你刷着科技资讯，突然又看到那句老调重弹的断言：“AI 将在 2026 年取代所有开发者。”可就在这时，OpenAI 联合创始人 Andrej Karpathy 和亚马逊、谷歌老将 Steve Yegge 却给出了完全不同的预测。他们的观点，直接颠覆了这种说法。
他们的看法？大家都想反了。
我这几个月一直在密切使用 AI 编程工具，当这两位大佬不约而同得出同样的结论时，我就知道这事得好好琢磨一下。他们的观点不仅和那些“末日论”截然不同，甚至可以说是完全相反。
他们是谁？为什么值得你关注
Karpathy 可不是那种只会炒作 AI 的人。他是 OpenAI 的创始成员，曾任特斯拉 AI 总监，亲手搭建了如今大家争论不休的那些 AI 系统。AI 的局限在哪，他比谁都清楚。
Yegge 则是在亚马逊和谷歌负责过核心基础设施的老兵，那时候“规模”这个词的含义和现在完全不同。如今他在 Sourcegraph，直接和企业团队合作，把 AI 真正落地到生产环境里——不是做演示，而是要让代码真正在现实中跑起来。
当这两位都看着 AI 编程的热潮说“开发者不会消失”，我会认真听。
颠覆认知的核心观点
我突然明白了：这根本不是“取代”，而是“新一层抽象”。
想想看，现在还有多少开发者写汇编？几乎没有。高级语言出现后，程序员的饭碗没丢，反而行业爆发式增长——因为大家能更快地做出更复杂的东西。
Karpathy 和 Yegge 都认为，这个历史正在重演。用 Yegge 的话说：“企业级软件开发永远都极其复杂，所以工程师和 AI 会联手一起搞定它。”
关键词就是“联手”，不是“AI 接管”，而是“协作”。
现实中，这到底是什么样？
给你举个实际例子。Karpathy 发明了一个词叫“vibe coding”（氛围编程），非常贴切地描述了现在的变化：
“现在有一种新型编程方式，我叫它‘vibe coding’，你完全顺着感觉走，拥抱指数级提升，甚至忘了代码本身的存在。”
听起来挺吓人？其实操作很简单。
Karpathy 做周末项目时，几乎不碰键盘，直接和 Cursor Composer 对话：“把侧边栏的内边距减半。”AI 就帮他改好了。看着没问题，他就继续。再也不用翻 CSS 文件、调试边距。
遇到报错，他直接把错误信息粘贴给 AI，什么都不说。“通常就能搞定。”
关键在于：这种方式是可以根据项目重要性灵活调整的。
随便玩玩的周末小项目？全程交给 AI，自己只管氛围。
企业级生产系统？就得像 Yegge 说的那样用“监督式 AI”——AI 负责体力活，你全程把关、审核。
同样的工具，具体怎么用，取决于你在做什么，人工介入的深浅也随之变化。
Yegge 的技术进化论（发展速度惊人）
Yegge 一直密切关注着这场变革。他大约一年前提出了“对话式编程”这个概念——也就是通过与 AI 对话来写代码，而不是依赖自动补全。
但现在呢？“对话式编程还算主流，但智能体编程已经以指数级的速度超越了这种方式，效果远胜以往。”
所谓智能体编程，就是让 AI 能够独立完成整个工作流程，你只需在旁边观看。与其说“帮我写个函数”，不如直接让 AI “为这个应用构建用户登录功能，包括密码重置”。
这场进步的速度令人咋舌。从自动补全到对话，再到自主智能体，前后不过一年半。
三大编程时代（我们正步入第三阶段）
Karpathy 把这个过程分为三个清晰的阶段：
第一代：你写出详细的指令。比如要排序数据，就得手写排序算法。
第二代：你给出示例，计算机通过学习样本找出规律。比如要做图片分类，就用成千上万张带标签的照片训练神经网络。
第三代：你用英语描述需求。比如要用户认证，只需说“创建一个带密码重置功能的安全登录系统”。
他的核心观点是：“大语言模型（LLM）是一种全新的计算机，而你用英语来编程。”
这不仅仅是工具的升级，而是让任何能清楚表达想法的人都能参与编程。产品经理可以自己做原型，设计师也能无需等工程师就搭建交互演示。
这不会取代开发者——而是让所有人的能力成倍提升。
一个鲜有人提及的问题：参差不齐的智能
但我对此也有保留，Karpathy 的坦率让人耳目一新。
AI 存在所谓的“参差智能”——它能解决极其复杂的问题，却也会在简单问题上犯低级错误。AI 可能能完美实现复杂算法，却又信誓旦旦地告诉你 9.11 比 9.9 大。
“目前，这一点尤其值得注意，特别是在生产环境中。要用 LLM 做它擅长的事，但要警惕那些‘参差边界’，并始终让人类参与把关。”
这也是 “AI 会取代所有开发者”这种说法站不住脚的原因。AI 有时极其聪明，有时又愚蠢得不可思议，且难以预测。生产系统无法承受这种不稳定，必须有人类监督。
经济现实（已经在发生）
有一点你必须重视：“有些公司已经裁掉了 30% 不愿意用 AI 的工程师。”
不是将来，而是已经发生。
“有钱的公司可以直接投入，但其他公司就要做艰难选择——要么承担成本、要么被竞争对手甩开、要么裁员来弥补新开支。”
换句话说，如果一个用 AI 工具的开发者能顶仨人干活，你觉得哪两个会被裁掉？
这不是理论，我现在就在现实公司里看到这种情况。会用这些工具的开发者变得极其抢手，而忽视 AI 的人正在被淘汰。
你真正需要学什么（和你想的不一样）
真正重要的能力，并不是死记硬背新 API，或者学点提示词工程的小技巧。更高阶的能力其实有以下几种：
AI 监督力：学会分辨 AI 输出到底靠谱还是胡说八道。这种能力其实可以训练出来——你会逐渐发现 AI 常犯的错误模式。
问题架构力：把复杂需求拆解成 AI 能稳妥处理的小块。这其实是传统工程师的老本事，只不过用在了新工具上。
质量把控力：能迅速发现 AI 带来的那些隐蔽 bug。这和普通调试不一样，因为 AI 的错误有自己独特的规律。
自然语言表达力：能更清晰地描述需求。如果编程越来越像对话，那沟通能力就成了技术能力。
有趣的是，这些本质上都是人的能力，和 AI 协作后会被放大，而不是被取代。
关于进展（别被炒作带偏，关注现实）
Karpathy 对“ 2025 年 AGI 就要来了”这种说法泼了盆冷水：“每当我看到‘2025 是智能体元年’这种说法，我都很担心，其实我觉得这应该是‘智能体的十年’。”
十年，不是一年。
“可惜的是，华尔街并不懂得耐心，所以 AI 的炒作还会继续喧嚣下去，而真正的从业者还在摸索如何开启新的计算时代。”
但现在已经有些现实成果你可以用上：像 GitHub Copilot、Cursor 这样的工具，已经让开发者在日常任务上提速 30% 到 50%。这不是理论上的提升，而是你今天就能看到的实际效果。
这场变革来得不算太快，你有时间适应；但也不算慢，现在就该开始行动。
为什么我对这场变革反而乐观
说实话，我一开始也很怀疑。“AI 让编程大众化”这种说法，听起来就像硅谷的老套忽悠。但真正用这些工具做了几个项目后，我突然明白了。
每一次编程范式的变迁，都是类似的轨迹：从汇编到 C，从 C 到 Python，从命令行到图形界面。每次大家都担心门槛降低会让行业变弱，但每次结果都是行业变大、变有创造力。
那些最终脱颖而出的开发者，从来不是死守旧工具的人，而是善于用新工具做出以前做不到的东西的人。
这次的变化更大。我们不只是换了种语法，而是获得了一种全新的问题解决方式——更重视清晰表达，少了死记 API 的负担。
正如 Yegge 所说：“计算机科学教育确实需要进化，但基础依然重要。当年汇编被高级语言取代时，大家担心编程能力会退化，结果反而行业扩张、岗位增加。”
现在最吃香的开发者，不是那些精通 React hooks 或 Kubernetes 配置的人，而是能清楚表达自己想法，并能引导 AI 正确实现的人。
本周你该做什么
别再光看资料了，赶紧上手试试吧。挑一个 AI 编程工具用起来——如果你想要稳定一点的体验，就选 GitHub Copilot；如果你想尝鲜最新功能，那就试试 Cursor。
先从一个无关紧要的小项目开始，做点有趣又无压力的东西，比如随机语录生成器、简单的待办事项应用之类的。这种项目对代码完美与否没什么要求，放手去做就好。
别想着一口气彻底革新你的整个开发流程。先在这些低风险的小项目里，适应一下人与 AI 协作的节奏。
那些已经在 AI 时代如鱼得水的开发者，从来不是等到工具完善、教程齐全才开始的。他们都是边试边错，边做边学。
真正的未来
Karpathy 和 Yegge 都明白一件事，而那些“AI 取代人类”的说法却忽略了：这项技术是放大人类智慧，而不是取而代之。
我们不会被淘汰，我们会变成指挥者。AI 不是来抢我们的饭碗，而是让我们和它配合，去解决单靠自己搞不定的大难题。
未来属于那些能站在更高层次思考、善于沟通、懂得如何指挥 AI 解决复杂问题的开发者。如果你已经走到今天这一步，其实你已经具备了大部分所需的能力。
你只需要开始学会和 AI “共舞”。说真的，这支舞一旦跳顺了，还挺有意思的。
革命不是即将到来，而是已经发生。问题只在于，你是要参与塑造它，还是被它塑造。
大模型技术共学营
大模型学习不再孤单，如果不想一个人孤军奋战，快来扫码加入共学营一起学习吧👇
入营流程：
扫码付款后扫码添加小助手
发送手机号 / 订单截图验证入群
入群后查看公告，开启共学之旅
常见问题：
没有 AI 背景可以学吗？可以，只需基础 Python 知识
直播错过怎么办？有回放，节奏自由，随看随学
图书是电子版吗？全部都是实体书，并且全国包邮
读过部分图书了还适合加入吗？当然适合，核心是社群、项目。
扫一扫
8
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
