1860年，纽黑文一家衬衫工厂用400台缝纫机取代了1600名女裁缝，产量保持不变，每周可生产1万件衬衫。这些机器并未摧毁服装产业——服装需求持续上升；它们只是消除了熟练手工缝纫的溢价。几个世纪以来，技艺与制造业反复经历相似的周期：发现、专业化、商品化与自动化。软件工程正沿着同一条路径前行。
早期程序员堪称“祭司阶层”。他们手写机器码，手动拨动开关、插接插板。汇编语言与高级语言（如FORTRAN）抽象了数字操作码与硬件细节，使编程向更广泛人群开放。抽象提升了生产力，却也逐步削弱了排他性。
如今，编程训练营培养出的网页开发者往往不学习内存管理、计算机架构或系统设计。AI代码助手与集成开发环境（IDE）已能完成许多初级工程师曾承担的任务。2023至2025年间，美国入门级岗位招聘数量下降35%，企业普遍预期AI将填补空缺。软件的故事并非终结，而是正在成为基础设施——价值重心已然转移。
www.eic.net.cn
模式：从手艺到商品
由技术突破催生的行业常遵循可识别的演进路径：
| 阶段 | 特征 | 历史类比 |
| 发现期（手艺/行会） | 知识稀缺；隐性、第一性原理知识；高薪 | 建造大教堂的石匠；手工金属加工技师；早期程序员手写机器码 |
| 专业化 | 正规培训与认证；标准化工具与流程；效率提升 | 建筑师与石匠分离；工程师取代技师；FORTRAN等高级语言推动编程普及 |
| 商品化 | 工具内嵌专业知识；任务可互换；薪资趋平 | 缝纫机降低手工缝纫需求；数控机床（CNC）使单人可监管多台设备；现代框架隐藏硬件细节，支撑训练营快速产出开发者 |
| 自动化 | 机器/AI执行常规任务；人力转向监督或消失 | 自动衬衫工厂；CNC机床；AI代码助手承接初级编码工作 |
该序列并不消灭技能，而是改变谁获得报酬。缝纫与机械加工依然存在，但已不再享有昔日的薪资溢价。
软件迈向自动化的历程
1. 行会时代（1950年代–1970年代）：程序员拨动硬件开关、加载穿孔卡片，需精通内存限制与硬件特性。FORTRAN等语言使其摆脱机器码束缚，人员稀少且昂贵。
2. 专业化（1980年代–2010年代）：计算机科学学位、设计模式与框架标准化开发流程。托管语言与云平台进一步屏蔽内存管理与系统调用。训练营涌现，培养仅依赖高层抽象构建Web应用、却不懂寄存器或逻辑门的开发者。
3. 商品化（2010年代至今）：框架、库与代码共享平台将大量编码任务转化为组件拼装。训练营毕业生无需低层编码即可搭建电商网站，但也意味着其可替代性强。雇主极少教授或重视系统底层知识，入门岗位持续萎缩。
4. 自动化（当下）：GitHub Copilot、ChatGPT等AI代码助手已被76%的开发者采用或计划采用。这些工具生成样板代码、将需求转为代码、解答问题。尽管其在上下文理解与准确性上仍有不足（38%开发者报告助手至少一半时间提供错误答案），但进步迅速。管理者假设AI可处理初级任务，资深工程师则被迫承担设计与测试职责，导致职业倦怠。
易IC库存管理软件
现实检验：Block公司的AI裁员事件
抽象与自动化不仅是理论趋势。2026年2月，杰克·多西（Jack Dorsey）旗下的支付公司Block宣布裁撤超4000名员工，将总人数从逾1万人缩减至不足6000人。多西称宁可“坦诚而自主地达成目标”，也不愿日后被动应对裁员。其首席财务官表示，重组后公司将“以更小、更精干的团队，借助AI自动化更多工作，加速发展”。换言之，AI成为削减近半白领岗位的正当理由。
多西本人解释其果断行动逻辑：可渐进裁员，也可“果断清晰行动”；他选择后者，因“反复裁员损害士气、专注力及客户与股东对领导力的信任”。他预测一年内多数公司将得出相同结论。
投资者与技术专家反应强烈。科技投资人巴拉吉·斯里尼瓦桑（Balaji Srinivasan）称这是首例“AI驱动裁员”，将“震动整个行业”，并呼吁从业者“立刻精进技能，变得不可替代；加班加点；掌握AI工具，全面提升能力”。在他看来，Block裁员是明确信号：拒绝拥抱自动化者——无论个人还是企业——恐难生存。
此次裁员公告不仅是又一则科技新闻，更是AI重塑劳动力市场的预演。单一决策即消除数千岗位; 同时宣称“智能工具”配合精简团队能实现更高产出与质量。这一反应凸显自动化如何迅速波及白领工作，也揭示工程行业中层正面临严峻威胁。
反方观点：软件仍具独特性
反对者坚称软件工程并未商品化; 而是在向上演进。他们指出，随着各行各业数字化，软件需求持续增长；AI应视为提升效率的工具，而非威胁。
顶尖工程师依然稀缺且高薪。他们强调，分布式数据库、网络安全、大规模AI等复杂系统过于脆弱，无法端到端自动化。过往生产力冲击（如编译器、框架）反而创造了更多价值与岗位。在其观点中，软件工程仍保有特权地位，因人类仍须设计、调试并管理日益复杂的系统。
驳斥迷思：需求≠薪资溢价
软件需求确实在上升，但这并不转化为持续的薪资优势。历史表明，商品需求激增时，劳动价值仍可能崩塌：缝纫机普及后服装产量上升，女裁缝岗位却消失；CNC机床使单人可监管多台设备。软件领域亦然：代码总量增长，但单位产出所需人力持续下降。
训练营出身的开发者运作于框架层，产出高度可互换；AI不仅是个新库，更自动化了“意图→实现”全过程，压缩了曾支撑初级岗位的任务空间。2023至2025年，企业入门岗减少35%，其中五分之二领导者明确归因于AI。复杂性并不保护劳动；它反而催生更多抽象层（如Kubernetes、托管云服务、自动扩缩容）。当专业知识被编码进工具，劳动溢价便向上转移至少数能跨层设计、集成与排错的人才；其余人沦为商品。
仍稀缺的能力
并非所有角色都将消失。熟练技工持续存在，因其处理不可预测、需触觉反馈的问题——AI无法疏通马桶或重布建筑线路。在软件领域，稀缺性将集中于：
• 系统与架构设计：理解计算、内存、网络与硬件交互至关重要，尤其当系统故障时。AI无法设计安全的三维建筑；建筑师即便使用BIM工具仍做关键决策。同理，AI难以推理分布式系统的失效模式。
• 跨学科整合：将软件与能源、生物技术、制造或航天结合，需兼具物理约束与编程知识。
• 责任与伦理：当AI与软件驱动汽车、医院与金融市场时，人类仍需确保可靠性并作出伦理判断。
• 工具构建者：创造下一代抽象层的人将捕获核心价值。
中层的终结
软件工程并未消失，而是成熟为基础设施。如同缝纫、机械加工与测绘，其发现阶段早已结束。专业与商品化阶段业已完成；AI正通过自动化常规任务，最终瓦解广大的中层程序员群体——他们仅能组装框架，却缺乏深层理解。
未来属于那些能在抽象失效处运作的人：系统架构师、跨域工程师，以及理解代码为何有效、而非仅知如何提示AI生成代码的人。编码本身从来不是稀缺技能；理解力才是。
