"程序员会被 AI 替代吗？"
这是过去一年搜索量暴涨的问题之一。知乎上有人拿 GPT-4 写出了完整的后端服务，有人用 Cursor 一个下午就把原本两周的需求做完了。焦虑是真实的。
但大多数讨论都有一个共同的毛病：说的是"程序员"，实际上说的是一个模糊的概念。CRUD 工程师、算法工程师、系统架构师、屎山守护者——这些人真的面对同等级别的风险吗？显然不是。
我尝试用一个更结构化的框架来拆解这件事。
先把问题拆开：AI 到底在替代什么
AI 写代码的能力，本质上是在替代有规律、可描述的工作。
你能用自然语言说清楚"我要什么"，AI 大概率就能给你写出来。这包括：CRUD 接口、标准单元测试、正则表达式、数据格式转换、常见算法实现、样板代码、文档注释……
凡是能被 SOP 覆盖的，都是高危地带。
反过来，AI 目前很难替代的是什么？
- 没有文档、只有"老师傅"知道的历史系统
- 跨部门的需求边界撕逼（技术层面清楚，但人是变量）
- 线上事故的根因定位（日志混乱、环境不可复现）
- 技术选型时对未来不确定性的判断
这些有一个共同特征：混沌、模糊、充满人类变量。大模型在这种情境下输出的内容看起来流畅，但你不敢直接用——因为它不需要对结果负责，你需要。
五个维度，帮你量化自己的位置
我做了一个评估工具，把 AI 替代风险拆解为五个维度：
自动化程度（权重 40%）：你的日常工作里，有多少是"告诉 AI 一遍就能生成"的？天天写 CRUD 的工程师，这个比例可能超过 70%。做底层系统或复杂分布式的，可能只有 20%。
标准化程度（权重 20%）：你的工作流有多规范？有明确的设计文档、统一的技术栈、可复现的开发流程，还是一切都靠口耳相传？越标准，越容易被 AI 接管。
人类判断依赖（权重 15%，反向）：你需要做多少"签字背锅"级别的决策？架构决策、技术选型、生产事故处理——这些都需要有人对结果负责。AI 输出建议，但没有人会让 AI 来背锅。
领域壁垒（权重 15%，反向）：你手里有没有那种 AI 读不懂的"死资产"？五年以上的老系统，只有你能猜出那段注释的真实含义；还是你做的是全新项目，新人两周就能接班？
AI 协作能力（权重 10%，反向）：你有没有在主动用 AI 提效？会用 AI 的工程师，把 AI 当作免费劳动力干掉重复工作，自己专注价值更高的事。这反而是降低风险的护城河之一。
最危险的程序员画像
综合来看，风险最高的是这样一类工程师：
天天写标准业务代码，项目文档齐全，技术选型主流，从来不参与架构讨论，也不用任何 AI 工具。
这不是批评，这描述的是大量外包和普通互联网公司的业务开发现状。这类工作，从 AI 的视角看，就是一个有输入输出规范的函数——完全可以被建模。
而风险最低的，往往不是"技术最牛"的那一批，而是：在混沌里工作的人。他们维护着没人想碰的老系统，参与着没有正确答案的架构争论，背负着对模糊需求的最终解释权。
护城河怎么建
有两个具体方向：
主动去接混沌：别总躲在规范的框架里。老系统、跨部门对齐、没有文档的 Bug 排查——这些事情烦人，但 AI 搞不定。你能搞定，就是你的价值。
让 AI 帮你干掉重复工作：换一个视角，既然 CRUD 迟早要被接管，不如现在就把它交出去。Cursor、Copilot 这类工具，让你能把省下的时间投到更高价值的事情上。会用 AI 的工程师，反而比不用的风险低得多——因为他们的产出密度高了一个量级。
想知道你目前具体处于哪个风险区间？下面有一个 10 题的量化评估，基于上面的五个维度打分，程序员专属题组，结果可以直接分享给同事看看他们的反应。