我们正站在文明倒退的边缘，不是技术发展得太快，而是AI正在替人思考，替人判断，替人解决问题，当越来越多人习惯张嘴就问AI，动脑反而成了麻烦，真正可怕的不是机器越来越聪明，而是人类可能在不知不觉中集体降智。

（信源：新华网，2026年9月11日）

9月11日，工信部发布《“人工智能+软件”专项行动实施方案》，智能编程已经不是程序员圈子里的新鲜玩具，而是在真正进入软件生产流程，同时文件专门提到岗位改造、技能培训、漏洞识别这些问题，说白了，代码可以让AI越写越快，但人的能力不能跟着变薄。

现在写程序到底有多方便，很多开发者应该深有体会，以前搭一个项目要查文档、找框架、配环境、改报错，现在把需求交给ChatGPT、Claude、Copilot、Cursor，代码、配置文件甚至部署脚本都能一股脑生成，原来折腾半天的活，可能一杯咖啡还没喝完就跑起来了。

这种效率提升当然是好事，我也不赞成把AI编程说成洪水猛兽，汽车出现以后没人要求司机重新学骑马，计算器普及以后也没人坚持所有账都必须手算，真正值得警惕的，是一些人慢慢把会问AI、会复制代码，当成了自己真的掌握了这门技术。

过去一个工程师成长确实很慢，数据结构、算法、C/C++、操作系统、计算机网络、数据库、并发、分布式系统，一层一层啃下来非常磨人，可也正是这种磨人的过程，让人知道程序为什么这么跑，内存为什么会爆，网络为什么会堵，线程为什么会卡死。

现在最容易出现的情况，是代码能运行就算过关，报错了把日志贴给AI，AI改一版不行再改一版，第三版终于跑通，至于它为什么错、改动影响了哪里、换个场景会不会继续出问题，没人细看，时间长了以后，程序员最值钱的排错能力反而可能被一点点外包出去。

这才是我认为真正需要警惕的地方，因为软件工程从来不是把代码敲出来就结束了，更麻烦的事情往往藏在上线以后，2024年CrowdStrike一次软件更新错误就曾导致全球大量Windows设备蓝屏，多国航空、医疗、金融等系统受到影响，这件事和AI编程没有直接关系，却狠狠提醒了行业，测试、审查和发布控制少一道都可能出大问题。

再看美国那些用了几十年的老系统就更直观，美国政府问责局2025年审查69套联邦老旧IT系统后，列出了11套最需要现代化改造的关键系统，其中8套仍使用老旧编程语言，美国财政部部分系统继续使用COBOL和汇编语言，而真正懂这些技术的人正在减少，招人维护都越来越困难。

这件事给我的触动其实很大，技术真正危险的时刻，并不是某种语言老了，而是所有人都只会使用最上层的工具，却没人愿意继续理解下面那几层东西，等系统哪天真的趴窝，大家才突然发现，按钮会按的人很多，知道按钮后面发生什么的人越来越少。

AI写代码同样有这个问题，它可以非常快地给出一个看上去像模像样的答案，但项目里的权限、依赖、并发、边界条件、异常处理、安全配置，没有经验的人未必能一眼看出问题，2026年7月工信部网络安全威胁和漏洞信息共享平台还专门提示过Claude Code部分版本存在安全风险，这也说明开发工具越强，安全审查越不能偷懒。

所以在我看来，未来程序员真正拉开差距的地方，可能已经不是谁敲代码更快了，因为纯粹比速度，人很难和机器拼，真正值钱的是AI给出10套方案以后，你能不能看出哪套能上线，哪套会埋雷，哪段代码半年以后会变成技术债，出了事故以后又能不能迅速找到根因。

这也意味着学习方式要跟着变，不必为了证明自己厉害而拒绝AI，该让它生成模板就生成，该让它查文档就查文档，该让它处理重复劳动就大胆处理，但核心代码最好自己能读懂，关键架构必须知道为什么这么设计，碰到故障也不能只会把报错重新丢回输入框。

我认为AI真正淘汰的，未必是程序员，而更可能是那种只会机械搬代码的工作方式，真正吃香的反而会是两头都懂的人，一头能把AI当成几十倍效率的工具，另一头又能沉下去看日志、读源码、查协议、追内存、做性能分析，这种人反而会因为AI越来越强而变得更稀缺。

说到底，AI编程最理想的结果不是让程序员越来越不会编程，而是把人从大量重复劳动里解放出来，把时间花到架构、性能、安全和真正困难的问题上，工具越来越聪明没有什么可怕的，可怕的是工具一路升级，人却把自己的基本功一点点交了出去。

对于这件事你怎么看？欢迎在评论区留言讨论，说出您的想法！