AI时代学编程还有意义吗？Atlassian工程师的真实回答

编程焦虑从何而来

2016年至今，科技行业已有超过75,000次裁员。AI能在几秒内写出完整代码、构建应用程序，这让一个问题萦绕在每个人心头：AI时代，学编程还有意义吗？

OpenAI CEO Sam Altman说"编程现在被高估了"；前Google CEO Eric Schmidt说"最好的程序员不再写代码，而是引导AI系统"；Anthropic的Claude Code贡献者Boris Cherny甚至宣称"软件工程已死"。当科技界的大佬们纷纷发出这样的声音，学生们开始困惑、焦虑，甚至有人因此放弃了学习编程的计划。

但现实真的如此吗？一位在Atlassian工作3.5年的软件工程师Harshit Rayyan，从一线开发者的视角给出了截然不同的答案。Atlassian是一家总部位于澳大利亚的企业软件巨头，市值超过400亿美元，旗下拥有Jira、Confluence、Bitbucket等服务全球超过30万家企业客户的产品。作为开发者工具领域的头部公司，其工程团队对AI辅助开发的实践经验具有很强的行业代表性。

三大原因制造了"编程已死"的恐慌

AI工具的能力爆发

如今只需一个prompt，AI就能生成完整的应用代码——前端、后端、数据库连接、API，一应俱全。当AI看起来"什么都能做"时，人们自然会想：既然AI能写代码，我为什么还要学？

当前主流的AI代码生成工具包括GitHub Copilot、Cursor、Claude Code、Replit Agent等。这些工具基于大型语言模型（LLM），通过海量代码语料训练，能够理解自然语言描述并生成对应代码。其中GitHub Copilot已拥有超过150万付费用户，而Cursor在2024年的ARR（年度经常性收入）突破1亿美元。这些工具的核心技术是Transformer架构下的代码补全和生成能力，它们擅长处理模式化、重复性的编码任务，但在需要深度业务理解和跨系统协调的场景中仍有明显局限。

大规模裁员潮

科技公司一边裁员，一边大举投资AI，这形成了一个看似合理的叙事：AI正在取代开发者。裁员的新闻与AI投资的新闻交织在一起，加剧了人们的恐惧。

但2022-2024年的科技裁员潮有其复杂的结构性原因。疫情期间科技公司过度招聘（over-hiring）是主因之一——Meta在2020-2021年员工数增长了近60%，随后在2022-2023年裁员超过2万人。利率上升导致资本成本增加，迫使公司从"不惜代价增长"转向"盈利优先"模式。虽然部分裁员确实与AI自动化相关，但大多数裁员是对疫情期间过度扩张的修正，而非AI直接替代人类岗位的结果。

科技领袖的惊人言论

Sam Altman、Eric Schmidt等人的言论因其影响力而迅速传播。但这里有一个关键问题需要理解——这些言论背后的真实含义是什么？

科技领袖的真实意图：营销话术vs实际含义

像OpenAI、Anthropic这样的公司，它们的核心业务就是构建AI代码生成工具。因此，它们的营销信息自然会强调工具有多强大。这不是虚假营销，但信息被以特定方式包装，可能在受众心中形成错误认知。

"编程已死"比"编程在演变"更容易传播，因为前者有更强的情绪冲击力。AI公司正是利用了这种传播机制来推广产品。

那么，这些领袖的真实含义是什么？

他们说的"编程在消亡"，实际指的是低层次编程在消亡——复制粘贴工作、基础CRUD操作、教程级别的项目。这些确实是AI已经能胜任的工作。

这里需要解释一下：CRUD是Create（创建）、Read（读取）、Update（更新）、Delete（删除）的缩写，代表了数据库操作的四种基本功能。所谓"低层次编程"并非指底层系统编程，而是指那些模式固定、逻辑简单、可以通过模板化方式完成的开发工作。例如：为一个用户管理系统编写标准的注册、登录、信息修改接口，这类工作遵循高度可预测的模式，AI确实能够高效完成。

但高价值编程依然至关重要：系统架构设计、数据结构选择、时间与空间复杂度的权衡、边界条件处理——这些决策仍然需要人类开发者来做出。高价值编程涉及分布式系统的一致性保证、高并发场景下的性能优化、复杂业务规则的建模等需要深度思考和经验判断的工作，这些远超当前AI的能力范围。

一线工程师的真实体验：AI快但不总是对的

Harshit Rayyan分享了他在Atlassian的日常工作经验：他和整个团队每天都在使用AI工具，因为AI确实能加速开发流程。但现实是：

AI快，但AI不总是对的。

具体表现在：

• AI的响应有时是错误的
• AI有时使用错误的逻辑
• AI经常遗漏边界条件（edge cases）
• AI有时连问题本身都理解错了

关于边界条件，这是软件工程中的核心概念，指的是系统在极端或非典型输入下的行为。例如：当用户输入为空、数据量为零、并发请求同时到达、网络突然中断、磁盘空间耗尽时，系统应如何响应？生产环境中的大多数严重故障（如2024年CrowdStrike导致全球850万台Windows设备蓝屏的事件）往往源于未被覆盖的边界条件。AI模型由于缺乏对真实生产环境复杂性的深度理解，往往只能生成"happy path"（正常路径）的代码，而遗漏这些关键的异常处理逻辑。

正因如此，每当AI生成代码后，都必须由人类开发者进行审查：逻辑是否正确？边界条件是否覆盖？是否有可能在生产环境中崩溃？

如果你不懂编程、不懂逻辑、不懂算法，你如何评估AI生成的代码质量？ 这恰恰说明，在AI时代，编程能力不是变得不重要了，而是变得更重要了——只是角色从"代码编写者"转变为"代码审查者和系统设计者"。

AI泡沫：投入与回报的巨大落差

分析师Derek Thompson等人的报告揭示了一个惊人的数据：2024年AI领域的支出达到5000亿美元，但消费者实际购买的AI服务仅有120亿美元。这意味着AI领域存在严重的过度投资。

更典型的案例是：前OpenAI高管Mira Murati最近完成了20亿美元的种子轮融资，公司估值达到100亿美元——但她甚至没有告诉投资者团队要构建什么产品。投资者仅凭"她来自OpenAI"就做出了投资决定。

这正是泡沫的典型特征：过度投资开始，不明确的回报结束。历史上每一次技术泡沫都遵循这个模式。当前AI投资热潮与2000年互联网泡沫有诸多相似之处。互联网泡沫时期，纳斯达克指数从1995年的1000点飙升至2000年的5048点，随后崩溃跌至1100点。当时大量公司仅凭".com"后缀就能获得巨额融资，与今天仅凭"AI"标签就能获得高估值如出一辙。但关键区别在于：互联网泡沫破裂后，互联网本身并未消亡，反而诞生了Google、Amazon、Facebook等巨头。同样，即使AI泡沫破裂，AI技术本身仍将持续发展并深刻改变软件开发方式，只是当前的估值和预期可能需要大幅修正。

给编程学习者的实际建议

不要跳过基础

当前最危险的趋势是：学生和新手跳过编程基础，完全依赖AI解决所有问题。结果是他们在面试和实际工作中严重挣扎，因为缺乏扎实的基本功。

编程基础包括但不限于：数据结构（数组、链表、树、图、哈希表）、算法思维（递归、动态规划、贪心算法）、计算机系统原理（内存管理、进程调度、网络协议）以及软件工程实践（版本控制、测试驱动开发、代码重构）。这些知识构成了理解和评估任何代码——无论是人写的还是AI生成的——所必需的认知框架。没有这个框架，开发者就像一个不懂建筑力学的人试图评估建筑设计图纸，根本无法判断结构是否安全。

现在是学编程的最佳时机

听起来反直觉，但逻辑很清晰：当大量人因为困惑而退出或犹豫时，机会就产生了。而且现在你有AI作为学习助手——任何疑问都可以直接问AI，学习效率比以往任何时候都高。

找准自己的定位

未来的开发者不是"写代码的人"，而是：

• 能理解和评估AI输出的人
• 能做出架构和设计决策的人
• 能处理AI无法解决的复杂问题的人
• 能将AI作为生产力倍增器的人

结语

编程的价值不会消失，变化的只是编程的形态。与其恐惧AI，不如拥抱AI作为工具，同时扎实打好编程基础。当别人在犹豫时，正是你行动的最佳时机。

核心要点

• 科技领袖说'编程已死'的真实含义是低层次编程被AI取代，而非高价值编程消亡
• AI生成代码快但不总是正确，仍需人类开发者审查逻辑、边界条件和生产稳定性
• AI领域存在明显泡沫：5000亿美元投入仅换来120亿美元消费者付费
• 跳过编程基础完全依赖AI是当前最危险的学习趋势
• 当大量人因AI恐慌而退出编程时，反而是学习者抓住机会的最佳时机