•
前特斯拉 AI 總監、OpenAI 顧問 Karpathy 和前亞馬遜和Google大神 Yegge 預言：未來十年，程式設計師身價只會漲
你刷著科技資訊，突然又看到那句老調重彈的斷言：“AI 將在 2026 年取代所有開發者。”可就在這時，OpenAI 聯合創始人 Andrej Karpathy 和亞馬遜、Google老將 Steve Yegge 卻給出了完全不同的預測。他們的觀點，直接顛覆了這種說法。
他們的看法？大家都想反了。
我這幾個月一直在密切使用 AI 程式設計工具，當這兩位大佬不約而同得出同樣的結論時，我就知道這事得好好琢磨一下。他們的觀點不僅和那些“末日論”截然不同，甚至可以說是完全相反。
他們是誰？為什麼值得你關注
Karpathy 可不是那種只會炒作 AI 的人。他是 OpenAI 的創始成員，曾任特斯拉 AI 總監，親手搭建了如今大家爭論不休的那些 AI 系統。AI 的侷限在那，他比誰都清楚。
Yegge 則是在亞馬遜和Google負責過核心基礎設施的老兵，那時候“規模”這個詞的含義和現在完全不同。如今他在 Sourcegraph，直接和企業團隊合作，把 AI 真正落地到生產環境裡——不是做演示，而是要讓程式碼真正在現實中跑起來。
當這兩位都看著 AI 程式設計的熱潮說“開發者不會消失”，我會認真聽。
顛覆認知的核心觀點
我突然明白了：這根本不是“取代”，而是“新一層抽象”。
想想看，現在還有多少開發者寫彙編？幾乎沒有。高級語言出現後，程式設計師的飯碗沒丟，反而行業爆發式增長——因為大家能更快地做出更複雜的東西。
Karpathy 和 Yegge 都認為，這個歷史正在重演。用 Yegge 的話說：“企業級軟體開發永遠都極其複雜，所以工程師和 AI 會聯手一起搞定它。”
關鍵詞就是“聯手”，不是“AI 接管”，而是“協作”。
現實中，這到底是什麼樣？
給你舉個實際例子。Karpathy 發明了一個詞叫“vibe coding”（氛圍程式設計），非常貼切地描述了現在的變化：
“現在有一種新型程式設計方式，我叫它‘vibe coding’，你完全順著感覺走，擁抱指數級提升，甚至忘了程式碼本身的存在。”
聽起來挺嚇人？其實操作很簡單。
Karpathy 做周末項目時，幾乎不碰鍵盤，直接和 Cursor Composer 對話：“把側邊欄的內邊距減半。”AI 就幫他改好了。看著沒問題，他就繼續。再也不用翻 CSS 檔案、偵錯邊距。
遇到報錯，他直接把錯誤資訊貼上給 AI，什麼都不說。“通常就能搞定。”
關鍵在於：這種方式是可以根據項目重要性靈活調整的。
隨便玩玩的周末小項目？全程交給 AI，自己只管氛圍。
企業級生產系統？就得像 Yegge 說的那樣用“監督式 AI”——AI 負責體力活，你全程把關、稽核。
同樣的工具，具體怎麼用，取決於你在做什麼，人工介入的深淺也隨之變化。
Yegge 的技術進化論（發展速度驚人）
Yegge 一直密切關注著這場變革。他大約一年前提出了“對話式程式設計”這個概念——也就是通過與 AI 對話來寫程式碼，而不是依賴自動補全。
但現在呢？“對話式程式設計還算主流，但智能體程式設計已經以指數級的速度超越了這種方式，效果遠勝以往。”
所謂智能體程式設計，就是讓 AI 能夠獨立完成整個工作流程，你只需在旁邊觀看。與其說“幫我寫個函數”，不如直接讓 AI “為這個應用建構使用者登錄功能，包括密碼重設”。
這場進步的速度令人咋舌。從自動補全到對話，再到自主智能體，前後不過一年半。
三大程式設計時代（我們正步入第三階段）
Karpathy 把這個過程分為三個清晰的階段：
第一代：你寫出詳細的指令。比如要排序資料，就得手寫排序演算法。
第二代：你給出示例，電腦通過學習樣本找出規律。比如要做圖片分類，就用成千上萬張帶標籤的照片訓練神經網路。
第三代：你用英語描述需求。比如要使用者認證，只需說“建立一個帶密碼重設功能的安全登錄系統”。
他的核心觀點是：“大語言模型（LLM）是一種全新的電腦，而你用英語來程式設計。”
這不僅僅是工具的升級，而是讓任何能清楚表達想法的人都能參與程式設計。產品經理可以自己做原型，設計師也能無需等工程師就搭建互動演示。
這不會取代開發者——而是讓所有人的能力成倍提升。
一個鮮有人提及的問題：參差不齊的智能
但我對此也有保留，Karpathy 的坦率讓人耳目一新。
AI 存在所謂的“參差智能”——它能解決極其複雜的問題，卻也會在簡單問題上犯低級錯誤。AI 可能能完美實現複雜演算法，卻又信誓旦旦地告訴你 9.11 比 9.9 大。
“目前，這一點尤其值得注意，特別是在生產環境中。要用 LLM 做它擅長的事，但要警惕那些‘參差邊界’，並始終讓人類參與把關。”
這也是 “AI 會取代所有開發者”這種說法站不住腳的原因。AI 有時極其聰明，有時又愚蠢得不可思議，且難以預測。生產系統無法承受這種不穩定，必須有人類監督。
經濟現實（已經在發生）
有一點你必須重視：“有些公司已經裁掉了 30% 不願意用 AI 的工程師。”
不是將來，而是已經發生。
“有錢的公司可以直接投入，但其他公司就要做艱難選擇——要麼承擔成本、要麼被競爭對手甩開、要麼裁員來彌補新開支。”
換句話說，如果一個用 AI 工具的開發者能頂仨人幹活，你覺得那兩個會被裁掉？
這不是理論，我現在就在現實公司裡看到這種情況。會用這些工具的開發者變得極其搶手，而忽視 AI 的人正在被淘汰。
你真正需要學什麼（和你想的不一樣）
真正重要的能力，並不是死記硬背新 API，或者學點提示詞工程的小技巧。更高階的能力其實有以下幾種：
- AI 監督力：學會分辨 AI 輸出到底靠譜還是胡說八道。這種能力其實可以訓練出來——你會逐漸發現 AI 常犯的錯誤模式。
- 問題架構力：把複雜需求拆解成 AI 能穩妥處理的小塊。這其實是傳統工程師的老本事，只不過用在了新工具上。
- 質量把控力：能迅速發現 AI 帶來的那些隱蔽 bug。這和普通偵錯不一樣，因為 AI 的錯誤有自己獨特的規律。
- 自然語言表達力：能更清晰地描述需求。如果程式設計越來越像對話，那溝通能力就成了技術能力。
有趣的是，這些本質上都是人的能力，和 AI 協作後會被放大，而不是被取代。
關於進展（別被炒作帶偏，關注現實）
Karpathy 對“ 2025 年 AGI 就要來了”這種說法潑了盆冷水：“每當我看到‘2025 是智能體元年’這種說法，我都很擔心，其實我覺得這應該是‘智能體的十年’。”
十年，不是一年。
“可惜的是，華爾街並不懂得耐心，所以 AI 的炒作還會繼續喧囂下去，而真正的從業者還在摸索如何開啟新的計算時代。”
但現在已經有些現實成果你可以用上：像 GitHub Copilot、Cursor 這樣的工具，已經讓開發者在日常任務上提速 30% 到 50%。這不是理論上的提升，而是你今天就能看到的實際效果。
這場變革來得不算太快，你有時間適應；但也不算慢，現在就該開始行動。
為什麼我對這場變革反而樂觀
說實話，我一開始也很懷疑。“AI 讓程式設計大眾化”這種說法，聽起來就像矽谷的老套忽悠。但真正用這些工具做了幾個項目後，我突然明白了。
每一次程式設計範式的變遷，都是類似的軌跡：從彙編到 C，從 C 到 Python，從命令列到圖形介面。每次大家都擔心門檻降低會讓行業變弱，但每次結果都是行業變大、變有創造力。
那些最終脫穎而出的開發者，從來不是死守舊工具的人，而是善於用新工具做出以前做不到的東西的人。
這次的變化更大。我們不只是換了種語法，而是獲得了一種全新的問題解決方式——更重視清晰表達，少了死記 API 的負擔。
正如 Yegge 所說：“電腦科學教育確實需要進化，但基礎依然重要。當年彙編被高級語言取代時，大家擔心程式設計能力會退化，結果反而行業擴張、崗位增加。”
現在最吃香的開發者，不是那些精通 React hooks 或 Kubernetes 配置的人，而是能清楚表達自己想法，並能引導 AI 正確實現的人。
本周你該做什麼
別再光看資料了，趕緊上手試試吧。挑一個 AI 程式設計工具用起來——如果你想要穩定一點的體驗，就選 GitHub Copilot；如果你想嘗鮮最新功能，那就試試 Cursor。
先從一個無關緊要的小項目開始，做點有趣又無壓力的東西，比如隨機語錄生成器、簡單的待辦事項應用之類的。這種項目對程式碼完美與否沒什麼要求，放手去做就好。
別想著一口氣徹底革新你的整個開發流程。先在這些低風險的小項目裡，適應一下人與 AI 協作的節奏。
那些已經在 AI 時代如魚得水的開發者，從來不是等到工具完善、教學齊全才開始的。他們都是邊試邊錯，邊做邊學。
真正的未來
Karpathy 和 Yegge 都明白一件事，而那些“AI 取代人類”的說法卻忽略了：這項技術是放大人類智慧，而不是取而代之。
我們不會被淘汰，我們會變成指揮者。AI 不是來搶我們的飯碗，而是讓我們和它配合，去解決單靠自己搞不定的大難題。
未來屬於那些能站在更高層次思考、善於溝通、懂得如何指揮 AI 解決複雜問題的開發者。如果你已經走到今天這一步，其實你已經具備了大部分所需的能力。
你只需要開始學會和 AI “共舞”。說真的，這支舞一旦跳順了，還挺有意思的。
革命不是即將到來，而是已經發生。問題只在於，你是要參與塑造它，還是被它塑造。 (大模型技術共學營)