AI 时代工程师哪些角色在消退，哪些在成长

每隔几周，就会冒出一个讨论 AI“取代开发者”的新帖子。通常要么充斥着纯粹的恐慌，要么完全不屑一顾，而这两种态度都没什么帮助。我们不妨看看真实的劳动力数据，了解技术岗位究竟发生了什么变化，而不是听信那些博眼球的观点。

先看整体数据

世界经济论坛发布的《2025 年未来就业报告》覆盖了 55 个国家、超过 1000 家雇主和 1400 多万名劳动者。报告预计，到 2030 年，全球将新增约 1.7 亿个工作岗位，同时约有 9200 万个岗位消失，净增岗位约 7800 万个。

科技行业并非不会出现在“消失”的那一栏，但在“新增”岗位中所占的比例要高得多：大数据专家和 AI/ML 工程师被列为整个数据集中增长最快的职业之一。

对工程师而言，更值得关注的数字是：预计到 2030 年，39% 的核心技能将发生变化或变得过时。注意，是技能，而不是岗位。这个区别会显著影响你应该如何规划自己的职业生涯。

哪些工作正在被自动化，哪些没有

根据数据所呈现的岗位增长与衰退趋势，实际受到市场青睐的能力大致可以划分为以下两类：

正在商品化的工作：生成样板式 CRUD 代码、编写常规测试、起草第一版文档、进行简单的 bug 分类，以及搭建基础数据管道骨架——也就是那些能够借助庞大训练语料进行模式匹配的工作。

不但没有贬值，反而变得更有价值的工作：系统设计、架构权衡与决策、调试真正新颖的故障模式、把模糊的业务需求转化为技术规格，以及——这一点往往被人们低估——与非工程人员进行跨职能沟通。

最后一点并不是什么泛泛而谈的“软技能”说教。世界经济论坛的报告明确指出，70% 的雇主将分析性思维视为关键技能，其排名高于任何一项单独列出的技术技能。纵观整个数据集，真正具有竞争力的特质，并不是对某一种工具钻研得有多深，而是能否快速理解新系统，并在不确定性中做出判断。

仔细想想，这恰好也是对资深工程师日常工作的准确描述，同时也是初级工程师仍在逐步培养的能力。

再培训的现实

把视角扩大到整个劳动力市场：全球每 100 名劳动者中，到 2030 年将有 59 人需要接受某种形式的再培训。对工程师来说，这其实不是什么新鲜事——从第一份工作开始，为了跟上各种框架的更新换代，你可能每隔两三年就得“重新培训”自己一次。真正发生变化的是这种转变的速度，以及它所带来的风险。

还有一项数据值得单独指出：LinkedIn 的数据显示，自 2016 年以来，在个人资料中列出 AI 技能的专业人士数量增长了 20 倍。这不是对未来的预测——它已经切实反映在你下一次求职所面对的竞争者身上。

这对你的职业定位意味着什么

增长最快的岗位——AI/ML 工程、数据工程、应用型网络安全、金融科技基础设施——都位于多个领域的交汇处，而不是局限在某个狭窄的专业内部。

相比“我会框架 X”这种单一定位，“我知道如何设计融合 X 的系统，理解推动它落地的业务约束，并且能够向非技术利益相关者解释其中的权衡”更不容易受到冲击。

从教育领域的视角来看，我也观察到了同样的趋势。我在 SITE 工作，我们的“AI 与创业”本科专业有意建立在技术与商业的交汇处，而不是在传统计算机科学学位上生硬地附加一门商业选修课。

它无法保证任何结果——没有任何课程能够做到这一点——但它反映了劳动力数据所释放出的同一个信号：眼下，跨领域技能的价值正在持续复利式增长。

与其问“AI 会不会取代我的工作”，不如问两个更有价值的问题：你目前所做的工作中，有多少属于可以通过模式匹配完成的常规任务？你又是否在有意识地培养那些位于多个领域交汇处，而不是被困在某条狭窄赛道里的能力？

岗位很少会在一夜之间消失。它们往往只是在悄无声息地改变形态，而那些只针对岗位今天的样子进行优化、没有关注它明显将走向何方的人，最终会被这种变化打个措手不及。

若要采取进一步措施，你可以考虑屏蔽此人和／或举报其滥用行为。