AI 时代，编程到底该怎么学？

经常有人问我同一个问题，只是措辞不同：AI 都能写代码了，我还要不要学编程？我学了会不会一毕业就过时？已经在写代码的人则换一种焦虑——我这几年攒下来的手艺，是不是要被一个对话框作废了？

我先把我的判断摆在最前面，省得你看半天还猜不到我站哪边：代码本身正在快速贬值，而"把一个想法变成能跑的系统"这件事，正在快速升值。 这两件事看起来矛盾，其实一点都不矛盾——恰恰是因为写代码这个动作越来越不值钱，会"想清楚要做什么、怎么搭、怎么验收"的人才越来越值钱。

这不是我一个人的玄想。微软自己说，他们现在三成左右的代码是 AI 写的；谷歌也给过三成多的说法。微软的 CTO 更是直接放话，到 2030 年，九成五的代码会由 AI 生成。你可以觉得这些数字有营销成分，但方向是确定的：人亲手一行行敲代码的比例，只会一路往下掉。

所以"要不要学"这个问题，本身就问错了。真正该问的是：在 AI 已经能写绝大部分代码的时代，一个人到底该学什么？ 这篇文章就是来回答这个问题的。我会很明确地告诉你我的取舍，不跟你和稀泥。

先把"开发"这件事掰成两半

要谈怎么学，得先承认一件很多人没分清的事：我们口头说的"编程"，其实是两个差得很远的世界。一个是底层研发，一个是中上层的应用开发。AI 在这两个世界里的能力，差得不是一点半点。

底层是什么？是操作系统的内核、编译器、数据库引擎、GPU 上的并行计算、极致的性能优化、底层安全。这些东西的共同特点是：错一点都不行，慢一点都不行，而且全世界真正懂它的人本来就少，网上能找到的高质量例子更少。AI 是靠"见过海量例子"学出来的，可底层这块它见得太少，正确性和性能的要求又高得离谱，所以它在这儿基本只能当个助手——帮你查个资料、补段样板、提个思路，真正拍板和扛雷的，还得是人。在底层这片深水区，人的参与远大于 AI，而且短期内不会变。

应用层完全是另一回事。一个电商后台、一个内部审批系统、一个数据看板、一个小程序、一个落地页——这类东西占了世界上软件需求的绝大多数，而它们恰恰是 GitHub 上例子最多的地方。海量的 React、Python、JavaScript 代码喂下来，AI 在前端和应用层的表现已经好到有点离谱的程度。这一层的活，AI 现在能写绝大部分，很多时候能写全部。你的角色，正在从"那个敲代码的人"变成"那个提需求、然后验收的人"。

我知道有人会立刻反驳：AI 写的代码一长就出错、就跑不动、就达不到上线标准。这话没错，但要说清楚边界在哪。现在的 AI，让它独立做一个半小时左右就能完成的小任务，成功率能有八成上下；可任务一旦拉长、链路一旦变复杂，它就开始掉链子，质量撑不到生产级别。再看更硬的指标：在那种专家级的真难题上，AI 的正确率大概只有三成五，而人类专家能到九成。

但你要看清楚这两件事说明了什么。它说明的不是"AI 不行所以你还得自己写"，而是人的价值被挤到了两头：一头是底层那些 AI 攻不下的硬骨头，另一头是"把大任务拆成 AI 啃得动的小块、然后判断它啃得对不对"。中间那段"照着需求把代码敲出来"的纯体力活，正在被吃掉。所以接下来的问题就很清楚了：既然敲代码这段在消失，你该把劲儿往哪使？

该练的是架构思维，不是背语法

我的答案是：练"AI 架构思维"，别再把生命浪费在抠语法、背 API 上。

Karpathy 提过一个说法叫"软件 3.0"，我觉得特别到位。软件 1.0 是人写代码，2.0 是用数据训练神经网络，到了 3.0，你用自然语言描述需求，AI 帮你生成程序——也就是说，会说人话、会把需求讲清楚，本身就成了一种编程能力，自然语言成了新的编程语言。 这不是比喻。今天很多开发者已经有大半时间不在亲手写代码，而在编排和设计——拆任务、定方案、给 AI 下指令、再把它的产出收回来检查。

那"架构思维"到底是个什么东西？我把它拆成四件具体的事，每一件都比背语法值钱得多。

第一，把问题拆成模块。一个需求扔过来，你能不能一眼看出它该分成哪几块、哪块先做哪块后做、哪块是核心哪块是边角。AI 一次能干好的是小块，拆不好，它就在大泥潭里越陷越深。

第二，定清楚每块的边界和接口。这两块之间传什么、谁负责什么、出了错在哪一层处理——把这些定明白，AI 填实现的时候才不会到处打架。这其实就是真正的架构活，跟用什么语言一点关系都没有。

第三，把意图和约束说清楚。你想要什么、不要什么、有哪些限制、什么算做对了——这件事现在有个挺贴切的名字，叫"上下文工程"。说白了就是：你能不能把脑子里那点模糊的想法，翻译成 AI 能准确执行的、不留歧义的描述。这是新时代最核心的硬功夫。

第四，会验收。AI 给你一坨代码，你得能看出它哪儿对哪儿不对、哪儿偷懒了、哪儿想当然了、哪儿藏了坑。这意味着你的重心要从"写代码"挪到"审代码"——你不需要从零造出来，但你必须有能力判断造出来的东西好不好。

看明白这四件事，你就知道我为什么坚决反对新人去死磕语法、刷题、背 API 了。花三个月把某门语言的语法细节抠得滚瓜烂熟，在今天是一笔很糟糕的投资——那些细节，正是 AI 最擅长、最不会出错的部分。你把人脑最该干的"想清楚、拆明白、说准确、验得了"练废了，去跟 AI 抢它本来就比你强的活儿，这账怎么算都亏。

要的是广度和宏观架构，技术栈让 AI 现学现用

顺着上面这条线，还有一个老观念得改：过去我们信奉"专精一门语言、吃一辈子"，一个 Java 高手、一个 C++ 老兵，那门语言就是他的护城河。这个时代基本结束了。

语言现在是什么？是载体，是 AI 帮你把想法落地时用的材料。你定方向、做判断、做编排，AI 负责把具体实现填进去。在这种分工下，死守一门语言的价值在掉，而懂得广、想得宏观的价值在涨。

我说的广度和宏观，是这种东西：一个系统大概该怎么搭，前端后端数据库怎么配合，什么场景该上什么方案——要不要用缓存、数据该怎么存、这个功能放前端做还是后端做、并发高了会卡在哪。你不需要能手写出每一行，但你得心里有张地图。

为什么广度这么关键？因为 AI 会给你方案，而且经常一给好几个，你得有能力判断哪个靠谱、哪个是坑、该选哪个。 一个只会一门语言、没有全局观的人，AI 给他一个架构上有问题的方案，他根本看不出来，照单全收，等出事了都不知道错在哪。而一个广度够、有宏观判断力的人，哪怕这门技术栈他没碰过，也能借着 AI 几天上手，然后稳稳地掌舵——他定方向、把关、做取舍，AI 干填空。

所以学习的重心应该反过来：与其把一门语言钻到地底，不如把"系统是怎么回事"这张大图铺开了看。语言这层，真到要用的时候，AI 现学现用足够了。

人人都该掌握应用层开发，而且太值了

前面铺了这么多，现在说我最想让你记住的一条：应用层的软件开发，几乎任何人都能掌握，而且非常非常值得去掌握。这不是鸡汤，是现在正在发生的事实。

先看一组数字，你感受一下这个浪潮多大。低代码和无代码这个市场，2026 年规模差不多到 520 亿美元；新做的应用里，大约七成会用上低代码或无代码的方式；全世界所谓的"公民开发者"——也就是不是科班程序员、但自己动手做应用的人——已经有大约 1620 万，一年还在涨三成多。Gartner 给过一个判断：在大企业里，这种公民开发者和专业开发者的数量比，大概到了四比一。换句话说，做应用这件事，早就不是程序员的专属了。

再看速度，这是最让我兴奋的部分。一个人，借着 AI，十四到三十天就能做出一个能用的产品雏形（也就是 MVP）；很多人第三到第五周就见到了第一笔收入。过去你要找外包做一个应用，排期三五周很正常，现在一个人单干，五到七天就能交。极端一点的例子，像 Pieter Levels 这样的独立开发者，一个人，一年能做到三百万美元的收入。这在十年前是不可想象的。

这些数字背后是一个我特别想讲透的道理：开发能力，本质上是一根"把想法快速变成产品、扔进市场验证"的杠杆。 你脑子里有个点子，过去从想法到能让别人用上，中间隔着招人、排期、烧钱、漫长的等待；现在这条路被 AI 压缩到了几天。这根杠杆对谁都成立——创业者能用它低成本试错，产品和运营能用它自己做工具不再求人，学生能用它把课堂里的想法做成真东西。

更现实的一面是：大多数企业真正需要的，其实就是简单的上层应用。 增删改查、走个流程、做个内部工具、出个报表——绝大部分业务需求长这样，根本用不着多高深的技术。而这类活，恰恰是 AI 现在做得最顺的。这就带来一个很多人还没接受、但已经在发生的转变：企业对专业程序员的刚需，在减弱。

数字也在印证。初级开发岗位比起 2022 年的高峰，大概掉了三成；新人在新招聘里的占比，从 15% 一路跌到 7%。企业的算盘打得很直白：花九万块招一个初级程序员，产出还不稳定，不如花十美元开个 Copilot，让现有的人效率翻倍。这对想靠"我会写代码"这一条入行的新人是残酷的——但反过来想，对那些会用 AI 把想法变成产品的人，门是大开的。会敲代码不再是门票，会"造出有用的东西"才是。

那到底该怎么学

讲了这么多判断，落到地上，不同的人路子不一样。我分三类人说。

如果你是完全零基础、非技术背景的人，记住一句话：千万别从语法学起。别去买本厚书从"变量是什么"开始啃，那是上个时代的学法，你会在还没尝到甜头之前就放弃。正确的做法是，挑一个你自己真正想要的小东西——一个记账工具、一个帮你整理资料的小页面、一个能自动发提醒的脚本，什么都行——然后用 AI 把它从头到尾做出来。提需求，让 AI 生成，把它跑起来，不对就改，最后让它能用、甚至发出去给别人用。你会在这个"真的做出一个东西"的过程里，自然长出对系统的直觉：哦，原来数据是这么存的，原来这两块是这么连起来的。这种从做中来的理解，比你背一百页语法都扎实。

如果你是在校学生、想走专业路线，我的建议会拐个弯，请仔细听口径。基础课——数据结构、计算机网络、操作系统、计算机原理——还是要学，而且要学懂。 但学它们的目的变了：不是为了让你以后手写红黑树、手撸 TCP，而是为了建立判断力。你得能看懂 AI 在干什么，能判断它给的方案对不对，能在它出问题的时候顺着往底层钻一钻找到病根。基础课是你看穿 AI 这个黑箱的眼睛，不是让你跟它比手速。

在这层判断力之上，再叠两样东西：一是跟 AI 协作的能力，二是系统设计的能力。这两样现在是真金白银——同时具备"会跟 AI 干活"和"懂系统设计"的人，被录用的速度差不多快两倍多。注意，我这一条从头到尾没让你去大量手写代码，重点始终是判断力。你写代码的目的是为了更好地判断和把关，不是为了证明你手快。

如果你属于那少数想扎进底层深水区的人，那我的建议正好反过来：别绕，踏踏实实地啃。操作系统、编译器、数据库内核、性能、安全——把这些硬骨头一根根啃下来。原因前面说过了：这正是 AI 短期内攻不下来、全世界又最稀缺的地方。门槛高，但回报也高，而且你建起来的护城河，AI 一时半会儿填不平。这条路不好走，但走通了，你就是那个别人和 AI 都替代不了的人。

最后，把主线收一下

这篇说了很多，但其实就一条主线：代码会越来越廉价，而"想清楚要做什么、把它拆明白、判断产出好不好"这套能力，会一直值钱。

AI 没有抢走编程，它做的是把编程的门槛拉到了人类历史上最低的位置。过去要科班、要苦练、要几年才能跨过的那道墙，现在一个普通人靠 AI 几天就能翻过去做出真东西。所以别把它当威胁——对绝大多数普通人来说，这反而是有史以来最好的时代：你第一次有机会，不必先成为程序员，就能把脑子里的想法做成产品，扔进真实世界里验一验。

要是只让我留一句话给你，就是这句：先投资你的思维和判断力，语言和工具，交给 AI。 把劲儿花在想清楚、拆明白、说准确、验得了上，剩下的，这个时代会替你补齐。