AI 最危险的地方，可能不是抢走初级岗位，而是让 10 年后的资深人才无处可来。 赵斌的演讲让我想到一个更严重的问题：AI 很容易被当成一种“跳过学习过程”的工具。不再亲手写代码，不再追查为什么程序会报错，也不用经历几十次失败的尝试。结果来得更快，于是我们会误以为效率提高了，一切都在正常运转。 可过去，一个人的职业成长恰恰建立在这些看起来“低效”的年份上。初级工程师从简单任务开始，犯错、读别人的代码、接受代码审查、修改、再犯错，然后才逐渐接触更复杂的问题。几年以后，他真正积累下来的并不只是知识，而是判断力：知道一个方案为什么会出问题，能提前看到后果，甚至在问题发生之前就闻到不对劲。 而现在，最适合新人训练的工作，恰好是最先被 AI 接管的那一层：简单接口、常见错误修复、SQL 查询、第一版代码、阅读文档、编写测试。企业得到的激励也很直接： → 少招初级员工 → 更多使用 AI → 对剩下的人直接提出更高要求 短期看，这当然像效率提升。五年、十年以后，它可能变成人才断层。因为资深工程师不会在招聘网站出现“5 年经验”要求的那一刻自动生成。每一个资深工程师，都需要几年的真实工作把他训练出来。 更危险的是，AI 可以让一个新人很早就产出看起来像资深工程师写出来的东西。代码能运行，测试能通过，PR 很整洁，解释也很像那么回事。于是我们第一次可能大规模遇到一种奇怪的人才：能稳定产出“资深级结果”，却还没有形成资深级判断力。 平时很难发现这种差距。真正暴露问题的是没有标准答案的时候：需求互相冲突，测试全部通过但架构方向已经错了，或者 AI 给出的方案今天看起来完美，半年后却变成几个团队一起偿还的技术债。这样的判断力不是从 AI 的答案里读出来的，而是在几百次“我不知道该怎么办”的真实问题里慢慢长出来的。 所以真正值得问的可能不是“AI 会不会取代初级开发者”，而是： 如果我们把培养资深人才所依赖的那层工作全部自动化，10 年以后，谁来当资深工程师？ 看完这场演讲后，可以做一个很简单的实验：挑一个你平时完全交给 AI 的任务，自己从头到尾做一次。不是为了提高效率，而是看看你已经把多少原本属于自己的训练过程交给了机器。 把这条留着。这个问题可能会比我们想象中更早出现。 我在下面的文章里继续追了下去：如果这件事发生的不是某一个人身上，而是整个职业晋升体系，会发生什么？