大家好，我是老刘
前两天和一个老同事聊了聊，他正学习大模型训练，打算转行不搞客户端开发了。
原因是最近两年一直在被优化、投几个月简历、试用、被优化的循环中。
并不是他能力不行，在之前的公司他是我们客户端这边的核心骨干，能顶半边天。
实在是这两年大环境太难了，不管你多亮眼的简历，人家看都不看。好不容易拿到一个offer，干不了几个月部门就没了。
一方面是经济大环境不好，消费一直没起来，另一方面也是AI冲击的结果。
最近打开各种新闻和文章，总能看到专家们搬出经济学原理来安抚大众：不要慌，回顾历史，每一次技术革命（比如蒸汽机、电力、互联网）最终都创造了更多的工作岗位。AI也是一样，它不会减少工作机会，只会让蛋糕变得更大。
听起来很有道理对吧？
但如果你环顾四周，体感却完全不是这么回事。大厂在持续优化，设计部门的同事被裁了，写文案的兄弟每天如履薄冰，各种招聘软件上投出去的简历石沉大海。
为什么经济学的真理在现实生活中，让人感觉这t么像是在画大饼？
因为专家们讲的是宏观，而我们普通人活在真实世界里。
宏观的增长，掩盖不了微观的失业
经济学最喜欢看总盘子。从宏观上看，新技术的出现确实催生了新产业，甚至拉动了整体经济，总岗位数量或许真的在增加。
但在微观层面，某些传统岗位就是被彻底取代了，而这些岗位的从业者，正在实实在在地失去他们的饭碗。
残酷的现实 经济学家眼里的数字，是普通人一家的生计。
当高速公路普及ETC，收费员的岗位确实消失了。即使科技公司因此新增了一万个算法工程师的岗位，这对那个刚失去工作的收费员来说，没有任何意义。她不可能一夜之间学会写代码去填补那个新岗位。
AI时代也是一样。当一个熟练的AI工具能在一分钟内出十张图，原画师和初级设计师的岗位就被吃掉了。你告诉他们去当AI提示词工程师，这就跟何不食肉糜一样脱离群众。
时代的一粒灰，落在个人头上就是一座山。 我们不能用宏观的乐观，去掩盖微观个体的痛苦。
致命的时间差：旧饭碗砸了，新饭碗还没造好
就算我们承认宏观上最终会增加岗位，这里面也存在一个巨大的陷阱，那就是时间差。
经济学的推演往往建立在长期均衡的假设上，预设了一个无缝衔接的理想状态。但正如经济学家凯恩斯的那句名言：在长期，我们都死了。现实的过渡期是非常漫长且折磨人的。
尴尬的处境 旧的岗位已经被AI无情取代，但所谓的新岗位还没有大规模涌现。
很多企业在面对AI时的第一反应，根本不是我要用AI开拓新业务招更多的人，而是太好了，我可以用AI裁掉一半的基础员工省下一大笔成本。
这就是我们现在的处境，**破坏是瞬间发生的，而建设是缓慢的。**在旧产业被颠覆、新产业还没建立起成熟商业模式的过渡期里，我们正处于一个岗位青黄不接的真空期。
经济学只看终局，但我们普通人要在漫长的过渡期里活下去。
AI的降维打击：它可能真的不需要司机
很多人喜欢用汽车取代马车的例子来类比AI。过去，汽车淘汰了马车夫，但创造了司机、修理工、流水线工人等更多岗位。因为汽车终究只是个工具，它仍然需要人作为劳动力来驱动。
但AI的特殊性在于，它和过去的所有技术都不一样。过去所有的技术革命本质上都是劳动力增强工具，替代的是人类的肌肉；而AI，开始替代人类的大脑。
本质的区别 过去的技术是工具，人是操作者。而现在的AI，具备了逻辑推理和自主决策能力，正在试图变成自主的劳动主体和操作者本身。
过去所有的技术革命本质上都是"劳动力增强"工具，替代的是人类的"肌肉"；而AI，开始替代人类的"大脑"。
随着AI能力的不断提升，它逐步可以完全自主运转。它不仅能写代码，还能自己测试、自己修复bug、自己部署上线。
以前的新技术，是把人的体力杠杆放大了；而AI，是在逐步把人从生产流程中剥离出去。当一个系统只需要极少量的超级个体就能运转时，它对普通劳动力的需求就是断崖式下跌的。
程序员的AI破局之道
那么，面对这种降维打击，作为曾经是香饽饽的程序员群体，我们到底该怎么办呢？
再说回开头我那个转行的老同事，他现在就是靠着懂客户端底层逻辑，加上对大模型的处理能力，在传统企业降维打击。他的经历，其实印证了我们普通程序员破局的三个方向：
1. 从代码翻译机转型为产品工程师
以前很多程序员的工作模式是：产品经理出原型，我负责把原型翻译成代码。这种单纯的翻译工作，AI做得比人快，还比人便宜。 未来的程序员不能只懂技术，必须要懂业务、懂产品。AI搞不定模糊不清的需求，也不懂怎么在有限的资源下做产品妥协。谁能用技术手段解决真实的商业问题，谁就是不可替代的。
你比不懂技术的产品经理的优势还在于，你能给AI兜底。当碰到AI解决不了的问题时，你就是最后一道防线。
比如，当产品经理提出一个需要耗时两周、逻辑稀碎的复杂需求时，你不再是只会抱怨技术实现不了，而是用AI跑出一个平替的交互Demo甩在桌上"这套方案成本最低、上线最快，为了商业目标咱们直接用这个。" 谁能解决真实的商业问题，谁就有话语权。
2. 把AI变成你的杠杆
既然AI写基础代码这么牛，那我们就把这些脏活累活全丢给它。熟练使用各种AI编程工具，把原本一天的开发工作量缩短到一小时。
当你能熟练驾驭AI时，你就不再是一个单打独斗的码农，而是一个带着AI开发团队的架构师。记住那句话：AI不会淘汰程序员，但会使用AI的程序员会淘汰不用AI的程序员。
从今天起，强制自己把Cursor、GitHub Copilot或Claude Code融入工作流：
- 破解屎山代码 遇到无注释的旧代码，不要硬啃，直接丢给大模型，让它先生成一份中文注释和逻辑流程图。
- 生成单元测试 写完核心业务逻辑后，直接让AI生成完整的测试用例，覆盖各种边界条件。
- 处理疑难Bug 遇到诡异的报错，别再去搜索引擎翻旧帖大海捞针，把完整Log和上下文贴给AI，让它直接定位问题行。
3. 深耕非标准化的深水区
AI最擅长处理标准化的、逻辑清晰的问题。但在我们真实的开发环境中，充满了各种非标准的泥沼：比如，历史遗留下来的屎山代码重构，跨越多个部门的复杂业务联调；再比如，一个bug到底是修改客户端的数据处理，还是修改上游接口的输出逻辑？
这些需要极强上下文理解、跨团队沟通甚至一点点人情世故的深水区，AI目前还束手无策。这些脏活累活，恰恰是现阶段人类程序员的护城河。
写在最后
所以，你现在的焦虑是完全合理的。不要让那些脱离实际的宏观理论否定了你的真实体感。
面对这样一个能够自主运转的新物种，我们普通人能做的，就是尽量不要让自己停留在可被轻易替代的工具人层面。去寻找那些需要复杂沟通、深度共情以及跨界整合的非标准化领域。
毕竟，AI越是冰冷高效，人类真实的温度和独特的洞察，就越有价值。
比如老刘考虑要不要去学一下推拿，这似乎是一个很有意思的选择。
还有开头提到的那位老同事，可以给传统企业做私有化的模型定制和部署。打不过就加入，既然代码能自动生成，那我们就去给生成代码的机器定规矩。
过去的技术是替代我们的肌肉，现在的AI在替代我们的大脑。但别忘了，AI再高效也只是个算力怪兽，它懂代码，但不懂人情世故，不懂商业妥协。去干那些AI嫌脏、嫌麻烦的活儿，那才是人类的绝对领域。
你目前的工作，有多少比例正在被AI替代？转发这篇文章到你的研发群，看看大家是正在经历过渡期阵痛，还是已经摸索出了新玩法。也欢迎在评论区打卡：本周你准备把哪个恶心的屎山模块第一个扔给AI重构？
🤝 如果看到这里的同学对客户端或者Flutter开发感兴趣，欢迎联系老刘，我们互相学习。
🎁 私信免费领老刘整理的《Flutter开发手册》，覆盖90%应用开发场景。可以作为Flutter学习的知识地图。
💬 : laoliu_dev
📂 老刘也把自己历史文章整理在GitHub仓库里，方便大家查阅。