目录 一、两个数字同时成立⚙️ 二、哪些说法是对的 三、被夸大和被低估的部分 四、这套变化在企业侧的应对✅ 五、可以带走的判断清单 一、两个数字同时成立先看最容易被引用的这一对。据 LinkedIn《Jobs on the Rise 2026》2026-01-14AI engineer 是 2026 年美国增长最快的职位岗位发布量同比增长 143%。前五名增长最快岗位中有四个与 AI 相关。同一份报告之外据 Gartner 2025 年第四季度对 110 位 HR 负责人的调查2026-07-27 发布22% 的首席人力资源官表示组织内至少有一位业务 leader 因为 AI 自动化而专门停止了初级岗位招聘。一个在涨一个在停。看起来矛盾。但如果把时间轴拉开这两个数字其实描述的是同一件事的两端AI 让少量高薪岗位变多同时让大量入门岗位变少。而更完整的图景是五组来源、五个不同的口径。来源指标数字统计窗口LinkedInAI engineer 岗位发布143% YoY2026 年DataCampAI 工程岗位255% YoY2024/01–2026/04200 万条岗位、85 个地区codeleap开发者岗位总量-18%对比 2024 年峰值codeleap初级开发者0-2 年-32%—codeleap资深开发者5 年以上-8%—codeleap全栈 AI 开发者120%—torcAI/ML 工程师85% YoY2026 年中torc通用软件工程岗位-49%相比疫情前峰值layoffs.fyi科技行业裁员113,000截至 2026 年 5 月中179 家公司layoffs.fyi明确归因于 AI/自动化/ML 的裁员事件约 48%同上同一件事AI 岗位涨了 85% 到 255%和开发者岗位降了 18% 到 49%都能找到出处。差异来自基期对比 2024 年峰值还是疫情前、是否包含 AI 相关岗位、以及岗位口径。这不是谁在撒谎是不同的问题。⚙️ 二、哪些说法是对的2.1 初级岗位确实在收缩三个独立来源指向同一结论Gartner22% 的 CHRO 表示因 AI 自动化停止了初级岗位招聘codeleap初级开发者岗位0-2 年-32%Stanford 数字经济实验室22-25 岁软件开发者就业较2022 年峰值下降近 20%而 26 岁以上的开发者同期人数增长 6-12%Torc 的数据给出了结构变化的具体形态初级岗位在 IT 岗位总量中的占比从 8.1% 降到 7.4%而资深岗位占比从 38.8% 升到 43.1%。机制不难理解。Torc 的解释是AI 工具现在处理了初级岗位赖以建立的样板代码、常规测试和脚本化调试。一个补充数据ICONIQ Capital 2026 Q2 对约 305 位高增长软件公司高管的调查36% 的代码现在由 AI 辅助编写六个月前是 29%。当超过三分之一的代码由机器写在指导下写代码这个初级岗位的定义就消失了。2.2 高级岗位是抗跌的codeleap 的数据资深开发者岗位5 年以上-8%对比初级 -32%。原因在分工上架构决策、系统设计、团队领导、复杂调试仍然需要深度的人类专业能力。AI 让资深开发者更高效而不是冗余。2026 年做对的事是增加杠杆2023 年的方式是减少成本。这个区别决定了后面所有讨论的方向。2.3 涨的不是所有人是特定技能Torc 的一组数据至少列出两项 AI 技能的岗位薪酬比同等岗位高出 43%。AI/ML 薪酬同比涨 20-30%是科技板块唯一有实际薪酬增长的细分领域。AIDevBoard 对 8,931 条在招信息的分析AI 工程师平均总薪酬 22.8 万美元。另一组口径具备 AI 专业能力的人平均比同侪高 56% 收入AI 暴露岗位的技能演进速度比非暴露岗位快 66%。但要区分有AI 技能的人和是 AI 岗位的人。前者包括大量原本不写代码的角色——产品经理、领域专家——只要会判断 AI 输出质量杠杆就成立。 三、被夸大和被低估的部分3.1 48% 的裁员归因于 AI该怎么读layoffs.fyi 的数据截至 2026 年 5 月中179 家公司累计裁员 113,000 多人平均每天 825 人其中约 48% 的被追踪裁员事件被明确归因于 AI、自动化或机器学习。这个数字经常被用来说AI 在取代人。但 torc 提出了一个更重要的区分这不是 2023 年的那种修正。当时公司裁员是因为招多了。2026 年公司在裁掉盈利且正在增长的业务目的是为 AI 基础设施腾出资金。他举的例子很具体Meta 今年在 AI 资本支出上花 1250亿到 1450 亿美元是其全部人力成本的 4 到 5 倍。CFO Susan Li 直说了裁员是为了给 1250-1450 亿美元的 AI 和数据中心资本支出腾钱。所以这不是成本削减故事是资本重配故事。这个区别对个人定位影响很大成本削减周期里躲开的是边缘业务资本重配周期里被重新定价的是你的产出是否直接服务于 AI 相关的收入或基础设施。3.2 大厂在同时裁员和招人是真的torc 开头那句话很准确软件工程岗位列表 2026 年上涨了 30%。今年已有超过 142,000 名科技从业者被裁。这两件事都是真的它们不矛盾它们就是全部故事。具体看几家的动作公司裁员同步动作Amazon2025/10–2026/01 裁约 3 万企业与技术岗约占非仓储员工 10%2026 年承诺 2000 亿美元资本支出几乎全部投向 AWS 数据中心、自研 AI 芯片和机器人Meta2026 年 4 月裁 8000 人占总员工 10%下半年可能再一轮累计或达 20%招聘和 HR 部门承担 35-40% 的裁减CFO 称裁员为 1250-1450 亿美元 AI 资本支出腾钱已跌出软件工程岗位前20 名公司Microsoft2026 年 4 月向约 8,750 名美国员工提供自愿退休约占美国员工 7%商业积压订单 3920 亿美元同比 51%计划年底前把 AI 总容量提升 80%GoogleAlphabet 进行了约 1,500 次小规模滚动裁减但工程净人数在增长2026 上半年工程岗位比去年同期多 62%Google Cloud 积压 4620 亿美元Q1 资本支出 360 亿同比 107%Apple不公开宣布裁员员工数 2025 年至今保持稳定工程岗位多于去年同期集中在硅工程、端侧推理、隐私保护 AI这张表比任何单一比例都更能说明问题裁的和招的在同一家公司内部同时发生差别在于岗位和资本开支的方向。Meta 跌出前 20 和 Google 工程岗位涨 62% 并存——这不是行业在恶化是行业在重排。3.3 IBM 那个反例值得单独说面对初级岗位在消失的论调IBM 提供了最清晰的反例。IBM 表示 2026 年将在美国把初级招聘翻三倍。CHRO Nickle LaMoreaux 告诉 AxiosIBM 重写了初级软件开发岗位的 JD让初级员工花更少时间在例行代码上这些已由 AI 处理更多时间直接与客户共事。IBM 没有取消初级层它重新定义了初级工程师存在的意义。这个例子说明关键变量是岗位定义是否被重写不是是否招聘新人。一份二十年前有效的初级 JD在 AI 环境下大概率已经无效但重新定义之后的初级岗位反而可能更缺人。3.4 已经在岗的人并不轻松Terminal第七次年度《State of Remote Engineering Report》调查 1,800 多名工程师70.3% 达到AI 启用或 AI 原生的AI Fluency 标准77% 表示 AI 增加了他们做高价值工作的能力但 42% 同时表示比一年前更倦怠前两个数字和第三个数字是同一份报告的。这个组合值得停下来看一眼AI 确实把人从低价值工作里放出来了但放到哪里去答案是高价值工作——而高价值工作的负荷没有被重新分配。一个补充数据JetBrains 调查显示90% 的专业开发者至少每周使用 AI 编程智能体其中 68% 每天使用。每天用的人里有 42% 更倦怠这不是工具的问题是负荷分配的问题。 四、这套变化在企业侧的应对平台让判断标准可执行、可追溯但标准本身对不对仍需专家确定。从企业侧看人才结构的变化对应几个具体的工程选择4.1 初级工程师的培养路径要重写不能取消IBM 的做法是范本。但重写路径这件事在企业里的常见失败是把培养工作外包给 AI然后发现没有人和 AI 对话、检查、纠错。对应到平台层的做法iPaaS 接数据让初级工程师在第一天就能看到真实的业务数据流而不是在隔离环境里做练习项目。判断力只能在真实数据上练出来。治理中心前置给新人可访问的、有边界的数据视图。权限从第一天就是受限的随成长逐步放开——这个过程本身也是培养内容。全域守卫划权限新人的操作范围应该由权限系统强制而不是靠记得别点那个按钮。与 Dify 分工编排工具可以让人快速搭出工作流但判断质量的把关必须在平台侧留痕否则新人做过什么、依据什么事后无法复盘。4.2 AI 工具能力要写进 JD不能只写加分项微软 Cloud AI 集团执行副总裁 Scott Guthrie 的表述是行业共识的门槛我们不一定是因为 AI 才要招更多软件工程师我们期望每一个招进来的工程师从第一天起就熟练使用 AI 工具。知道怎么用 Copilot 或内部的 LLM 系统现在是被默认假设的就像我们默认他们会用 Git。JoinNextDev 指出一个常见错误很多公司把 AI 工具能力放在 JD 末尾当加分项比如有 GitHub Copilot 使用经验者优先。这种写法已经失效了。如果要求是真实的能力项应该是可测试的该出现在必备里的能力为什么不是加分项用 AI 编码助手作为主要工作流工具已是默认假设类似 Git设计和维护提示词库、上下文管理、RAG 管道是当前主要工作形态构建或参与评测eval框架决定 AI 输出质量能否被度量批判性审查 AI 生成代码从接受/拒绝升级为质询设计设计Agent 工作流含人工检查点这是落地成败的关键位置4.3 42% 的倦怠是管理问题不是招聘问题前面那个数据值得单独提出来因为它指向一个和上面都不同的方向。如果 77% 的人说 AI 让他们能做更高价值的工作而 42% 的人更倦怠那多出来的工作量去哪了三种可能的处理重新分配把节省的时间真正还给深度工作而不是填进更多需求改考核如果绩效指标还是按产出量算AI 提效只会让工作量预期上升改流程AI 提效往往意味着一个人现在覆盖更多流程需要相应的授权和边界这三条都不在技术范畴内但技术团队是唯一一个知道AI 到底省了哪一步的一方没有他们参与管理层很容易得出既然效率提高了那可以再压一点的结论。4.4 判断流程注意 G 那一支。停招初级岗位在很多公司是看到初级产出被 AI 覆盖之后的直接反应但这两件事的因果关系需要验证。如果初级工作的消失只是因为不再有人做基础维护而基础维护本身仍然必要那么停招只是把成本推到了未来。✅ 五、可以带走的判断清单AI 岗位涨和开发者岗位跌可以同时成立基期不同而已。找到的数据区间是 85% 到 255% 和 -18% 到 -49%。初级岗位 -32%资深仅 -8%这是结构重排不是总量崩塌。22% 的 CHRO 明确因 AI 停了初级招聘——这是有意识的选择不是被动结果。36% 的代码由 AI 辅助编写六个月前 29%。这是初级岗位消失的直接机制。48% 的裁员归因于 AI但性质是资本重配不是成本削减。Meta 的 AI 资本支出是人力成本的 4-5 倍。同一家公司内部在同时裁和招裁的是非 AI 方向招的是 AI 基础设施。IBM 把初级招聘翻三倍因为它重写了 JD。这是可复制的不是个人案例。AI 能力必须在 JD 的必备里不在加分项里。微软的说法是这是默认假设像 Git。77% 的人说 AI 提升产能同时 42% 更倦怠。这两个数字来自同一份报告。有 AI 技能加薪 43% 到 56%但杠杆也适用于不写代码的判断类角色。最后一句提醒把AI 会不会抢走程序员工作这个问题换成我的产出是否直接服务于 AI 相关的收入或基础设施答案会具体得多也更可操作。你们团队里初级工程师现在是在做用 AI 之前的工作还是在做新的工作评论区说说具体的分工方式我看看这套路径要不要重写以及从哪一步开始改。
示例详解)
