張磊去年從某985計算機系畢業(yè)，簡歷投了300份，面試機會不到10個。他以為是自己不夠優(yōu)秀，直到發(fā)現(xiàn)同屆的"大神"也在送外賣——不是比喻，是真的在送外賣。

這不是個體悲劇。斯坦福數(shù)字經(jīng)濟實驗室剛發(fā)布的研究顯示，2022年底到2025年中，美國22-25歲軟件開發(fā)者的就業(yè)率下降了接近20%。而26歲以上的開發(fā)者？人數(shù)穩(wěn)定甚至還在增長。兩條曲線在ChatGPT發(fā)布前幾乎重合，之后像被剪刀裁開一樣徹底分道揚鑣。

數(shù)據(jù)不會說謊：AI正在" seniority-biased "

哈佛的研究更狠。他們扒了6200萬份簡歷、覆蓋28.5萬家美國公司，時間跨度2015到2025年。結(jié)論很直白：積極采用生成式人工智能（Generative AI，即基于大模型的AI工具）的公司，初級崗位雇傭量在6個季度內(nèi)比不采用AI的公司少了7.7%。與此同時，這些公司的資深崗位還在增加。

研究者給這個現(xiàn)象起了個名字："資歷偏向型技術(shù)變革"（Seniority-Biased Technological Change）。聽起來像學(xué)術(shù)黑話，翻譯成人話就是：AI來了，公司發(fā)現(xiàn)養(yǎng)新手不如直接上老將劃算。

美國勞工統(tǒng)計局的數(shù)據(jù)更觸目驚心：2023到2025年間，程序員整體就業(yè)人數(shù)暴跌27.5%。注意，這不是某個細分賽道，是整個"程序員"大類。

但這里有個關(guān)鍵細節(jié)——這不是裁員潮。公司沒有大規(guī)模開除新人，他們只是 quietly not posting the positions 。職位不在LinkedIn上出現(xiàn)，沒有遣散費新聞，沒有熱搜。管道在無聲中收窄，像慢慢擰緊的水龍頭。

為什么偏偏是新人？

資深工程師王敏給我打了個比方：以前帶新人像教徒弟做木工，從選木頭、磨刨子開始，三年出師。現(xiàn)在AI相當于電動工具，老師傅用起來效率翻倍，但徒弟連"木頭紋理怎么看"都沒學(xué)會，直接上手電鋸容易把自己手指鋸掉。

這個比喻的殘酷之處在于：公司現(xiàn)在覺得，與其花時間教新人用AI，不如讓 senior 直接用AI干完。一個能寫能測能調(diào)優(yōu)的AI助手，把"培養(yǎng)成本"這道算術(shù)題徹底改寫了。

Handshake的數(shù)據(jù)印證了這一點——這家美國最大的實習(xí)招聘平臺顯示，技術(shù)類實習(xí)崗位發(fā)布量在2024年同比下降了19%。實習(xí)是新人進入行業(yè)的正門，正門正在變窄。

更隱蔽的傷害在于"經(jīng)驗斷檔"。以前的成長路徑是：寫爛代碼→被Code Review罵→改→再被罵→慢慢變好?，F(xiàn)在AI能直接生成"看起來不錯"的代碼，新人失去了在錯誤中摸爬滾打的機會。傷疤造就老兵，但AI正在消除受傷的可能。

沒人想修這條管道

最諷刺的是，那些有能力解決這個問題的人，似乎都在看下一個季度的財報。

科技公司的CEO們在財報會議上大談AI提效，但沒人回答一個問題：五年后，當現(xiàn)在這批 senior 退休或轉(zhuǎn)管理，誰來接班？行業(yè)正在吃掉自己的種子儲備，卻假裝這是豐收。

教育體系更無力。計算機專業(yè)的招生人數(shù)還在漲，2024年美國CS本科畢業(yè)生數(shù)量比2019年增加了34%。供給端在膨脹，需求端在收縮，中間的落差就是張磊們的失業(yè)。

一些公司在嘗試"AI原生"培訓(xùn)——直接教新人用AI工具開發(fā)。但早期反饋并不樂觀：能快速產(chǎn)出代碼，卻看不懂為什么這樣寫。遇到AI搞不定的邊緣case，完全抓瞎。這就像學(xué)會用導(dǎo)航開車，但關(guān)掉導(dǎo)航就不認識回家的路。

開源社區(qū)倒是出現(xiàn)了一些自救跡象。GitHub上"mentorship"標簽的項目在2024年增長了40%，資深開發(fā)者自發(fā)帶新人。但這是杯水車薪，且高度依賴個人善意，無法規(guī)?；?。

政策層面的討論幾乎為零。美國勞工部的再培訓(xùn)基金主要面向制造業(yè)轉(zhuǎn)型，科技行業(yè)的"技能過時"不在其列。各州的教育撥款還在按十年前的模型分配，仿佛AI只是另一個Excel插件。

一個正在消失的"新手村"

游戲行業(yè)有個概念叫"新手村"——安全區(qū)，低等級怪物，讓你練手升級。整個軟件行業(yè)曾經(jīng)就是這樣一個新手村：有容錯空間，有導(dǎo)師帶教，有從爛代碼到好代碼的進化路徑。

現(xiàn)在這個新手村正在消失。不是被怪物攻陷，是被效率優(yōu)化掉了。

斯坦福研究的作者之一Erik Brynjolfsson在論文附錄里寫了句挺扎心的話：「我們追蹤的是就業(yè)數(shù)據(jù)，但背后是一整代年輕人的職業(yè)預(yù)期被重置?！狗g成中文互聯(lián)網(wǎng)語境，大概是"上岸"的定義變了——以前指進大廠，現(xiàn)在可能指找到任何一份能寫代碼的工作。

Handshake的最新數(shù)據(jù)顯示，2025年春季技術(shù)實習(xí)的申請競爭比達到47:1，創(chuàng)歷史新高。作為對比，2021年這個數(shù)字是11:1。不是候選人變少了，是門變窄了。

一位在Meta干了八年的工程師朋友告訴我，他們組去年校招名額從12個砍到2個，但用AI輔助后，產(chǎn)出反而提升了30%。"我不是說新人沒用，"他頓了頓，"但老板算賬的時候，AI的訂閱費比培養(yǎng)一個人便宜多了，而且不會離職。"

這句話里沒有贏家。資深工程師被AI推著加速運轉(zhuǎn)，新人被擋在門外，行業(yè)在長期視角下失血——只是這個"長期"超出了大多數(shù)決策者的KPI周期。

張磊最近開始學(xué)Prompt Engineering（提示詞工程），同時投簡歷的范圍擴大到了"技術(shù)支持"和"IT運維"。他說有個小廠愿意給他面試，崗位是"AI代碼審核員"——檢查AI生成的代碼有沒有明顯錯誤。月薪比他預(yù)期低40%，但"至少還在行業(yè)里"。

他問我這算不算"上岸"。我說算吧，雖然岸本身正在下沉。