红牛策略 AI 写了 90% 代码，大厂程序员的煎熬时刻

"浪已经来了，能做的就是尽量游在前面。"

文丨祝颖丽

编辑丨赵磊

2026 年的第一个季度，包括亚马逊、Meta 在内的十几家海外科技公司总计裁员 4 万多人，程序员是其中占比最大的一类。原因并不复杂，在所有工作里，AI 做得最好的是写代码——在 Meta，已经没有人手写代码；谷歌 4 月宣布，他们 75% 的新增代码由 AI 生成。

中国互联网公司也在快速跟进。去年下半年，多数大公司的 AI 代码率还只有 20% 至 30%；到今年，随着国产大模型 coding 能力的提升，不少大公司新产生的代码里，最高 90% 是 AI 写的。这意味着，需要的人也越来越少了。但没有任何一家中国公司公开宣布因 AI 替代而裁员，更多采用不招新人、不续签合同、业务调整等柔性方式，持续汰换。

过去一个月，我们访谈了十多位主流互联网公司的程序员，他们分布在阿里、腾讯、字节、美团、B 站、得物，也包括那些从大厂出走，辗转到外企、国企的人。他们中有人做后端，有人负责数据架构，也有人做算法；有人刚工作几年，有人已经是团队里的技术骨干。

公司、岗位、资历不同，但他们讲述了不少相似的东西：AI 带来的效率提升没有变成闲暇，原本可能十天的工作，老板现在期待一天交付；岗位边界正在消融，如前端正在并入后端，新招岗位直接更名为 "全栈"；几乎所有人都想进一步跟 AI 挂钩，先用 AI 替代别人，被默认是自己留下来的最好理由。

但留下来的真正前提只有一个：有人先一步离开。

630，共同的 Last Day

2026 年的春节，张锐过得有点郁闷。他在一家互联网公司做技术管理，手下有小一百人。年前，他被老板通知裁员，他的部门也被分配了近 25% 的名额，让他在假期盘一盘人。

他的第一反应是诧异。公司当时各业务都还有利润，看不出一定要这么做的理由；如果是因为 AI，调整也很草率—— AI Coding 确实已经变强，团队里也有人自发使用，但当时公司内部，新的工具链、协作方式、组织形态都还没有开始着手建立，流程并没有跑通。

过去几年，互联网公司反复讲降本增效，张锐也经历过人员调整，但这一次通知来得突然，比例也高，激进的部门甚至接近一半。他带着抗拒但又不得不做的心情逐个权衡下属的命运：谁绩效更好，谁更有潜力，谁已经开始把 AI 放进自己的工作流，谁对新的技术变化更敏感 ……

动手的那一天在年后开工前几周，场景和大部分公司雷同：他和搭档的 HR 在一间小会议室里坐着，一个人进来，谈方案、谈交接、谈赔偿，再让下一个人进来。

有人不理解，有人情绪失控，他只能表示无奈。这个决定自上而下，不是一次充分沟通后的共识。公司没有发布任何解释性邮件，消息沿着管理链条一层层往下传，到他这里，只是一个必须执行的任务。那大概是张锐职业生涯里最漫长的两天。他重复着谈话、算赔偿和做心理疏导，人几乎麻木。但有些时刻他还是难受，比如有人是家中独子，父母生病，反复央求，很需要这份工作。

说起这些时，事情已经过去了两个多月，但那种冲击给他带来的影响似乎还没有消散。对上，他依然觉得 "过于激进"，为公司这种 "没有沟通余地" 的处理办法感到失望。对下，他也只能重复说 "没有办法"。但几个月后他发现，所有人都在做同一件事，只是早晚的区别。

6 月，裁员已经不再是新闻。在 Shopee，一位女工程师绩效年年第一，6 月 8 号突然收到了 HR 的小窗通知；在飞猪，一位 10 年的资深前端，6 月 11 日也拿到了 "离职大礼包"，在他所在的技术团队工区，一半工位都空了；在美团，一位应届毕业就加入、工作了 4 年的后端工程师，也在 6 月 17 日被主管喊进了会议室，他所在的部门 30% 的人收到了裁员通知。630（6 月 30 日）成了很多人共同的 Last Day。

赵舒是上海一家互联网大公司的前端工程师，端午前的一个晚上被通知裁员。她觉得自己绩效不差，也不是最贵的人，第一反应是愤怒。

裁她的理由，最直接的是 AI 冲击。她负责的是商家端业务，后端提需求，她来做页面。现在有了 AI，后端自己就能写前端代码。事实上，过去两三个月，她接到的需求已经越来越少，最后一个月完全没活儿干了。

赵舒去年刚休完产假回来，平衡孩子和工作一度让她很痛苦。近来，因为 AI 可能取代工作的焦虑，她原本下定决心、调整心态，想等到了新业务里，自己还是 "卷起来"，但没想到那么快，卷的机会都没有了。

赵舒怪自己不够敏感、不够快。但在另一些还没被裁的人那里，敏感并不能带来安全感，它只是让恐惧来得更早。被裁的人至少得到了一个确定的结果，更多人正在持续遭受着煎熬。

AI 提高两倍效率，活儿会变成三倍

李浩在等。他是美团的老员工，十几年的后端工程师，他猜测，自己可能待到 7 月底，那时他合同到期，应该不会续签。

他对裁员有预期。从 3 月开始，李浩就能感受到一种从上往下的紧迫感。他转述了美团公司内流传的一个故事，王兴见完一个 AI 大佬后，在管理层会上说，水已经涨上来了，"不管是在里面扑腾还是怎么样，都要赶快学会游泳。"

之前有人会对 AI 生成代码有些怀疑，但这种自上而下的强推之后，很多人两个星期之内就跑起来了，AI 代码率从 10% 升到 70% - 80%。当时他就判断，裁员是一定会到来的事，不是半年就是一年。

创始人的话也很快变成压力，传到更具体的工作里。公司要求各个团队从上到下探索 AI：哪些工作流程可以被标准化，哪些环节可以沉淀成 skill，哪些产品和运营场景可以做出 AI 工具。每个团队都被要求想办法把 AI 和业务结合起来，拿出新的 idea，哪怕只是一个还跑不通的 demo，也要先证明想过、投入过、尝试过。

李浩觉得痛苦的地方也在这里。让他最焦虑的不是 AI 本身，而是这种压力的传导方式。他觉得，如果公司已经看清楚了方向，要推就推，该调整就调整。但现在很多人像是被一个不够清晰的目标推着走，每天都要挖空心思想 "怎么和 AI 结合"。

他担心自己慢了，也担心团队慢了。别的团队做到了什么程度，别的 Leader 对 AI 的理解有多深，这些都会变成横向比较的压力。有一段时间，他晚上回到家，会坐在床头一直熬到天亮。他害怕睡着，也害怕醒来，因为一觉后，又是新的一天，又要继续面对这些东西。压力之下，李浩记忆力都开始变差，听过的话马上就忘，整个人像被困住了。

在字节一些部门，这种集体性的焦虑也一度蔓延。

江同 2023 年校招进入字节之后，对所在小团队的感受一直不错。虽然忙，但同事、mentor 和领导关系都好，大家像朋友一样交流。

3 月前后，团队内部开始密集地倡导 AI。领导在推，领导的领导也在推。每天都有新的文章、新的文档、新的工具介绍、新的使用方法被推到面前。有人分析新的编程工具，有人写各种原理和实践。需求还要做，文档也要看。这个还没看完，下一个又来了。

AI 改变的是整个团队的空气。他形容那段时间大家都 "疯魔了"。每个人突然都在学，都在追，都怕自己落后。而事实上，没有业务、没有人会因为某一项工具真的马上改变现状，但当公司自上而下表现出焦虑时，每个人都无法幸免。

没过多久，江同所在的这个他自称 "相对边缘" 的团队也开始明确考核 AI 代码率，以及每个人、每个小组对 AI 的使用情况。这些都被写进上级的 OKR 里，甚至有专门的网站同步滚动统计。在阿里淘天集团，也有一位高层推动了统一看板，每个人的 AI 使用数据对所有人可见。

为了弥补经验不足带来的判断力不足，也为了跑在前面，江同开始将 AI 节省的工作时间用来学 AI 写的代码。每天 9 点下班后的 1 - 2 个小时，是他的学习时间。他会逐行看 AI 写的代码，了解 AI 的写作风格和代码逻辑，"就看它到底是怎么写的，写出来是什么样。只有这样，我才能更好地与它沟通。" 不懂的领域，比如前端，现在他也得写，就继续问 AI，补上这块知识的空白。

像江同一样，很多用上 AI 的人反而更累了。周铭在得物做算法，他的代码已经有八九成交给 AI 来写，但老板的预期变了，原来十天做的事情，现在会被认为三天就应该搞定，"公司的目的是提效嘛，并不是让你们轻松的，所以它只会让你活越来越多。"

更大的变化是工作模式。过去一个一线开发在同一时间里，通常只做一件事；现在 AI 可以同时跑多个任务，人就要变成多个任务的监管者。一个需求交给 AI 跑，另一个需求也交给 AI 跑，人要隔一段时间去看结果、做判断、纠偏、验收。问题是，人的精力没有同等放大，AI 可以写更多代码、生成更多方案，但最后判断这些东西能不能用、有没有风险、是否符合业务现实的仍然是人。执行提效了，但决策和责任在程序员这端没有消失——大家变得更累了。周铭形容，现在他更像自动驾驶里的安全员，虽然车可以自己跑，但人仍然要对最终结果负责。

上下游合作也变得更不顺畅。周铭的一部分上游合作者会直接把 AI 生成的文档或代码丢过来，但自己并没有认真校验。AI 生成的东西看起来像完成了，但里面可能有性能问题、逻辑问题，或者根本不符合业务需求。表面上看，对方完成了交付，实际上审查和返工的时间成本转到了负责的下游身上。

裁人后，对张锐来说，更难的是用仅剩的人支持所有的工作。砍非必要的项目、重新分配已有项目责任人。这个过程中，AI 开始被极致地利用起来。"它是一个倒逼的逻辑"，他后来总结说。

经历过一次风波，他意识到，不管是在哪家公司，趋势已经不以个人意志转移了。而既然浪已经来了，能做的就是尽量游在前面。

做一个加速淘汰自己的工具

一个周末下午，我在阿里西溪园区见到了何川。周末的工区依然有不少人在工作，何川说，都是 " AI 焦虑带来的忙"。过去 3 年，阿里一直在喊 " all in AI "，但前年是业务团队零星一两个人在探索；去年开始立项；到今年，"所有人都要为 AI 打工"。

每个人都想让自己和 AI 挂上钩。做一个 AI 项目，跑出一个自动化工具，给业务提一部分效率，都可能变成新的安全感。因为大家隐约知道，如果后面真的裁员，做 AI、懂 AI、能拿出 AI 结果的人，可能更容易留下来。何川也同样焦虑而忙碌。

在阿里，他所在的业务团队将日常的业务和与 AI 相关的业务称为 "旧城" 与 "新城"。幸运的是，他正好在 "新城"，做着和 AI 相关的业务，这预示着接下来的半年、一年里，如果他真有些结果，可能会拿到更好的绩效。

但这是一个吊诡的工作。他做的是一个内部 Coding Agent，一个把业务从需求到上线自动化的工具。如果他真做成了，会加快自己被淘汰的速度。不过，现在还不是考虑这些的时候，更让他焦虑的是，这个类似的工具，不同的业务团队里的技术都在做，甚至不同职级的人也同时在 "卷"。

P7 想做一个点的自动化，P8 想上升到一个面的业务，P9 则在规划一个更大的自动化平台。何川这样一个低职级的员工，刚想出一个小工具，更高层级的人可能已经覆盖了。他觉得自己像在经历一场内部 "大逃杀"。

他有时觉得没希望，但也无法躺平，因为老板比他更焦虑。为了保住地盘，老板要稳住做老业务的员工，会暂时把好绩效分给 "旧城" 的同事；同时要证明团队在 AI 时代仍有价值，得不断推着他们往前，找到 AI 新产品的独特优势。

何川吐槽说，"每个人都希望在 AI 时代有自己的一席之地，但是很可能结果就是没有你的一席之地，但你非要占，只能是硬占。而你硬占的这个地方，可能压根就不存在。" 他有时觉得，只有那么一小拨人真的站在正确的道路上，大多数人只是牺牲品，在这个过程中陪跑。

他也理解老板。向上汇报时，总得摘亮点、讲独特性。但很多时候，他觉得自己无能为力。在他看来，这些自动化产品并没有太多技术壁垒。一个业务团队的技术员工能想到的，通用 coding 工具也能做到；那些工具没有做的，很多时候本身就是不合理的需求。

工作快十年，何川经常觉得自己仍没有适应职场的规则：服从和执行。起初，老板希望他探索出 "行业领先" 的东西，他觉得做不到、不现实，就会争论；久了发现对方并不想听，事情又做不成，只能拖着。老板的情绪也变得不稳定，有时骂人，有时又借着吐槽袒露自己的焦虑，希望得到他们理解。

何川自己也处处矛盾，进退两难。他干的并不舒服，但离开大厂，又担心别的地方接不住，舍不得这里的稳定和高薪；他也觉得，大概率这样卷不出什么结果，但在结果出来之前，他还是不舍得那 50% 概率的好绩效，或者被裁时，多年工作经历攒下的丰厚 "礼包"。

更让他绝望的是，他已经看到了终局。"太确定了，它一定会取代绝大多数程序员，只不过现在确实受限于模型能力，还不能变革那么彻底。" 何川觉得，安全的时间最多只剩下一两年。

"下坡的时候要开心"

朱江对未来保持着一种难得的平静。以前他看《人月神话》——技术中讲项目管理的书时记得，一个项目，人越多，效率越低。

他认为，未来可能只需要过去五分之一的工程师，80% 的人都会被淘汰。更大的共识是 Token 未来会越来越便宜，而模型会越来越强，公司可以花更少的钱获得更好的效果，"但这个就跟员工是相反的。你员工来公司很多年，那是要涨工资的。"

他目前在外企，失去工作的风险还不大，但他相信这也是迟早的事，"我觉得早点、晚点其实都行。" 进入这个行业 11 年，朱江觉得自己这一批人虽然没有吃到最多的时代红利，但也该知足了。

他高中竞赛时，选计算机专业是误打误撞，那时被热议的是土木工程，计算机一度被视作泡沫要破灭的行业，谁知移动互联网到来后，又续命了这些年。跟其他同学相比，他多挣了很多年钱，处境也好得太多。他觉得，人走运一次就差不多，当时不小心被时代嘉奖，现在遇到问题，最好的心态也是 "接受"，"我们可能跟工业革命后的纺织女工是一样的。"

朱江说，程序员这个群体一直在学习，习惯学习工具，习惯技术迭代，也习惯把新的生产方式先用到自己身上。某种意义上，是程序员亲手做出改变自己行业的工具。他相信，旧的岗位消失，新的人会围绕新的工具、新的组织方式、新的产业机会重新聚集。

高虹在 Shopee 做的也是前端，去年 4、5 月，她的老板就已经意识到风险，开始推动大家做 AI agent 项目。一年多的时间，从立项到落地，从用户侧采数据，到建立 benchmark 和过程指标，她都参与过。也因此，在绩效连续不错的时候得知被裁，她第一反应是震惊，随后也很快就转换了心态。

她的一位老板对她说，现在想从前端里 "卷" 出来很难，即便没有 AI，行业上升通道也已经变窄。但有了 AI，反而出现一个新机会点，大家都在同一条新路上出发，只要比旁边的人多懂一点点，在就业市场上就可能有优势。几年前，找前端岗位时，她面试字节，经常感到技术上还是能被 "问住"。而这次，当她以 agent 工程师为目标时，发现面试官经常还没有她懂。

最近她也跟一些创业公司交流，他们在做游戏、金融或其他垂直行业的 agent，对方会把具体业务场景拿出来和她讨论：如何设计流程，如何判断效果，哪里可能出错。那些面试更像一场共同推演，她不一定每次都答得完美，有时也觉得自己没有处理好，但对方却非常宽容，因为这个领域本来也没有标准答案，很多方案都还值得试。

她在这个过程中重新找到了兴奋感——前端做久了，知识边界已经熟悉，甚至有些倦怠；而 AI 和 agent 领域还有很多值得探索的东西，这甚至让她重新意识到自己对技术的热爱，也让被裁之后的日子没有完全坠入一种单一的失败感，"很多时候，机会和看起来悲观的事情就是并存的。"

被裁之后，赵舒没有真的休息。最后几天，她还是常常在公司待到晚上八点半，准备简历，学新东西，等面试。现在找工作，纯前端机会几乎消失了，市场上更多是 "全栈工程师"、" AI 应用工程师""，她开始学 Python ——一种后端语言，补齐成为一个全栈工程师的空白。

焦虑是必然的，最近几天，她一度睡不着，忍着不看手机，才终于在快天亮时眯了一会儿。

面试给了她一点信心。她发现，面试官问的几乎全是 AI，因为在大公司，她还是有不少经验走在前面。虽然还没有拿到 offer，但她觉得，自己有 70 分的把握。丈夫也安慰她，"上坡的时候要努力，下坡的时候要开心。" 赵舒今年 32 岁，她觉得自己还在上坡期，还不能停。

七星策略提示：文章来自网络，不代表本站观点。