AI 都能写代码了，还有必要学编程吗？

之前写了《当机器人开始上班，普通人该去哪儿上班》，讲的是普通人该守哪几块阵地。后台问得最多的，是同一个问题的另一半：既然 AI 都会写代码了，那编程还学它干嘛？

这个问题我没敢凭感觉答。我去翻了四份能拿出手的材料——GitHub 的年度报告、Stack Overflow 的开发者调查、微软研究院的论文、世界经济论坛的就业报告。结果发现两组数字在打架。

先给结论：要学，但"学什么"已经换了。

如果你把"学编程"理解成"背语法、记 API、能写出能跑的代码"，那这件事的性价比确实在快速跳水——AI 干这个又快又便宜。

但如果你理解成"把一件模糊的事，拆成机器能执行的明确步骤，并且为结果负责"，那这件事不是贬值了，是涨价了。而且涨得很凶。

这两件事的差别，就是这篇文章要说的全部。

第一组数字：AI 没有让人停止写代码，反而让更多人开始写

先看 GitHub 的《Octoverse 2025》。这份报告的结论，和"程序员要失业了"的直觉完全相反。

• 平台上的开发者超过 1.8 亿人，过去一年新增 3600 万人（同比 +23%），是有史以来绝对增速最快的一年；
• 换算一下，平均每一秒就有一个新开发者加入 GitHub；
• 一年提交接近 9.86 亿次（+25%），合并的 Pull Request 达到 5.187 亿个（+29%），双双创下历史纪录；
• 最扎眼的一条：新加入 GitHub 的开发者里，80% 在注册第一周就开始用 Copilot。

去年这个话题还有人争论"AI 会不会让写代码的人变少"。报告给的答案是：门槛降了，人变多了。 而且新人进来第一件事，就是拉着 AI 一起干。

还有一个信号值得注意：2025 年 8 月，TypeScript 第一次在 GitHub 上同时超过 Python 和 JavaScript，成为使用量第一的语言。官方的解释是——开发者正在重塑自己的工具箱，快速原型和实验明显变多了。

说白了，AI 把"写代码"的门槛拉到了地板上。一行不会写的人，现在也能做出能跑的东西。

第二组数字：用 AI 用得最狠的人，最不信 AI

翻到 Stack Overflow 的 2025 年度开发者调查，画风突然就变了。

• 84% 的开发者在使用或计划使用 AI 工具（去年是 76%），专业开发者中51% 每天在用；
• 但问到准确性——主动不信任 AI 输出的人有 46%，信任的只有 33%，表示"高度信任"的只剩 3%；
• 经验越老，越不信：工作 10 年以上的开发者，"高度信任"比例是全场最低的 2.6%，"高度不信任"是全场最高的 20%；
• 工具的最大痛点，66% 的人选了同一项：AI 给出的方案"几乎对，但就是不太对"；
• 紧跟其后的第二痛点：45% 的人认为，调试 AI 写的代码比自己写还费时间。

再看 agent（能自己读代码、改文件、跑测试的 AI 编程体）：52% 的开发者要么不用，要么只用最简单的形态，38% 明确表示没打算用。而在 agent 用户里，只有 17% 认为它改善了团队协作——这是所有评价维度里得分最低的一项。

两组数字叠在一起，就是这个时代最真实的画面：

一边是所有人都开始写代码了，一边是所有人都不太敢相信代码了。

把两组数字放到一起，答案就浮出来了

我一开始以为这两组数据互相矛盾，后来想明白了——它们是同一件事的两面。

AI 把"生成代码"的成本打到了近乎为零。于是：

• 写代码的人变多了（成本低，谁都来试一把）；
• 代码变多了（提交量、PR 量创纪录）；
• "这段代码到底对不对"这个问题，反而变得更贵了——因为没亲手写的人也得判断，亲手写的人也不敢全信。

Stack Overflow 那两项数据其实是同一条因果链：因为 AI 给了你一个"几乎对"的东西，所以你必须自己找出那"一点不对"在哪；因为没有亲手写，所以调试起来更费时间。省下的键盘时间，转手就还给了脑子。

💡 老张点评：这两年我见过太多人把 AI 编程工具当"外包"用——丢个需求，收货，提交。前几个月特别爽。半年之后项目开始还债：风格乱七八糟，边界条件没人管，出了问题不知道从哪查。AI 不会让系统变烂，它只是把你的懒惰原样放大。

那为什么"软件开发者"还在紧缺名单上？

这里有个更反常识的地方，必须说清楚。

微软研究院 2025 年 7 月发过一篇论文《Working with AI》，他们拿了 20 万条真实的必应 Copilot 匿名对话，映射到标准职业分类上，算出一个"AI 适用性"得分。

结果，适用性最高的那一档里，"计算机与数学"类职业赫然在列——具体到单个职业，网页开发人员的得分排在前列（榜首是翻译和口译员，0.49）。

同一时间，世界经济论坛《2025 未来就业报告》的"增速最快"榜单上，软件与应用开发者（Software and Applications Developers）也在其中，和它并列的是大数据专家、金融科技工程师、AI 与机器学习专家这些技术岗。

一个职业，同时是"AI 适用性最高"和"需求增长最快"。 这不矛盾吗？

不矛盾。它恰好说明了一件事：

AI 吃掉的不是这个职业，是这个职业里"打字"的那部分。

微软那篇论文里有一句话，值得反复读：

"一份工作，远不止是构成它的那堆任务。"

顺便说一句，微软自己在这篇论文里特意加了一条限定：适用性得分不能被解读为"替代能力"。研究者给自己上的这个保险，恰好指向同一个结论——任务层面的分数，推不出"这个人还有没有用"。

打个比方：计算器没有消灭会计。它只是消灭了"打算盘的会计"，然后把会计这个职业推向了报表分析、税务判断和责任承担。

AI 对编程，正在做和计算器对会计一样的事。

所以"学编程"到底在学什么？我拆成三层

这是全文我认为最有用的一张表，请对照自己的位置看：

第一层在快速折旧。你花三个月背下来的框架用法，AI 三秒就给你，还不带漏洞。

第二层才是编程的真正内核：把一个说不清楚的问题，说清楚到机器能执行的程度。 AI 可以帮你写，但"要写成什么样"这件事，得你先说出来。你想不清楚，AI 只会更快地给你一个想不清楚的结果。

第三层几乎没被动过：判断和负责。 一段代码上线之后会不会在某个凌晨三点炸掉、这个技术选型三年后是不是技术债、这个需求到底该不该接——这些问题上，AI 可以给你意见，但签字的是你。

💡 老张点评：程序员这个职业被误解最深的一点，是以为它的核心是"写"。其实核心一直是"判断"。写只是判断的副产品——判断清楚了，写下来是顺手的；判断不清楚，写得再多也只是在造债。AI 把"写"拿走了，等于把判断的重要性直接摆到了台面上。

分三种人，说三句实在话

一、如果你已经是程序员。

别再去学"更像 AI 的语法"，那是在跟它比它最强的地方。往它最弱的地方走：系统设计、可观测性、测试策略、性能与成本的取舍、代码审查。

尤其是代码审查——这件事的重要性正在指数级上升。过去 review 是走流程，现在 AI 每天给你产出几百行"看起来没问题"的代码，你能不能在十分钟里找出那 5% 的坑，直接决定了你的价值。GitHub 自己的数据是：用 Copilot 做代码审查的开发者里，72.6% 认为自己的效率提升了。工具在帮你，但判断还是你的。

二、如果你想转行进来。

先说清楚坏消息：门槛确实变高了。 教育部公布的数据是，2026 届全国普通高校毕业生规模预计 1270 万人，同比增加 48 万。计算机相关专业是供给最庞大的方向之一，而"照着需求写 CRUD"这类初级岗位，正好是 AI 最舒服的猎场。你不是在跟同学竞争，你是在跟一个每天不睡觉、不要工资的东西竞争。

好消息是：能干活的缺口同样巨大。不要学"又一个框架"，去学"一个完整项目从 0 到上线"——包括怎么定需求、怎么选型、怎么部署、怎么监控、出了事怎么查。这条路更难，但它通向的位置，正是 AI 现在够不着的地方。

三、如果你压根不打算当程序员。

这部分人的性价比反而变高了。

理由很朴素：现在"会用 AI"和"会一点脚本"这两件事叠起来，就是一个效率放大器。写周报、整理表格、批量改图片、把一份 Excel 变成自动跑的流程——过去你要么找人，要么硬扛；现在你自己能搭出来。

而且你不需要学到第二、三层。第一层就够用了，剩下的细节 AI 会补。你只要能把"我想干什么"说清楚——而"说清楚"这件事本身，就是在练第二层。

说点反话：三条泼冷水的提醒

第一，"能用 AI 做出东西"不等于"会编程"。 一个能跑起来的 demo 和一个能活过一年的系统，中间隔着的距离，比从零到 demo 还远。

第二，别高估自己。 给你一道自测题：AI 给你 200 行代码，你能不能在十分钟内说出——哪一行在什么输入下会炸、哪个地方少了并发保护、这个方案在数据量涨十倍之后会发生什么？答不上来，那你的真实水平是"会用工具"，不是"会编程"。

第三，编程能力不等于写代码这件事本身。 拆解、验证、定位问题——这三样能力你可以通过编程练，也可以通过别的方式练。编程是当下最好的训练场之一，但不是唯一的。 别把手段当目的。

最后

写这篇之前，我以为答案会是"要学"或者"不用学"。翻完材料才发现，问题本身就问错了。

真正该问的不是"还要不要学编程"，而是——你学的到底是打字，还是判断？

GitHub 上一年多了 3600 万个开发者，80% 的人第一周就牵着 Copilot 干活。写代码这件事，正在变得像打字一样普通。

而每个时代，普通的那部分都会先被消灭，稀缺的那部分才留下来。计算器留下的会计懂税，AI 留下的程序员懂系统。

💡 老张点评：如果你想清楚了"AI 现在干得比我好"这件事，那你其实已经站对位置了——因为知道它哪里干得不好、知道该往哪使劲，这个判断本身就是第三层能力。焦虑的反面不是躺平，是把事情拆开看清。

本文由老张整理编写，信息综合自 GitHub《Octoverse 2025》报告、Stack Overflow 2025 年度开发者调查、微软研究院《Working with AI: Measuring the Applicability of Generative AI to Occupations》（arXiv:2507.07935，2025 年 7 月，基于 20 万条必应 Copilot 匿名对话）、世界经济论坛《2025 未来就业报告》（该报告官网有访问限制，榜单名次与职业名经国内媒体中译版本核对）、教育部 2026 届高校毕业生就业相关通报，以及央视网等公开报道。

下一篇预告：《AI 写的代码，你审得动吗？一份代码审查自测清单》——把 AI 常犯的那几类错误列出来，你拿自己的项目对一遍就知道了。