钉枪发明120年后，木匠反而更贵了

2024年，GitHub Copilot每月生成超过10亿行代码。Stack Overflow调研显示，76%的开发者已在日常工作中使用AI编码工具。但同期，美国软件工程师岗位空缺数创下历史新高，薪资中位数同比上涨12%。

数据打架了。AI越能写代码，工程师反而越值钱？

钉枪悖论：工具变快，需求膨胀

19世纪末，钉枪进入建筑工地。一个木匠一天能钉的钉子从200颗变成2000颗。按简单逻辑，工地需要的人手应该只剩十分之一。

现实相反。美国木匠从业人数在钉枪普及后的50年里翻倍。因为造房子变便宜了，更多人造得起房子，建筑总量膨胀的速度超过了单人效率提升的速度。

MIT经济学家David Autor的研究团队追踪了1980年以来的职业数据，发现「被自动化增强」的岗位数量远超「被自动化替代」的岗位。核心机制就一条：效率提升→成本下降→需求扩张→总就业增长。

软件行业正在复刻这条曲线。

AI吃掉的是打字，吐出来的是决策

GitHub 2024年报告显示，使用Copilot的开发者完成任务速度提升55%。但省下来的时间并没有变成空闲——它被重新分配到了别处。

具体流向哪里？三类工作正在膨胀：

一是需求翻译。产品经理说「用户想要更流畅的体验」，AI听不懂。需要有人把模糊的业务意图拆解成可验证的技术指标：响应延迟从800ms压到200ms，错误率从5%降到0.1%。

二是系统缝合。AI能生成单个函数，但把20个微服务、3个外部API、2种数据库串成一个不掉链子的交易链路，仍需人类判断。Stripe工程师在博客中描述过一个典型场景：AI生成的支付代码在99%情况下运行正常，但剩下的1%涉及货币转换、时区边缘、退款状态机——这些需要理解业务规则的上下文。

三是后果兜底。当AI写的代码在生产环境出错，谁背锅？2024年Salesforce的调研显示，87%的IT管理者将「AI生成代码的审计责任」列为首要顾虑。这意味着工程师的工作从「写对代码」扩展到「证明代码是对的」。

杠杆效应：一个人能撬动的变多了

「不是替代，是杠杆。」Replit CEO Amjad Masad在播客中打了个比方，「以前一个全栈工程师能管一个功能模块，现在能管一个产品。」

数据支撑这个判断。Y Combinator 2024年夏季批次中，AI原生创业公司的平均创始团队人数从4.2人降到2.7人。不是不需要工程师了，是小团队能做的事变多了。

这种杠杆有代价。2023年Meta裁员后，留下的工程师人均代码产出量上升，但内部调研显示「深度思考时间」占比从35%降到19%。更多人被卷进跨团队协调、技术债务清理、AI生成代码的复核流程。

工具变快，组织没有同步变快，摩擦消耗了部分增益。

谁会被挤出去

历史不会均匀分配红利。钉枪时代，只会抡锤子的木匠确实失业了。软件行业的对应群体很明确：纯执行型编码者——接到明确需求、翻译成代码、提交测试，循环往复。

这类岗位在招聘市场的占比正在收缩。LinkedIn 2024年Q3数据显示，「初级软件工程师」职位发布量同比下降23%，而「AI基础设施工程师」「ML系统工程师」等新兴岗位增长超过400%。

岗位名称是表象，实质是能力模型的迁移。从「把已知问题编码」转向「把未知问题结构化」。

世界经济论坛的预测模型给出了一个具体数字：到2027年，全球软件相关岗位净增58万个，但岗位内容构成将发生显著偏移。新增岗位中，超过60%涉及AI系统的部署、监控与治理，而非传统意义上的应用开发。

如果你今天还在用2020年的技能清单找工作，简历可能正在过时。

一个值得细想的细节：GitHub Copilot的付费转化率最高的用户群体，不是初级开发者，而是有5-10年经验的工程师。他们更清楚该让AI写什么、写完怎么验、错了怎么修。

工具始终奖励那些知道自己在做什么的人。问题是，你怎么证明自己属于这一边？