|
“浪潮已至，写代序唯有奋力向前游。厂程” 文丨祝颖丽 2026 年第一季度，写代序亚马逊、厂程Meta 等十余家海外科技巨头合计裁员超 4 万人，写代序程序员成为受影响最大的厂程群体。核心逻辑清晰且残酷：在所有职业中，写代序AI 最擅长的厂程便是编程。在 Meta，写代序手写代码已成为历史；谷歌于 4 月宣布，厂程其 75% 的写代序新增代码由 AI 生成。 中国互联网行业迅速跟进。厂程去年下半年，写代序多数大厂 AI 代码生成率仅为 20%-30%；今年，厂程随着国产大模型 Coding 能力的写代序跃升，部分大厂新代码中 AI 生成比例高达 90%。人力需求随之锐减。然而，鲜有中国公司公开承认因 AI 替代而裁员，更多采取“不招新人、不续签合同、业务重组”等柔性手段，进行持续的人员汰换。 过去一个月，我们深入访谈了十多位来自阿里、腾讯、字节、美团、B 站、得物等主流互联网公司的程序员，以及从大厂流向外企、国企的前从业者。他们涵盖后端、数据架构、算法等岗位，资历从新人到技术骨干不等。尽管背景各异，但他们的叙述呈现出惊人的共性：
然而，留下的唯一前提，是有人先一步离开。 630：共同的 Last Day2026 年春节，技术管理者张锐过得颇为压抑。他手下管理近百人，年前突然接到裁员通知，部门被分配了近 25% 的名额，要求他在假期完成人员盘点。 张锐感到诧异。当时公司各业务线仍有利润，且 AI 工具虽已普及，但内部新的工具链、协作模式及组织架构尚未建立，流程并未跑通，裁员显得过于草率。 过去几年，“降本增效”是互联网常态，但此次通知之突然、比例之高（激进部门甚至达 50%），令张锐陷入两难。他不得不逐一权衡下属命运：绩效优劣、潜力大小、AI 工作流融入程度以及对新技术的敏感度。 年后开工前几周，裁员正式执行。场景千篇一律：张锐与 HR 在小会议室内，逐一约谈员工，沟通方案、交接工作及赔偿事宜。有人不解，有人崩溃，张锐只能无奈应对。这一自上而下的决定缺乏充分沟通，公司未发布解释性邮件，消息沿管理链条层层下达，对他而言，这只是一项必须执行的任务。 那是张锐职业生涯中最漫长的两天。他机械地重复着谈话、核算赔偿和心理疏导，直至麻木。但某些时刻仍刺痛人心，例如面对家中独子、父母患病、极度依赖这份工作的员工。 两个多月过去，冲击余波未平。对上，他仍认为公司策略“过于激进”，对缺乏沟通的处理方式感到失望；对下，他只能重复“无能为力”。但他逐渐意识到，所有人都在做同一件事，只是时间早晚不同。 6 月，裁员已成常态。 6 月 30 日（630），成为许多人共同的离职日。 赵舒，上海某大厂前端工程师，端午前夜收到裁员通知。她自认绩效良好且薪资非最高，第一反应是愤怒。 裁员的直接原因是 AI 冲击。她负责商家端业务，此前由后端提需求、她写页面。如今后端可直接利用 AI 生成前端代码。过去两三个月，她的需求骤减，最后一个月甚至无活可干。 赵舒去年刚休完产假，曾为平衡家庭与工作痛苦不堪。面对 AI 取代工作的焦虑，她本已调整心态，准备在新业务中重新“内卷”，却没想到连卷的机会都被剥夺。 她自责不够敏感、不够快。但在未裁员者眼中，敏感并不能带来安全感，只会让恐惧提前降临。被裁者至少获得了确定的结果，而更多人正持续遭受煎熬。 AI 提升两倍效率，工作量却增至三倍李浩，美团资深后端工程师，正等待合同到期。他推测自己可能撑到 7 月底，届时不会续签。 自 3 月起，李浩感受到强烈的自上而下紧迫感。他提及美团内部流传的故事：王兴会见 AI 大佬后，在管理层会议上表示，水已涨至高处，“无论扑腾与否，都要尽快学会游泳。” 此前，部分人对 AI 生成代码持怀疑态度，但在强力推行下，两周内团队 AI 代码率从 10% 飙升至 70%-80%。李浩据此判断，裁员不可避免，只是时间问题。 创始人的话语迅速转化为具体工作压力。公司要求各部门探索 AI 标准化流程、沉淀技能、开发 AI 工具。每个团队都被要求将 AI 与业务结合，产出新想法，哪怕仅是未跑通的 Demo，也要证明投入过、尝试过。 李浩的痛苦源于压力传导方式。他担忧的不是 AI 本身，而是这种模糊目标下的盲目推进。团队每天需绞尽脑汁思考“如何结合 AI”，并面临横向比较的压力——其他团队的进展、Leader 对 AI 的理解深度，都成为焦虑源。 压力之下，李浩出现记忆力衰退，整夜失眠，感觉被困住。 在字节跳动，类似焦虑蔓延。江同，2023 年校招入职，原以为团队氛围良好，但 3 月起，领导层密集倡导 AI。新文章、文档、工具、方法论铺天盖地。需求未做完，新资料又至。 AI 改变了团队氛围，人人“疯魔”，争相学习，唯恐落后。事实上，单一工具并未立即改变现状，但自上而下的焦虑让无人能幸免。 不久，江同所在“相对边缘”的团队开始考核 AI 代码率及使用情况，数据写入上级 OKR，并通过专门网站实时统计。在阿里淘天集团，高层推动统一看板，全员 AI 使用数据公开透明。 为弥补经验不足并抢占先机，江同利用 AI 节省的时间学习 AI 生成的代码。每晚下班后 1-2 小时，他逐行分析 AI 代码风格与逻辑，以便更好地与 AI 协作。不懂的前端领域，他也通过 AI 补齐知识空白。 像江同一样，许多使用 AI 的人反而更累。周铭，得物算法工程师，八九成代码由 AI 生成，但老板预期改变：原需十天完成的工作，现要求三天搞定。“公司目的是提效，而非让你轻松，因此工作量只会增加。” 工作模式发生根本变化。过去一线开发专注单一任务，现在需同时监管多个 AI 并行任务。人需定期查看结果、判断、纠偏、验收。精力未同步放大，AI 虽能生成更多代码和方案，但最终判断可用性、风险及业务匹配度的仍是人。执行提效，但决策与责任未消失。周铭自嘲像“自动驾驶安全员”，车虽自动行驶，人仍需对结果负责。 上下游协作亦受阻。上游同事直接丢来 AI 生成的文档或代码，未经认真校验。表面看交付完成，实则可能含性能、逻辑错误或不符合业务需求，审查与返工成本转嫁至下游。 裁员后，张锐面临更难局面：用剩余人力支撑所有工作。他砍掉非必要项目，重新分配责任人。AI 在此过程中被极致利用。“这是一种倒逼逻辑。”他总结道。 经历风波后，张锐意识到趋势不可逆转。既然浪潮已至，唯有尽力游在前面。 成为加速自我淘汰的工具周末午后，阿里西溪园区，何川仍在工区工作。他说，这是“AI 焦虑带来的忙碌”。过去三年，阿里高喊“All in AI”，前年仅零星探索，去年立项，今年则“全员为 AI 打工”。 每个人都渴望与 AI 挂钩。开发 AI 项目、构建自动化工具、提升业务效率，都可能成为新的安全感来源。大家隐约知晓，若裁员来临，懂 AI、能产出 AI 结果者更易留下。何川亦焦虑忙碌。 在阿里，何川团队将日常业务称为“旧城”，AI 相关业务称为“新城”。幸运的是，他身处“新城”，若能在半年至一年内取得成果，绩效有望提升。 但这是一种悖论。何川开发内部 Coding Agent，旨在实现从需求到上线的自动化。若成功，将加速自身被淘汰。此刻他无暇顾及，更焦虑的是，不同团队、不同职级的人都在做类似工具。 P7 追求点级自动化，P8 追求面级业务，P9 规划更大自动化平台。何川作为低职级员工，刚构思小工具，高层可能已覆盖。他感觉身处内部“大逃杀”。 有时绝望，却无法躺平，因为老板更焦虑。为保地盘，老板需稳住老业务员工，将好绩效分给“旧城”同事；同时需证明团队在 AI 时代价值，不断推动团队寻找 AI 新产品优势。 何川吐槽：“每个人都想在 AI 时代占据一席之地，但结果可能并无你的位置。你非要占，只能是硬占。而你硬占的地方，可能根本不存在。”他认为，仅少数人走在正确道路上，大多数人只是陪跑的牺牲品。 他理解老板。向上汇报需摘亮点、讲独特性。但他感到无力，认为这些自动化产品技术壁垒不高。业务团队能想到的，通用 Coding 工具也能做到；通用工具未做的，往往是不合理需求。 入职近十年，何川仍不适应职场规则：服从与执行。起初，他因老板要求“行业领先”而争论，后发现无效，只能拖延。老板情绪亦不稳定，时而责骂，时而借吐槽宣泄焦虑，寻求理解。 何川自身亦矛盾。工作不适，但离开大厂又担心无法适应，不舍稳定与高薪。他知卷不出结果，但在结果明朗前，仍不舍 50% 的好绩效概率，或裁员时丰厚的“离职礼包”。 更让他绝望的是看清终局。“太确定了，AI 终将取代绝大多数程序员，目前仅受限于模型能力，变革尚未彻底。”何川认为，安全期仅剩一两年。 “下坡时要开心”朱江对未来保持罕见平静。他记得《人月神话》中的观点：项目人员越多，效率越低。 他认为，未来可能只需过去五分之一的工程师，80% 的人将被淘汰。共识在于，Token 成本将更低，模型更强，公司可用更少资金获更好效果，这与员工涨薪需求背道而驰。 目前在外企的朱江，失业风险尚低，但他相信迟早会发生。“早晚而已。”入行 11 年，他觉得自己虽未吃到最多时代红利，但也已知足。 高中时误选计算机专业，彼时土木热门，计算机被视为泡沫。谁知移动互联网兴起，行业续命多年。相比同学，他多赚多年，处境优越。他认为，人走运一次足矣，当年被时代嘉奖，如今遇变，最佳心态是“接受”。“我们或许如工业革命后的纺织女工。” 朱江指出，程序员群体一直擅长学习，习惯技术迭代，习惯将新生产方式用于自身。某种意义上，是程序员亲手打造了改变行业的工具。他相信，旧岗位消失，新人将围绕新工具、新组织、新机会重新聚集。 高虹，Shopee 前端工程师，去年 4-5 月老板已察觉风险，推动 AI Agent 项目。一年多来，从立项到落地，从数据采集到建立 Benchmark 及过程指标，她全程参与。因此，得知被裁时，她先震惊，后迅速调整心态。 一位老板告诉她，从前端“卷”出头的难度极大，即便无 AI，行业上升通道也已收窄。但 AI 带来了新机会点，大家在新赛道起跑，只要比旁人懂多一点，就业市场便有优势。 几年前面试字节时，高虹常感技术被“问住”。如今以 Agent 工程师为目标，她发现面试官常不如她懂。 近期，她与多家创业公司交流，涉及游戏、金融等垂直领域 Agent。对方抛出具体业务场景，探讨流程设计、效果判断及潜在错误。面试如共同推演，虽非完美，但对方宽容，因该领域无标准答案，方案皆需尝试。 在此过程中，高虹重获兴奋感。前端知识边界已熟，甚至倦怠；而 AI 与 Agent 领域仍有大量探索空间，让她重拾技术热爱，使被裁后的日子未坠入单一失败感。“很多时候，机会与看似悲观之事并存。” 被裁后，赵舒未真正休息。最后几天，她常加班至晚八点半，准备简历，学习新知，等待面试。如今纯前端机会几近消失，市场更多需求为“全栈工程师”、“AI 应用工程师”。她开始学习 Python，补齐全栈技能。 焦虑必然伴随。近日她一度失眠，强忍不看手机，方在天亮前小憩。 面试给了她信心。面试官几乎全问 AI 相关问题，因她在公司积累的经验走在前列。虽未获 Offer，但她自认有 70% 把握。丈夫安慰道：“上坡时要努力，下坡时要开心。” 赵舒今年 32 岁，自认仍在上坡期，不敢停歇。 (文中受访者均为化名) 题图来源：《鱿鱼游戏》 |
