软技能：Code Review 时如何委婉地指出同事的问题、如何在技术方案评审中争取资源——这些事情 AI 帮不上忙

重新定义”编程能力”

真正值得焦虑的不是 AI 能不能写代码，而是我们对”编程能力”的定义在被重新校准。

五年前，“会用 Python 写爬虫”算编程能力。现在 AI 能 5 秒写完。那么会写爬虫还是编程能力吗？

编程能力的重心在迁移：

  • 从”写代码”迁移到”设计和验证”
  • 从”记住 API”迁移到”理解系统”
  • 从”写得快”迁移到”想得清楚”

一个能熟练使用 VSCode + Copilot 效率提升 的初级程序员，产出可能超过三年前的中级程序员。这并不意味着初级程序员被取代了，而是**“初级”的定义变了**。

我的判断

未来 5 年，消失的不是程序员这个职业，而是”不会用 AI 的程序员”这个物种。

如果你每天的工作内容可以通过清晰描述需求 + 审查生成代码来完成，那你的效率会大幅提升。如果你的价值在于理解复杂业务、做架构决策、推动跨团队协作——AI 会是你最好的助手，但不是替代品。

而 GPT 系列模型演进史 中描述的下一代模型可能只需要再提升一两个层次，就会让今天”AI 做不到”的列表继续缩短。保持学习不是可选项，是唯一的生存策略。