风险投资机构SignalFire最新发布的《人才现状报告》中有一组反常识数据：2025年大型科技公司整体招聘量较2019年下降25%，但工程师占全部新招聘人数的比例却从46%飙升至55%。NVIDIA CEO黄仁勋也直言，全员使用智能体AI后“软件工程师比以往更忙碌”，AI取代工程师是“完全的无稽之谈”。在“AI替代论”甚嚣尘上的当下，工程岗位展现出的最强韧性与其他基础岗位面临的断崖式下跌形成了强烈反差。这背后究竟是发生了什么？
缩水的大厂HC与逆势扩张的工程师
过去两年，科技行业的裁员新闻几乎从未间断。从社交媒体到财经媒体，AI被频繁列为科技公司缩减人员规模的主因。然而，SignalFire对包括Alphabet、Meta、苹果、亚马逊、微软、NVIDIA等12家科技巨头的追踪数据揭示了一个被情绪化叙事掩盖的事实：大厂并非停止招人，而是在进行极端的结构性优化。
2025年科技巨头整体招聘量较2019年下降25%，这是一个宏观层面的缩招信号。但如果将招聘数据按职能拆解，分化极其剧烈。工程岗位的招聘量仅下降11%，远低于平均水平。更核心的变化在于占比，工程师在全部新招聘人数中的比例从2019年的46%升至55%。这意味着，科技巨头每招两个人，就有超过一个是工程师。
与工程岗位韧性形成鲜明对比的是初级岗位和非技术职能的萎缩。SignalFire报告指出，Big Tech的新毕业生招聘比例仅占7%，较2019年疫情前水平暴跌超50%。同时，招聘、产品、销售等非技术职能持续萎缩。早期初创公司则呈现出另一种极端，它们比2019年多招聘了7%的工程师。
这种结构性优化的底层逻辑并不复杂。在生成式AI爆发前，科技公司维持着庞大的人员规模以支撑业务扩张和功能迭代。大量的初级工程师和执行类员工负责处理基础的开发任务、测试用例编写以及日常维护。当AI工具能够以极高的效率完成基础代码编写、文案生成、客服应答甚至部分销售线索筛选时，企业不再需要庞大的初级执行团队。相反，为了将这些AI能力深度集成到现有业务线中，构建基于AI的新产品，企业对具备系统架构能力和AI工具使用经验的资深工程师需求激增。SignalFire研究主管Asher Bantock表示，若AI真在替代工程师，工程招聘应首当其冲下滑，但现实恰恰相反。
对于投资与产业观察者而言，这一数据传递的信号十分明确：科技巨头的资本支出和人力投入正在从“横向扩张”转向“纵向深化”。过去是堆人力抢地盘，现在是集中资源打造AI时代的底层基础设施和应用生态。工程师不再是单纯的成本中心，而是决定企业能否在AI浪潮中生存的杠杆支点。
越高效越缺人：杰文斯悖论在代码世界的验证
为什么AI提升了编程效率，工程师的需求却没有减少？SignalFire的分析认为，当前呈现典型的杰文斯悖论现象。
19世纪经济学家威廉·斯坦利·杰文斯在研究煤炭消耗时发现，蒸汽机效率的提升并没有减少煤炭的使用量，反而因为蒸汽机变得更经济实用，被应用到更广泛的场景中，导致全球煤炭消耗量暴增。这一悖论在当下的代码世界得到了完美验证。
AI辅助编程工具让编写基础代码的成本和时间趋近于零。企业并没有因此裁掉程序员减少开发量，而是因为“软件变得极其廉价”，开始将AI集成到所有业务线中。过去因为开发成本过高而被搁置的需求被大量释放，系统复杂度呈指数级上升。工程师的工作边界被无限拓宽。
黄仁勋在近期的公开发言中详细描述了这种变化。他指出，公司全员使用智能体AI后，AI正在“微观管理”员工，软件工程师“比以往更忙碌”。AI并没有取代工程师，而是推动工程师转向更高阶的创意与架构工作。工程师不再是单纯的“代码打字员”，而是变成了“AI包工头”和系统架构师，需要处理更多的Agent编排、系统集成和代码审查工作。
在这个过程中，一个关键的技术概念正在重塑工程师的日常工作流，那就是Harness。在当前的AI工程语境下，Harness通常指代“工具链、脚手架或编排框架”。它负责将大模型的通用能力封装、调度并落地到具体的业务流中。当大模型本身的能力趋于同质化时，竞争的主战场已经转移到了模型之外的Harness层。工程师的核心工作之一，就是构建和维护这些Harness系统，确保AI Agent能够稳定、安全地在企业内部环境中运行。这涉及大量的接口对接、权限控制、异常处理和上下文管理任务，极大地增加了系统架构的复杂度。
这种转变在OmniTools站内的工具热度与开发者情绪分析中得到了微观印证。2024年至2025年间，站内AI编程与代码助手类工具的浏览量和收藏量呈现陡峭的上升曲线。但在用户评论的情绪分布上，并非一边倒的乐观。正向反馈集中在“基础CRUD代码不再需要手写”“原型搭建速度翻倍”。负向反馈则直指工作强度的变化。
在Reddit和Hacker News等开发者社区，许多资深开发者对黄仁勋“工程师更忙碌”的言论感到无奈。他们指出，AI虽然省去了写基础代码的时间，但带来了无尽的“屎山代码审查”。AI生成的代码往往包含幻觉和隐藏的逻辑漏洞，工程师需要花费大量精力进行复杂的Prompt调试和系统级Bug排查。具体而言，当AI生成的代码片段被集成到大型项目中时，往往会出现上下文丢失或类型不匹配的问题。工程师不能盲目信任这些代码，必须逐行审查其逻辑正确性、安全性和性能影响。这种审查的认知负荷远高于自己从头编写，因为你需要理解AI的“黑盒”推理路径。
此外，调试AI Agent的工作流也是一项极度消耗脑力的任务。一个复杂的Agent可能涉及多轮对话、工具调用和外部API交互。当Agent表现异常时，工程师很难像调试传统代码那样设置断点单步执行，而是需要分析大量的日志和中间状态，甚至反复修改系统提示词来纠正Agent的行为偏差。工作性质从重复的“体力劳动”转向了高强度的“脑力透支”。工程师的数量需求没有减少，但单位时间内的认知负荷大幅增加。
也有部分开发者对杰文斯悖论的长期有效性表示悲观。他们认为，当AI代码能力跨越“奇点”，不仅能写代码，还能自我验证、自我Debug、理解全局业务逻辑时，杰文斯悖论将失效，因为AI本身就成了“架构师”，最终仍会减少对人类绝对数量的需求。但至少在2025年，AI仍是一个需要人类工程师驾驭的杠杆，而非独立的创造者。
断崖下跌的基础白领：谁在被AI真实替代？
工程岗位的逆势扩张只是AI职业冲击波的一个侧面。另一侧，是基础白领岗位正在遭遇的实质性替代。
第三方数据机构Bloomberry基于Revealera对Upwork平台500万条公开帖子的追踪分析显示，在ChatGPT发布后的15个月内，平台上的写作类岗位数量下降33%，翻译下降19%，客服下降16%。与这些萎缩岗位形成鲜明对比的是，后端开发岗位增长6%，前端增长4%，而Chatbot（聊天机器人）开发需求暴增2000%。这份第三方数据分析虽然不能代表全部就业市场，但精准反映了自由职业市场这一最敏感神经的真实变化。
为什么是这三个岗位首当其冲？核心在于任务的结构化程度。写作、翻译、客服这三个岗位的基础任务具有高度的规则明确性和重复性。AI在处理这类信息转换和规则匹配任务时，边际成本极低且质量已达到可用水平。企业发现，使用AI处理这些基础任务的性价比远高于雇佣人类。
这种替代不仅发生在自由职业平台，也正在企业内部悄然发生。Anthropic CEO Dario Amodei曾预警，AI可能在未来五年内消除50%的初级白领岗位。这并非危言耸听，而是基于当前AI Agent能力的推演。
在具体业务场景中，AI Agent正在实质性接管传统的执行团队。以销售领域为例，OmniTools曾分析过AI员工Viktor的案例。这个没有人类销售团队的产品，靠AI Agent拿下了3万家企业客户，进账2000万美元。它替代的正是传统的初级销售、SDR（销售开发代表）和实施团队。这些岗位的核心工作是按照既定话术跟进线索、录入数据、解答基础问题，而这正是AI Agent的绝对主场。Viktor能够全天候处理海量线索，并根据客户反馈自动调整沟通策略，其效率和一致性是人类团队难以企及的。
在行政与HR领域，类似的侵蚀也在发生。腾讯WorkBuddy等办公Agent的崛起，撕开了基础支持岗位被重塑的裂缝。HR的简历初筛、行政的日程协调、报销审核等流程化工作，正在被办公Agent接管。编制并没有被直接砍掉，而是通过自然流失和“隐形压缩”实现了人员缩减。这些岗位的从业者并没有被明确告知“你被AI取代了”，只是他们的工作内容被Agent剥离，最终导致岗位本身失去了存在的价值。当一名HR每天80%的工作都可以通过向WorkBuddy发送一条指令来完成时，这个岗位的编制存续就只取决于剩余20%的非标准化任务是否值得保留一个全职员工。
溢价62%与淘汰出局：被AI劈开的两条赛道
宏观劳动力市场并没有因为AI的冲击而崩溃，而是呈现出普华永道在《2026全球AI就业晴雨表》中定义的“双轨制劳动力市场”。
PwC的数据显示，要求AI技能的岗位增长速度是整体市场的8倍（69% vs 9%）。更关键的是薪酬分化，AI技能带来的薪资溢价高达62%。这不是简单的技术升级带来的短期红利，而是劳动力价值评估体系的重构。
在第一条赛道上，是掌握AI杠杆的人。他们可能是熟练使用AI编程工具的资深工程师，也可能是能够设计复杂Agent工作流和Harness系统的业务架构师。AI放大了他们的产出能力，一个人可以完成过去几个人的工作量，因此企业愿意支付更高的溢价。SignalFire报告中提到的科技巨头宁愿缩减整体招聘也要保住工程岗，本质上是在为这种杠杆效应买单。企业支付的不再是按工时计酬的劳动力成本，而是对系统设计能力和复杂问题解决能力的投资。
在第二条赛道上，是从事AI易于自动化的“规则明确型”任务的人。他们的工作被AI以极低的边际成本替代，需求量断崖式下跌。Upwork平台上写作、翻译、客服岗位的萎缩就是这条赛道的真实写照。当任务可以被清晰地拆解为输入、处理规则和输出时，人类劳动力的不可替代性就趋近于零。
这不再是人与AI的竞争，而是“用AI的人”与“不用AI的人”的竞争，是高杠杆岗位与低杠杆岗位的竞争。市场正在被AI劈开，中间地带正在消失。对于产业观察者而言，这意味着未来的企业组织结构将趋于“哑铃型”：一端是极少数的核心架构师和策略制定者，另一端是AI系统本身，而中间庞大的执行层将被大幅削薄。
拒绝鸡汤：AI时代的职业死锁与高强度生存
面对这种分化，空泛的“AI时代职业生存指南”或“人类终将战胜AI”的鸡汤毫无意义。我们需要直面当前职业市场中最残酷的几个现实。
首先是“经验悖论”带来的职业死锁。SignalFire报告中提到一个残酷现象：企业都在招能独立产出的高级IC（独立贡献者），为了省钱和追求效率，实际上用资深工程师来填补初级岗位，或者干脆让AI做基础工作。这导致应届生和转行者面临“没有经验就找不到工作，找不到工作就没有经验”的死锁。
这种死锁对初级开发者的影响路径是致命的。过去，初级开发者通过编写基础代码、修复简单Bug来熟悉代码库和业务逻辑，这是传统的“学徒制”培养模式。现在，这些基础任务被AI接管，初级开发者失去了在实战中积累经验的土壤。企业期望新员工能够直接上手进行AI代码审查和Agent编排，但这些高阶技能恰恰需要大量的基础经验作为支撑。新毕业生招聘比例暴跌超50%不仅是数字的下降，更是传统人才培养链条的断裂。如何打破这个死锁，是整个行业未来五年必须面对的系统性风险。如果无法建立新的初级人才孵化机制，行业将面临底层人才枯竭的危机。
其次是工程师虽然扩招但工作强度被无限放大的现状。杰文斯悖论保住了工程师的饭碗，但没有保证他们的生活质量。从“体力劳动”转向“脑力透支”并非幸事。审查AI幻觉代码、调试复杂Agent工作流、处理指数级增长的系统集成需求，这些高认知负荷的工作正在重塑工程师的日常。AI时代的安全感不来自于轻松，而来自于不可替代的架构能力与高强度的人机协作。工程师需要适应从“创造者”向“审核者”和“编排者”的角色转变，这要求更高的抽象思维能力和系统级视野。
AI并未杀掉工程师，反而让他们成为了科技巨头最倚重的核心资产。但它精准地打击了那些规则明确、重复性高的基础白领岗位，并在这个过程中劈开了一条双轨制的劳动力市场赛道。在这个市场上，中间态正在消失，职业价值正在被重新定义。理解这种分化，比盲目恐慌或乐观更重要。
