上周二，我和Meta的一位朋友通了一个小时的电话。他的呼吸急促，就像人们试图不惊慌时的样子。裁员传闻无处不在。内部Slack频道以一种特定的、不祥的方式变得安静。他不断问我同一个问题：“这是真的吗？我们真的过时了吗？”
我告诉他不是。但我也告诉他，真相比谎言更丑陋。
恐慌工厂
让我们从虚伪开始，因为这令人震惊。
A公司去年整年都在宣称软件工程师已经过时。他们的招聘门户仍然敞开着。M公司宣布中级工程师将在年底前完全被取代。结果并没有发生。与此同时，一支AI影响者的军队按计划制造恐慌——每六周就会出现一个新的“编码已死”主题来推销课程。
那么这一切都是假新闻吗？并不完全如此。因为裁员是真实的。残酷的。无情的。正在发生。
问题是：到底是谁下的命令？
风投们要求血腥
我记得2020年。疫情来袭，我所在的科技公司立刻裁掉了20%的工程师。没有绩效评估。没有项目完成分析。只有遣散费和停用的账户。
我请一位高级主管喝咖啡，问他原因。他的回答很直白：“因为风险投资者想要这样。”
就是这样。这就是全部原因。
六个月后，那些同样的公司陷入了疯狂的竞标战，试图以更高的薪水和签约奖金重新雇佣工程师。他们像扔掉破旧家具一样抛弃的人才，现在成了优质库存。
我们正在观察完全相同的循环。风险投资者和机构投资者被媒体叙事所迷惑。他们相信人工智能可以替代人力。更危险的是，他们认为如果一个投资组合公司不进行大规模裁员，首席执行官就未能有效实施人工智能。对风险投资者来说，不裁员意味着你有失去下一轮融资的风险。
他们是对的吗？
从2020年以来我学到的事情是：对于管理数千亿资金的基金来说，你的公司就像一张单独的扑克牌。裁员理论是否在技术上准确并不重要。如果整个资本生态系统决定错误的事情是对的，那就变成现实。如果你想了解哲学，可以读福柯。如果你想要证据，可以读新闻。
这些公司的高管们别无选择。他们必须迎合资本。但如果资本是错误的——历史告诉我们它是错误的——那么我们需要问一个基础性的问题：人工智能真的能取代软件工程吗？
LLM 实际上是什么
去掉代理。去掉 RAG 管道、记忆系统和花哨的工具。剩下的是什么？
从根本上说，LLM 是一个执行统计重构的机器。
任何抚养过孩子的人都明白这个区别。你可以告诉 LLM：“小心玻璃，它会破。”它摄取数十亿个数据点，证明玻璃掉落等于破碎，并输出正确的统计响应。但一个人类孩子必须亲自掉落玻璃。听到破碎的声音。也许踩到一片碎片而流血。那就是他们理解物理学和后果的方式。
“但统计输出对于编码来说已经足够好，”有人会说。
不，这远远不够。
后果的约束
因为一个大型语言模型（LLM）只理解统计接近性，它完全无法基于后果打破约束。
一个LLM不会因为生产系统宕机而在凌晨3点被PagerDuty叫醒。它不能被客户起诉。它不必直视愤怒的首席执行官，解释迁移失败的原因。如果审计发现欺诈，它不会入狱。它不会感受到因为一个优化不佳的循环而导致的50万美元AWS账单的寒冷恐惧。
后果是人类的。而必要性——源于后果——是推动真正建筑飞跃的唯一力量。
想想人工智能之前的时代。你是否曾经花了三个月的时间在 StackOverflow 和 GitHub 上寻找，什么也没找到，被迫发明一个全新的建筑概念？一个大型语言模型无法做到这一点。它没有理由去强迫范式转变。它没有痛苦。
让我给你一个我知道的最清晰的例子：异步编程。
异步的发明
想象一个没有 async/await 的宇宙。每个人都在编写同步代码。如果你问一个 LLM “怎么让这个更快”，它会发挥它最擅长的事情：在其训练数据中进行模式插值。它建议更快的 CPU。更多的 RAM。数据库索引。更紧凑的循环。它在同步宇宙的限制内无休止地优化。
但是一个人类工程师呢？她感受到阻塞请求锁定整个服务器的痛苦。用户正在超时。CEO 在她的 Slack 上。她每分钟都在流失资金。然后她突然停下来问：“等等……为什么这必须在此刻发生？我们为什么要阻塞线程？”
她重写了这个约束，因为她感受到了痛苦。LLM 并不感受到痛苦。LLM 甚至不感受到自己令牌消耗的成本。
Async 不是通过优化发明的。它是通过绝望。由一个需要逃离统计改进无法解决的陷阱的人所做。
这就是差距。这就是整个游戏。而且它并没有缩小。
修正
一旦这种歇斯底里平息——一旦风险投资者意识到统计优化无法替代架构后果——对高级软件工程的需求将会猛烈回归。
严肃的问题不是工程师是否过时。关键在于你是否能在市场自我修正之前在财务和职业上生存下来。因为修正即将到来。它总是会到来。现在被解雇的人将会在以后以更高的薪水被重新雇佣，就像2020年一样，就像之前的每一个周期一样。
但是那些没有渡过难关的人呢？他们并不是被人工智能取代的，而是被恐慌取代的。
没有意义的透镜
我将以一些完全无关的内容结束。
这篇文章的头图是使用徕卡Thambar-M 90mm f/2.2镜头的模拟拍摄的。这是一块价值6500美元的玻璃，故意拍摄模糊不清的照片。柔焦。梦幻般的像差。故意存在缺陷。
从统计上看，这完全没有意义。每个训练数据集都说清晰度等于质量。人工智能绝不会发明这个镜头，因为数据表明这是错误的。
但人类愿意为此付费。因为它让他们感受到某种东西。
永远不要低估统计完美与人类现实之间的差距。风险投资者正在为前者进行优化。未来属于后者。
— 詹姆斯，水星科技解决方案，香港，2026年5月
