谷歌内部对程序员职业的几个关键判断

写写 HN 上前两天刷屏的文章，谷歌的研发总监 Addy Osmani 聊到了未来两年内工程师发展的几个关键判断。我个人觉得还是很有见地。 其实这些建议，对于非工程师群体也同样适用。我就写写自己的总结，当然这里面有很多都是我自己的理解。大家想看原文的话，可以搜索： The Next Two Years of Software Engineering 第一，入门级工作最容易被 AI 自动化。 所以企业会觉得同样的钱，为什么要雇一个需要培养的新人，而不是买更便宜的 AI 工具，或者让一个资深 + AI 顶过去？ 这不是猜测，哈佛有一项研究追踪了 6200 万工人的数据。 发现企业采用生成式 AI 之后，初级开发者的雇佣量在六个季度内下降了大约 9% 到 10%，而资深工程师的雇佣几乎没变。大厂过去三年招的应届生数量直接砍了一半。 对于初级工程师，他的建议是： 别把自己包装成需要培训的新毕业生，而要证明“我 + AI”能立刻干活。 同时把 AI 当增幅器但尽量理解代码，去补齐 AI 不擅长替代的部分，比如沟通、拆解问题、领域知识，并且用作品集证明自己的能力。 当然，他也提到一个容易被忽视的长期风险：今天的初级工程师是明天的技术领导者。如果整个行业都不培养新人了，五到十年后会出现领导力断层。 有人把这叫做慢性衰退，一个不再训练接班人的生态系统。所以如果你是公司的 CTO 或者管理者的话，发现团队新的工程师比较少，要注意调整。 第二，千万别把基本功扔掉。 越来越多的工程师开始常态化用 AI 写代码，大家遇到问题第一反应不是自己写、自己查，而是先问 AI、让 AI 搞定。这确实是更高效的方法。不应该排斥。 但你想过没有，入门级程序员可能从来没有从零实现过一个二叉搜索树，没有自己定位过内存泄漏。 这种路径有点像孩子做作业的时候，总是诉诸 AI 拿到答案。最后，作业做完了，做的也很好，可他却不懂这块的知识。 等真正着急用的时候，发现自己一头雾水。 如果工程师总是跳过很多基本功训练，比如理解基本的数据结构和算法、自己定位内存问题、Debug 的能力，这样做的风险是，当 AI 搞不定的时候，自己也会搞不定。 毕竟 AI 代码会带来隐蔽 bug 和安全漏洞，经验不足的人可能看不出来。