AI恐惧叙事背后：关于就业数据与算力投资的商业逻辑

想想 OpenAI、Anthropic 这些公司的生意。如果跑在你笔记本上的免费模型已经够你完成大部分任务，你为什么要付订阅费？它们的商业模式只有在始终领先于你本地能跑的东西时才成立。而保持领先要花很多钱：还记得 2026 年那 7330 亿美元的资本开支吗？

市场知道这一点。2025 年 1 月，DeepSeek 发布了一个便宜的开源模型，Nvidia 一天之内市值蒸发近 6000 亿美元，创下美国历史上任何公司单日最大跌幅（CNBC）。几周后它恢复了，但恐惧很清楚：“够好又便宜”是一种威胁。

这正是恐惧起作用的地方。“AI 太强大了，它会取代你们所有人”也意味着“你需要最强大的模型，而只有我们有”。这为估值和为了保持领先所需的数十亿美元数据中心提供了理由。

话虽如此，前沿也在不断移动，有些事情（agent 连续工作数小时、超长文档）仍然需要数据中心。“够好”取决于任务。但对许多任务来说，你笔记本上的模型已经足够了，而且每年它够用的任务都在变多。

从这里开始，是我的观点。你当然可以不同意。

很多人在 X 上这么说。对某些产品来说这是真的，但不是全部。而且，这在以前就已经是真的了。任何一个优秀的开发者都能做出 Slack 或 Notion 的克隆。一些流行产品有大量开源克隆，而且已经存在多年。

改变的是成本。以前，一个克隆要花几个月。现在只要几天（甚至更少）。这是巨大的变化，但一家 SaaS 公司的护城河从来不是代码。而是分发、数据、集成、合规、支持、维护和信任。客户不会仅仅因为构建成本更低就把整个公司迁移到一个新工具上。

任何人都能用 AI 在 20 分钟内做出一个看起来像 Slack 的聊天应用。现在试试同时处理数百万在线用户、消息绝不能丢失或乱序、跨多年历史的搜索、每家公司各自的权限、大客户的安全审查，以及与数千个其他工具的集成。那才是多年工作所在。而且代码不是资产，代码是负债：你发布的每一行，你都得维护。

我每周都在想这件事。如果每个人都重复说软件工程师会被取代：

有真实经验的人越来越少。而公司又开始招资深工程师了（复苏中的 71%）。这让我想起房价：当没有新房建成时，已经有房的人赢。

我读了 RisingWave（一个流式数据库）创始人 Yingjun Wu 在 X 上的一篇帖子：

“我真的不认为工程师应该把职业生涯押在仅仅精通软件开发上——不管是数据库、搜索引擎、推理引擎还是别的什么。AI 最终会自动完成其中大部分工程工作。

真正的护城河在别处：与客户沟通、理解他们的痛点、找出值得解决的问题，以及赢得人的信任。”

我同意一半。理解客户、找到值得解决的问题一直是最重要的技能。代码一直是工具，不是目标（AI 之前和现在都是）。

但我不同意另一半。数据库、搜索引擎和推理引擎恰恰是深厚知识在 AI 时代更重要、而不是更不重要的地方。AI 写大量代码，但必须有人知道这些代码是否正确、快速、安全。《State of AI》报告警告说，基准分数可能夸大已完成的工作。深厚的专业知识才能让你验证机器。

我不认为这是二选一。我认识的最好的工程师两者都做：他们在技术上钻得很深，又能很好地向别人解释。

Andrew Ng 说得好：劝阻人们学编程“将被视为有史以来最糟糕的职业建议之一。”

我每天都用 AI 写代码，它非常有用。软件工程这份工作已经发生了很大变化。我今天的工作方式和两年前毫无关系。如果你觉得什么都没变，你大概没有认真试过最新的模型和工具。用过的人没人能否认。

所以，作为工程师，我们应该适应。我们不应该做“代码浪漫主义者”，迷恋亲手写每一行。我们就应该做工程师：用我们最好的工具去解决问题。工程师一直都是这么做的。

但我不认为当前的 LLM 架构会取代人类的工作。（但其他架构会，肯定的……）