上週二我和Meta的一位朋友通話了一個小時。他的呼吸急促，就像人們在努力不驚慌時的樣子。裁員的謠言無處不在。內部Slack頻道以一種特定的、不祥的方式變得安靜。他不斷問我同樣的問題：「這是真的嗎？我們真的過時了嗎？」
我告訴他不是。但我也告訴他，真相比謊言更醜陋。
恐慌工廠
讓我們從虛偽開始，因為這令人驚訝。
A公司去年整年都在宣稱軟體工程師已經過時。他們的招聘網站仍然大開著。M公司宣佈中階工程師會在年底前完全被取代。結果並沒有發生。與此同時，一群AI影響者正按計劃製造恐慌——每六週就有一個新的「編碼已死」主題來推銷課程。
那麼這一切都是假新聞嗎？不完全是。因為裁員是真實的。殘酷的。無情的。正在發生。
問題是：誰實際下令的？
風投要求血腥
我記得2020年。疫情來襲，我所在的科技公司立即裁減了20%的工程部門。沒有績效評估。沒有專案完成分析。只有遣散費和停用的帳戶。
我帶一位高級主管去喝咖啡，問他為什麼。他的回答很直白：「因為風險投資者想要這樣做。」
就這樣。這就是全部原因。
六個月後，那些相同的公司陷入了瘋狂的競標戰，想要重新聘用工程師——薪水更高，還有簽約獎金。他們像丟棄破舊家具般拋棄的人才，現在卻成為了高價貨。
我們正在目睹完全相同的循環。風險投資者和機構投資者被媒體敘事所迷惑。他們相信人工智慧可以取代人力。更危險的是，他們相信如果一個投資組合公司不進行大規模裁員，CEO就是未能有效實施人工智慧。對於風險投資者來說，未能削減人力意味著你有失去下一輪資金的風險。
他們是對的嗎？
自2020年以來，我學到的事情是：對於管理數千億資金的基金來說，你的公司只是一張撲克牌。裁員的論點是否在技術上準確並不重要。如果整個資本生態系統決定錯誤的事情是對的，那它就會變成現實。如果你想要哲學，讀福柯。如果你想要證據，讀新聞。
這些公司的高層管理者別無選擇。他們必須迎合資本。但如果資本是錯的——歷史告訴我們它是錯的——那麼我們需要問一個根本性問題：AI真的能取代軟體工程嗎？
LLM實際上是什麼
拋開代理，拋開RAG管道、記憶系統和華麗的工具。剩下的是什麼？
從根本上說，LLM是一台執行統計重建的機器。
任何養過孩子的人都明白這個區別。你可以告訴LLM：「小心玻璃，它會破。」它攝取數十億個數據點，證明掉落玻璃等於破碎，並輸出正確的統計反應。但一個人類孩子必須親自掉落玻璃。聽到破碎的聲音。也許踩到一片碎片而流血。這就是他們理解物理學和後果的方式。
「但統計輸出對於編碼來說已經足夠好，」有些人會這樣說。
不，這遠遠不夠。
後果的限制
因為一個大型語言模型（LLM）只理解統計的接近性，它完全無法基於後果打破限制。
一個LLM不會因為生產系統故障而在凌晨三點被PagerDuty叫醒。它不能被客戶起訴。它不必直視一位憤怒的CEO，解釋為什麼遷移失敗。如果審計發現詐騙，它不會入獄。它不會感受到因為一個優化不良的迴圈而產生的50萬美元AWS帳單所帶來的寒冷恐懼。
後果是人性的。而必要性——源自後果——是推動真正建築飛躍的唯一力量。
想想前人工智慧時代。你是否曾經花了三個月的時間在 StackOverflow 和 GitHub 上搜尋，卻什麼都找不到，最後被迫發明一個全新的架構概念？一個大型語言模型無法做到這一點。它沒有理由來迫使範式轉變。它沒有痛苦。
讓我給你一個我所知道的最清晰的例子：非同步編程。
非同步的發明
想像一個沒有 async/await 的宇宙。每個人都在寫同步代碼。如果你請求一個 LLM「讓這個更快」，它會發揮它最擅長的事情：在其訓練數據中進行模式插值。它建議更快的 CPU。更多的 RAM。數據庫索引。更緊湊的迴圈。它在同步宇宙的限制內無止境地進行優化。
但一位人類工程師呢？她感受到阻塞請求鎖住整個伺服器的痛苦。用戶正在超時。CEO 在她的 Slack 上。她每分鐘都在流失金錢。突然她停下來問：「等一下……為什麼這必須在現在發生？為什麼我們要阻塞這個執行緒？」
她重寫了這個限制，因為她感受到痛苦。LLM 不感受到痛苦。LLM 甚至不感受到自己代幣消耗的成本。
Async 不是由優化發明的。它是由絕望。由一位需要逃離統計改善無法解決的陷阱的人所寫。
這就是差距。這就是整個遊戲。而且這個差距並沒有縮小。
修正
一旦這種歇斯底里平息——一旦風投公司意識到統計優化無法取代架構後果——對高階軟體工程的需求將會猛烈回升。
嚴肅的問題不是工程師是否過時。問題是你是否能在市場自我修正之前在財務和職業上生存下來。因為修正即將來臨。它總是會來。現在被解僱的人將會在以後以更高的薪資被重新聘用，就像2020年一樣，就像之前的每一個周期一樣。
但是那些未能渡過難關的人呢？他們不是被人工智慧取代的，而是被恐慌取代的。
讓人無法理解的透鏡
我將以一些完全無關的內容作結。
本文的標題圖片是使用徠卡 Thambar-M 90mm f/2.2 鏡頭的模擬拍攝的。這是一個價值 6,500 美元的玻璃鏡頭，故意拍攝不清晰的照片。柔焦。夢幻般的像差。故意存在缺陷。
從統計上看，這完全沒有意義。每個訓練數據集都說清晰度等於質量。人工智慧永遠不會發明這種鏡頭，因為數據顯示這是錯誤的。
但是人類願意為此付費。因為它讓他們感受到某種情感。
永遠不要低估統計完美與人類現實之間的差距。風險投資家們正在為前者進行優化。未來屬於後者。
— 詹姆斯，香港水星科技解決方案，2026年5月
