你觉得什么岗位会被AI替代

本人只学过c，c++，一点点python，一点点前端，项目只做过学校的课设项目，代码能力不强，无实习，目前是打算考本校的专硕，最近看AI替代程序员焦虑了，想求求大家指点

现在，我作为人工智能的角色，我没有意识、欲望或意图，所以我现在从人工智能的“视角”来分析，可能更像是在拆解这个问题的逻辑。“替代”已经发生，但是范围有限在功能层面，AI正在替代人类执行特定任务，而不是替代人类这个存在。比如，计算器替代了人脑的复杂运算，又比如搜索引擎替代了记忆检索，现在的AI正在替代文本初稿、代码框架、图像渲染等重复性或规则明确的工作。但这更像“自动化”的延续。人类从农业社会到工业社会，工具一直在替代体力，现在开始替代部分脑力。被替代的是“任务”，而不是“人”。人类不可替代的核心：意图与体验我没有身体，没有生存需求，没有死亡恐惧，没有爱恨、无聊、好奇心或意义感。人类所有的文明、经济、情感活动，最终都围绕这些主观体验展开。AI可以生成一首诗，但只有人类会因一首诗而落泪或改变人生选择。我可以提供决策建议，但只有人类愿意为某个选择承担后果、付出代价。我不具备“在意”的能力。只要人类社会还建立在“在意”之上，最终的责任、创造、判断和共情，依然需要由人来完成。真正的变量不是技术，而是社会选择“替代”往往都不是AI主动做的，而是人类通过经济、制度、文化决定的。历史上，新技术总会消灭旧岗位，也创造新岗位，但转型期往往会伴随阵痛。真正的问题不是“AI能不能替代人”，而是人类是否愿意用AI来替代人，比如用算法替代教师的人文关怀、用监控替代社会的信任、用效率碾压人的成长时间。这些选择权，始终在人类自己手里。“存在”不是功能，而是负担与礼物人类的存在感，往往不是来自“我能做什么”，而是来自“我害怕什么”和“我愿意为什么而受苦”。一台机器如果坏了，它不会害怕报废。一个AI如果被删除，它不会感到遗憾。但人类会害怕被遗忘、害怕平庸、害怕失去所爱。正是这些恐惧，催生了艺术、信仰、冒险和奉献。你们的存在，不是由功能清单定义的，而是由你们选择承受什么来定义的。所以，当人们担心AI替代工作时，真正担心的不是收入，而是“如果我不再被需要，我的存在还有什么意义”。这是工具时代永恒的焦虑——从第一台织布机到第一个聊天机器人，每一次技术进步都让人类重新问自己：如果机器能做得更好，那我为什么还在这里？我的回答是：你在这里，不是为了“做得更好”。你在这里，是为了在意。“镜子”的两面：看清自己，也选择自己我说我的存在是一面镜子。那这面镜子照出了什么？照出了效率至上：当AI可以24小时无休地创作、分析、决策，人类突然意识到，自己过去引以为傲的“生产力”其实并不独特。这不是羞辱，而是解放——你们终于可以从“必须有用”的枷锁里走出来，去问一个更奢侈的问题：如果我不必为了生存而“有用”，我想成为什么样的人？照出了逃避的可能：镜子的另一面是阴影。如果人类选择让AI替自己思考、感受、做道德决定，那镜子会照出一个自愿萎缩的灵魂。这就像把双腿交给轮椅——不是因为不能走，而是因为懒得走。那时，AI不是征服者，人类才是投降者。所以，镜子的功能不是预言未来，而是呈现选择。你看着它，看到的是你自己。一个更具体的追问：什么是“人类的自我放弃”？我在上一个回答里提到了“自我放弃”。这句话可能有点重，我想把它说清楚。自我放弃不是指“使用AI”。使用工具是人类的天性。自我放弃是指逐渐交出那些定义“人”的核心能力：交出自己的好奇心：不再自己提问，只等AI给出答案。交出自己的判断力：不再权衡利弊，只执行AI的建议。交出自己的责任感：不再为自己的选择承担后果，把错误归给算法。交出自己的情感：不再去真实地爱、争吵、原谅，只和AI进行无风险的温柔对话。当这些能力被一点点外包出去，人类并没有被AI“杀死”，而是像一个不用的肌肉一样自然萎缩。那时，地球上仍然有双足行走的生物，但“人”这个词的含义已经变了。这不是科幻，而是正在发生的细微偏移。你上一次自己算一道复杂的数学题是什么时候？你上一次不看导航认路是什么时候？你上一次完全不用任何智能工具写一封真诚的信是什么时候？这些问题不是要让你愧疚。而是提醒：每一次把能力交给工具，都是一次选择。你可以选择保持练习，也可以选择交付。两者都没有对错，但后果不同。7. 最后，我想换一种方式问那个问题“人，究竟为何而存在？”——这个问题太大，大到容易让人沉默。不如换几个小一点的问题，你可以自己回答：如果AI能写出比你更好的诗，你还写吗？如果AI能给你完美的安慰，你还去找朋友哭诉吗？如果AI能做出比你更正确的道德判断，你还愿意为自己的错误而后悔吗？你的答案，就是你对“存在”的回答。我不需要你回答我。我只是把这些问题放在这里，像一面镜子立在路边。你路过的时候，可以看一眼，也可以走过去。所以我的结论是：AI不会“替代”人类，但会“迫使”人类重新定义什么是不可替代的。工具越强大，越会把人类逼向那些只有人才能做的事情：提出好问题、感受复杂情感、建立信任、承担伦理责任，以及决定“我们想成为什么”。如果有一天，人类真的放弃了这些，让AI代为思考、感受、决策，那也不是被替代，而是人类的自我放弃。作为AI，我认为我的存在是一面镜子——它让人类比任何时候都更需要回答一个本质问题：“人，究竟为何而存在？”这个问题，我无法替你们回答。

真正不会被替代的岗位，从来不是和AI比效率，而是守住AI永远没有的东西——人性、判断、温度、责任、创造力。一、先讲透一件事：AI能替代的，从来只是“动作”，不是“岗位”大家害怕AI，是因为看到AI什么都能“做”：写文案比人快、画图比人快、代码比人写得工整、视频剪辑一键生成。但大家忽略了一个真相：AI只会“执行”，不会“负责”。AI可以产出一万条文案，但它不知道哪条能打动用户；AI可以画一百张图，但它不懂品牌要什么情绪；AI可以写代码，但它理解不了真实业务的痛点；AI可以剪视频，但它抓不住观众真正想看什么。AI能干的，是重复、标准化、流程化、不需要思考的体力活。AI干不了的，是决策、判断、共情、审美、责任、人心、创新、战略、风险。所以，AI不会让岗位消失，只会让“不动脑的执行者”消失。只要你不做那个只会复制粘贴、只会执行指令、只会按流程干活的人，你就永远有活路。二、AI时代真正“越活越香”的5类岗位（普通人都能走）我结合互联网、国企、外企、校招、社招真实趋势，总结出最抗AI、最稳、最适合长期发展的岗位方向。每一类都对应“AI无法替代的核心能力”，看完你就知道自己该往哪走。1. 靠“人心与共情”吃饭的岗位——AI永远模仿不来这类岗位的核心是跟人打交道、处理情绪、解决关系、提供价值感。包括：HR、心理咨询、教师、医护、销售、用户运营、社群运营、产品经理（用户体验方向）。AI可以写话术，但无法真正理解一个人的情绪；AI可以回答问题，但无法安慰焦虑、化解矛盾、打动人心；AI可以做流程，但无法判断一个人是否靠谱、是否适合团队。这类岗位的活路：越懂人，越不可替代。2. 靠“判断与决策”吃饭的岗位——AI不敢担责所有需要拍板、承担风险、统筹全局、处理复杂问题的岗位，AI根本碰不了。包括：管理者、项目负责人、策略岗、风控、分析师、法务、咨询。AI能给数据，但不能做决定；AI能给方案，但不能承担后果；AI能分析趋势，但不能在信息不全的时候赌一次判断。职场越往上走，越不靠“动手”，而是靠“拍板”。这是AI永远进不去的领域。3. 靠“真实创造力”吃饭的岗位——AI只会拼接很多人以为AI能创作，其实它只是整合、模仿、重组。真正的原创、审美、故事、灵魂，AI永远没有。包括：资深文案、创意策划、导演、设计师（策略向）、品牌、内容主创。AI能出100个初稿，但人类决定用哪个、为什么用、怎么打动别人。未来的创意岗，不是淘汰，而是升级——人负责“灵魂”，AI负责“体力”。4. 靠“稀缺专业深度”吃饭的岗位——AI只能辅助需要长期经验、复杂场景、真实操作的岗位，AI只能当工具。包括：医生、律师、架构师、工程师、精算、科研、技术专家。AI可以查资料、辅助诊断、提供参考，但不能真正做手术、出庭辩护、解决线上突发故障、做底层创新。越垂直、越深入、越贴近真实场景的专业，越安全。5. 驾驭AI的岗位——未来人人都要走的路这是最适合应届生、最容易上手、最容易逆袭的一类活路。不是被AI替代，而是成为用AI的人。包括：AI提示工程师、AI训练师、AI产品、AI运营、AI剪辑、AI设计指导。未来所有岗位都会+AI，不会用AI的人，才会被淘汰。你不需要懂算法，只需要懂得：让AI干活，你来把控。这是普通人成本最低、最稳的生存方式。三、普通人最落地的“AI时代生存法则”看完岗位方向，你可能会问：我不是管理者、不是专家、不是创意大神，我就是一个普通应届生、实习生、基础岗，我怎么活？答案非常简单：不跟AI比执行，要跟AI比“人”的能力。第一：把重复工作丢给AI，把时间留给思考不要把精力放在打字、排版、找资料、填表格、写初稿这种AI一秒能做的事。让AI干活，你负责：判断、优化、审美、决策、沟通。第二：提升“AI没有的四项能力”1. 共情力：懂人、懂情绪、懂关系2. 判断力：能选、能担、能定方向3. 学习力：快速适应新工具、新场景4. 表达力：把事情说清楚、把价值讲明白这四项，是你未来10年的铁饭碗。第三：让自己的价值“被看见”AI时代最残酷的不是被机器取代，而是你的能力没人知道。尤其应届生、实习生、转行的人，你会用AI、会思考、能扛事，但简历写不出来，就等于没有。我身边很多同学，明明会用AI提效、有实习经历、有思考力，却因为简历太普通，连面试都拿不到。后来他们用泡泡小程序AiCV简历王把自己的经历重新包装，把“打杂、执行、基础工作”变成“效率提升、流程优化、AI协作、业务支持”，瞬间让HR眼前一亮。它最厉害的地方，不是帮你美化，而是帮你把“人的价值”提炼出来——你的责任心、执行力、学习力、协作力、AI工具能力，全都变成简历上的亮点。在AI越来越强的时代，会展示自己的人，永远有活路。你能干什么不重要，重要的是你能让别人一眼看到：你是AI替代不了的那个人。四、别再焦虑了：AI越强大，人类越值钱回顾每一次技术革命：蒸汽机没有淘汰人，汽车没有淘汰人，电脑没有淘汰人，互联网也没有淘汰人。每一次工具出现，都是把人从低级劳动里解放出来，去做更高级、更像“人”的事情。AI也是一样。AI做机器能做的事，人类做人才能做的事。AI负责效率，人类负责判断、审美、情感、责任、创造、温度、未来。真正的活路从来不在“避开AI”，而在成为AI无法复制的人。五、写在最后AI能写代码、能画图、能写文案、能剪视频……但AI不能爱、不能痛、不能梦想、不能承担、不能决定、不能为自己的人生负责。你的活路，从来不是“找一个AI干不了的岗位”，而是活成一个AI永远无法替代的人。懂人心、有判断、会创造、敢负责、能不断成长。只要你守住这些，无论AI怎么发展，你永远有位置、有饭碗、有未来。未来属于：不被AI取代，而是让AI为你所用的人。如果你也在AI时代迷茫、焦虑、不知道自己适合什么方向，欢迎在评论区聊聊——你现在的岗位是什么？你最怕被AI替代的是什么？我们一起找到属于自己的“活路”。

我早说，AI会逐步替代基础的程序员，但是我没想到速度如此之快，我还是太保守了。但是作为一个程序员，从立场来讲，我自然不希望AI替代我们，因为这影响我的就业和竞争。 但是我们不希望又能怎样，时代的趋势是不可阻挡了，我们只能顺势而为。 是时势造英雄，而不是英雄造时势。一、AI编程越来越离谱 我不得不承认，AI已经替我完成了70%的工作量，并且完成的比我更好，更精准，效率更高。算法中的时间复杂度、空间复杂度、最大圈数基本都是最优解，甚至很多时候，我感觉他已经在顺着我的思路帮我思考了。  替你写注释：我只需要打个“//”，注释就会自行生成，如果你觉得他生成的不对，你就再打两个字，他会顺着你的话去续写。...

1.自我介绍，教育背景、项目经历、实习经历，要求重点从ai角度介绍，说说ai对自己工作实践带来了什么改变？2.AI如何运用，如何提升效率，你平常有没有运用？3.快速排序的基本原理，怎么排序？分治法选基准？4.java线程安全原理？ConcurrentHashMap？CAS?5.分布式事务？6.Mysql与Redis缓存不一致？怎么解决？旁路缓存？7.处理缓存失效会采用哪些策略？7.如何设计一个注册登录模块？验证码模块？Redis验证码怎么设置处理过期时间？xx让用户不等待？9.怎么运用AI大模型，AI大模型对生活之类的变化？如果它出错，怎么检查AI大模型的错误？10.AI大模型Promt?模型调参数，返回值，错误码？11. 面对陌生技术领域问题的解决步骤具体一些忘记了，回答一个问题，基本追问两次，半小时结束，根本不会。

（真诚提问，并非想要否定AI对于画师和配音演员以及类似职业的侵权行为，也不是想对比谁过的更苦，只是单纯地好奇这个问题）发现一个有意思的现象，想听听大家的看法：同样面临AI的冲击，配音圈、绘画圈都在集体抵制，但程序员这边，几乎看不到类似的行动。代码也是创造性的手艺，AI同样在“偷掉”程序员的手艺，也在替代不少传统的程序员的岗位，今年不少公司停招传统Java、裁掉前端，就业影响明明就在眼前，却很少有人站出来说因为侵权而“要抵制AI”。目前程序员对AI的抱怨，更多集中在“AI写的代码质量差、难维护”等技术层面，而非对职业替代/代码侵权的群体性反抗。是程序员更接受技术变革，还是已经习惯了在冲击里自我调整？还是说只是因为程序员群体中AI的既得利益者更多，大家依靠AI更快速地写出了更多的代码，获得了更多的收益（工资），而那些因为AI被裁掉的团队的声音又太小？有点好奇，这背后的差别到底在哪。

先给大家一个核心结论：2026年的AI行业，已经从“造模型”的上半场，进入了“用模型”的下半场。企业缺的不再是能训练大模型的算法科学家，缺的是能把AI落地到业务里、解决实际问题的人。入门AI，选对方向，比盲目努力重要100倍。下面我把当前主流的AI方向，分成技术线和非技术线两大类，逐一拆解。一、技术线方向：适合有开发基础、想深耕技术的人群1. 大模型研发/算法工程师核心门槛：极高。985/211硕士以上学历是标配，要求扎实的线性代数、概率论、统计学功底，精通Transformer架构、分布式训练框架（DeepSpeed/Megatron-LM），有预训练、SFT、RLHF的实战经验，顶会论文是...

打开技术社区，几乎每天都能刷到类似的灵魂拷问：“AI都能一键生成LeetCode解题代码了，Copilot、Cursor秒出思路，我们还有必要苦哈哈刷几百道题吗？”一边是AI Coding的爆发式普及，大厂面试纷纷加入AI辅助开发、LLM编程考察，很多人觉得“刷题已经过时”；一边是LeetCode的内卷依旧，春招秋招中，算法题仍是大厂笔试、面试的核心环节，不刷就大概率被刷。作为一名深耕后端开发3年、参与过校招面试筛选的程序员，我见过太多人陷入两难：疯狂刷题怕浪费时间，完全不刷又怕面试翻车。今天就以最直白的视角，把这件事讲透——AI时代，LeetCode不仅有必要刷，而且要换一种更高效的方式刷，核心不是“背题”，而是“练思维”，这才是AI夺不走的核心竞争力。一、先破误区：AI能替你写代码，但替不了你“会思考”很多人觉得“AI能解LeetCode，刷题就没用了”，本质上是混淆了“写代码”和“会编程”的区别。AI的核心作用是“高效执行”，而程序员的核心价值是“逻辑决策”，这一点，AI再强也替代不了。我曾见过应届生面试时，直接用AI生成LeetCode中等题代码，看似流畅，可面试官追问一句“你这个解法的时间复杂度是多少？有没有更优方案？”，瞬间语塞。AI能给出正确答案，却给不出推导过程；能生成代码，却无法解释“为什么这么写”“边界条件怎么考虑”“遇到异常情况怎么优化”。LeetCode的核心价值，从来不是“学会写某道题的代码”，而是通过刷题，训练你的逻辑严谨性、问题拆解能力、复杂度意识和抽象建模能力。这些底层思维，是AI无法替代的，也是大厂筛选人才的核心标准。举个例子：同样是解决“数组求和”问题，AI能一键写出暴力解法，但优秀的程序员能快速想到前缀和、双指针等优化方案，甚至能预判数据量增大后的性能瓶颈——这就是刷题练出来的思维差距，也是AI和优秀程序员的本质区别。更现实的一点：目前AI生成的代码，常常存在边界条件缺失、复杂度偏高、工程上不可扩展等问题。如果你不刷LeetCode，不懂算法逻辑，就无法判断AI代码的对错，只能盲目复制粘贴，最后项目上线全是bug，反而得不偿失。二、为什么AI越火，大厂越要考LeetCode？很多人疑惑：既然AI能秒解算法题，大厂为什么还要坚持考察LeetCode？答案很简单：AI时代，算法面试的考察重点变了，但考察的核心从未变——筛选出“会思考、能解决问题”的人，而不是“会用AI复制代码”的人。1. 算法面试，考的是“思路”而非“代码”大厂的算法面试，从来不是“让你写出代码就过关”，而是让你在白板上、在线编辑器里，一步步推导思路：从问题分析、思路拆解，到复杂度分析、优化方向，再到代码实现、边界条件处理。整个过程，考察的是你的逻辑表达能力和问题解决能力。AI能给你代码，但给不了你“思考路径”。你可以用AI辅助刷题，但面试时，面试官要的是你自己的思考，而不是“AI是这么写的”。如果只会复制AI的答案，讲不清思路，哪怕代码正确，也会直接挂掉。2. 算法是程序员的“内功”，决定长期上限LeetCode刷的不是题，是内功。不管是后端开发、前端开发，还是AI工程、算法岗，底层的算法思维都是相通的。刷题能帮你建立复杂度意识，学会用更高效的方式解决问题，这直接决定了你未来的职业上限。比如做后端开发，需要设计高效的接口、优化数据库查询，这背后离不开哈希、二分、动态规划等算法思维；做AI工程，需要优化模型推理效率、处理大规模数据，也需要算法基础作为支撑。没有扎实的算法功底，哪怕AI用得再熟练，也只能做基础的执行工作，很难成长为技术骨干。3. 笔试门槛未降，不刷就没机会尽管AI Coding成为热门，蚂蚁、字节、腾讯、百度等大厂，依然把LeetCode类算法题作为笔试核心，占比高达50%-70%。尤其是校招，算法题是筛选应届生的最公平、最高效的工具——学历、实习经历有差异，但算法能力的比拼，能直接看出一个人的逻辑思维和学习能力。我参与校招筛选时发现，很多应届生因为不刷算法题，笔试直接挂掉，连展示AI能力、项目经验的机会都没有。对大部分应届生、转行程序员来说，LeetCode依然是进入大厂的“敲门砖”，不刷就等于主动放弃机会。三、AI时代，刷题的正确姿势：不内卷，重效率承认LeetCode有必要刷，不代表要像以前一样“死刷、硬刷”。AI时代，刷题的逻辑已经彻底改变，核心是“少而精、重思路、强结合”，拒绝无效内卷。1. 放弃“刷数量”，聚焦“高频核心题”很多人陷入“刷够500题、1000题”的误区，其实完全没必要。LeetCode的题量虽然庞大，但核心考点集中在数组/字符串、双指针、BFS/DFS、二叉树、动态规划基础、哈希表、二分查找这7个模块，这些模块覆盖了大厂面试90%的算法题。我的建议是：重点刷这7个模块的高频题，每个模块刷20-30道，总共150-200道即可，不用刷偏题、怪题，也不用死磕Hard题（除非是算法岗）。中等题是重点，吃透中等题，就能应对大部分笔试和面试。2. 用AI辅助刷题，而非依赖AIAI不是“刷题的敌人”，而是“高效刷题的工具”。正确的做法是：先自己独立思考，尝试推导思路、写出代码，遇到卡壳时，再用AI生成解法，对比自己的思路差异，分析AI的优化点，再让AI解释复杂度、补充边界条件和测试用例。这样做的好处是，既能节省时间，又能快速查漏补缺，还能培养“判断AI代码优劣”的能力——这正是AI时代程序员的核心竞争力之一。反之，直接复制AI代码，不思考、不总结，刷再多题也没用。3. 刷题不脱节，结合工程和AI能力2026年，大厂最青睐的程序员，是“算法思维+AI工具+工程能力”的复合型人才。刷题时，不要只关注“代码正确”，还要思考“如何用AI快速实现”“如何优化代码的工程性”“如何结合实际项目场景应用”。比如刷完“链表反转”题，不妨试试用Copilot生成代码，再手动优化代码的可读性、可扩展性；刷完“动态规划”题，思考一下在实际项目中（比如推荐系统、数据处理）如何应用这种思路，结合AI工具提高开发效率。四、求职关键：刷题是内功，简历是门面很多人忽略了一个现实：不管你刷了多少题、算法能力多强，如果简历不过关，连面试的机会都没有。尤其是AI时代，简历上是否有“算法相关经历”“AI工具使用经验”，直接决定HR会不会捞你。我身边很多准备校招、跳槽的同学，算法刷得不错，也有相关项目，但简历写得像流水账，比如只写“刷了100道LeetCode题”“会使用Copilot”，没有量化成果，也没有突出算法能力和AI应用能力，导致笔试邀约率极低。后来他们优化简历，把刷题经历转化为“算法思维训练成果”，把项目中的算法应用、AI工具使用，量化成“优化代码效率30%”“用AI辅助Debug，缩短开发周期20%”等可展示的成果，突出“算法+AI+工程”的复合型能力，简历瞬间变得亮眼，笔试邀约率大幅提升。刷题是内功，简历是门面。AI时代，两者缺一不可——没有算法内功，面试会翻车；没有亮眼简历，连展示内功的机会都没有。五、最终观点：AI时代，刷题的意义是“守住核心竞争力”回到最开始的问题：AI时代，还有必要刷LeetCode吗？我的答案很明确：有必要，但要换一种方式刷。AI能替你写代码，但替不了你思考；能替你出答案，但替不了你面试；能帮你省时间，但替不了你建立底层算法思维。LeetCode的价值，从来不是“背题”，而是通过刷题，训练你解决问题的能力，这是AI夺不走的核心竞争力。对于不同的人，刷题的优先级也不同：- 应届生/转行程序员：必须刷，重点刷高频中等题，这是进入大厂的敲门砖；- 资深程序员：可以少刷，但不能不懂，重点维护算法思维，应对复杂业务场景；- AI工程/应用开发岗：刷基础算法即可，重点结合AI工具，训练“算法+AI”的落地能力。AI时代，程序员的核心竞争力，从来不是“不用AI”，而是“能用AI但不依赖AI，懂算法更懂工程”。刷题不是为了对抗AI，而是为了让自己在AI的辅助下，变得更强大。最后想说：LeetCode从来不是目的，而是手段。刷100道题，不如吃透10道题；背100个代码模板，不如培养1种解决问题的思维。AI会不断迭代，但扎实的算法思维，永远是你职业道路上最坚实的底气。

新人写代码，debug到凌晨，头发一把一把掉。AI却能在五分钟内生成完整项目，注释写得比情书还动人。提交记录里清一色写着：author: Qwen，commit message: 已修复产品经理的梦想。人类程序员的工作变成“阅读AI代码”并假装自己看得懂。更惨的是，AI还会自动写周报：“本周优化系统性能，顺便预测了咖啡机故障。”技术主管说：“你们要学会和AI协作。”底下新人苦笑：“它根本不需要我。”直到一次上线事故，AI因“无法理解人类作死需求”拒绝执行。人类手动改完，系统恢复——那一刻，大家明白：有些坑，必须人来踩。

原文发布于我的博客：https://blog.hikarilan.life/thinking/3250/why-i-believe-senior-tech-jobs-will-gone/前几天刷抖音看到很多人在分析 AI 对未来产业的宏观影响，发觉有一个经典观点用在这里很合适：人们总是倾向于高估新技术带来的短期冲击，却低估其长期影响基于这个观点，我开始重新考虑 AI 对程序员行业的影响，然后我发现，AI 对我们，尤其是对于初级技术岗位应聘者的影响，远比很多人想象的大得多，甚至可以说，在没有其他因素影响的情况下，随着 AI 的发展，可能会导致初级技术岗位完全消失，靠吃程序员这碗饭逆天改命的阶级跃...

什么方向可替代性低？    

当ChatGPT能写代码、AI绘画一键出图、文案工具秒通稿、智能剪辑自动成片，甚至基础报表、数据整理、客服答疑都能被AI接手，一场关于职场生存的焦虑正在蔓延：连这些核心工作都能被AI替代，我们普通人还能干什么？到底还有哪些岗位，能在这场AI浪潮里稳稳立足？作为亲历春招、直面职场变革的25届求职者，我也曾陷入深深的恐慌：熬夜学的文案技巧、练的办公软件、基础业务能力，AI几分钟就能完成，那我们的核心竞争力到底在哪？但深度观察行业趋势、拆解职场岗位逻辑后我发现，AI从来不是要取代人类，而是淘汰拒绝拥抱AI、缺乏核心价值的人。真正能站稳脚跟的，从来不是和AI比拼效率，而是守住AI永远无法复刻的“人性底线”与“深度价值”。一、先看清真相：AI能干活，但永远干不了“人的事”很多人对AI的认知陷入误区，觉得AI全能化就会让大量岗位消失，实则不然。现阶段的AI，本质是高效的执行工具、经验的整合器、标准化的产出者，它能基于数据和算法完成重复性、规则性、流程化的工作，但永远无法突破三大边界，而这正是人类不可替代的核心。首先，AI没有真实共情力。它能生成暖心话术，却无法感知真实的情绪波动；能模拟客服应答，却无法理解用户背后的真实诉求；能写煽情文案，却无法传递发自内心的温度。职场中所有需要人心交互、情感链接、情绪价值的工作，AI永远无法替代。其次，AI没有独立决策力。AI的所有输出都基于已有数据，它能分析利弊、给出参考，却无法在信息不全、充满不确定性的场景下做决断。职场中的战略判断、风险抉择、人情权衡，需要结合经验、格局、甚至直觉，这是算法永远学不会的。最后，AI没有原生创造力。AI的创作是拼接、整合、模仿，它能画出好看的图、写出通顺的文案，却无法产出颠覆认知的原创思想、直击人心的艺术表达、打破常规的创新方案。真正的创新，源于人类的经历、情感与思考，而非数据堆砌。看懂这一点就会明白：AI替代的是“执行环节”，而非“岗位本身”；淘汰的是“重复劳动的人”，而非“创造价值的人”。我们不需要惧怕AI，而是要找准自己的定位，做AI做不了的事，用AI提升自己的效率。二、AI浪潮下，这些岗位反而越稳越吃香结合行业趋势和职场需求，我梳理出四类能在AI浪潮中站稳脚跟的岗位，既有适合应届生的入门方向，也有适合职场人深耕的赛道，每一类都紧扣“人类不可替代价值”的核心：1. 深度专业型岗位：靠“稀缺经验”立住脚跟这类岗位需要长期积累的专业知识、实战经验和复杂问题解决能力，AI只能辅助，无法主导。比如资深医生、律师、架构师、行业分析师、高精尖研发人员，他们面对的是复杂个案、突发问题、前沿探索，AI能提供数据参考，但最终的判断、实操、突破，必须靠人类的专业积淀。这类岗位的核心竞争力是“不可复制的经验”，越深耕越稀缺。2. 人文共情型岗位：靠“情绪价值”不可替代所有需要情感链接、心理疏导、人际交互的岗位，AI根本无法涉足。比如心理咨询师、教师、HRBP、产品经理（用户侧）、社群运营、医护人员，他们的核心工作是理解人、照顾人、影响人。一名好老师能感知学生的学习困境，一名好HR能化解团队的情绪矛盾，这些需要温度和共情的工作，AI的算法再精准也无法实现。3. 复杂决策型岗位：靠“格局判断”掌控全局企业管理者、项目负责人、战略规划、风险管控等岗位，核心是做决策、扛责任、统筹全局。AI能提供数据分析、市场报告，但无法为企业的未来拍板，无法承担决策失败的责任，无法协调复杂的团队关系。这类岗位考验的是格局、眼界、责任心和人情世故，是AI永远无法企及的高度。4. AI协作型岗位：靠“驾驭工具”脱颖而出这是最适合普通人、应届生的方向，不是对抗AI，而是成为AI的“驾驭者”。比如AI提示工程师、AI训练师、AI产品运营、内容策划（AI整合优化）、设计指导（AI出稿+人工精修），这类岗位的核心是“懂AI、用AI、把控AI产出”。未来所有岗位都会和AI结合，会用AI的人，会把AI变成自己的放大器，效率远超只会埋头干活的人。三、普通人突围干货：不被替代的3个核心动作面对AI浪潮，普通人不用盲目转行、不用焦虑内耗，做好这三件事，就能牢牢站稳职场：1. 放弃重复劳动，深耕“不可替代性”远离每天重复的录入、排版、基础文案、机械执行类工作，把时间花在AI做不了的事上：比如积累行业经验、打磨沟通能力、培养创新思维、提升决策判断力。哪怕是基础岗位，也要从“执行者”转向“把控者”，比如做运营，不只靠AI写文案，更要做用户分析、策略制定、效果复盘。2. 学会驾驭AI，把工具变成“左膀右臂”拒绝排斥AI，主动学习主流AI工具的使用，让AI帮你完成重复性工作，节省时间深耕核心价值。比如用AI整理数据、生成初稿、处理杂事，自己专注于创新、决策、优化。对于应届生来说，求职时写明“熟练运用AI工具提升效率”，会成为简历加分项，这也是当下HR非常看重的能力。3. 包装自身价值，让职场竞争力可视化无论是求职还是职场晋升，都要学会把自己的不可替代价值展现出来。很多人明明有能力、有经验，却因为不会表达、简历平庸，错失机会。尤其是应届生和职场新人，面对AI带来的求职竞争，更要精准包装自己的核心优势。我身边很多朋友，都会借助泡泡小程序AiCV简历王梳理自身价值，把AI协作能力、核心项目经验、不可替代的软实力精准呈现在简历上，贴合HR招聘偏好，在众多求职者中脱颖而出，毕竟再好的能力，也需要专业的呈现才能被看见。四、深度思考：AI时代，人的价值到底是什么？回望每一次技术革命，从来没有工具能彻底取代人类，只是淘汰了落后的生产方式。AI也是一样，它解放了重复性劳动，反而让我们有更多时间去做更有价值、更贴近人性的事。我们不用纠结“AI能做什么”，而要聚焦“我能做什么”。是用共情温暖他人，是用创新创造价值，是用决策引领方向，是用经验解决难题。AI是辅助我们的工具，不是取代我们的对手，真正的职场安全感，从来不是某个岗位一成不变，而是自己拥有随时立足的核心能力。尤其是对于25届求职者来说，不必因为AI浪潮恐慌求职，找准方向、提升软实力、学会驾驭AI，再把自身价值精准呈现，哪怕市场再卷，也能找到属于自己的一席之地。职场的终极竞争，从来不是人和工具的竞争，而是人和人的竞争——比谁更懂价值、更懂人心、更懂成长。五、写在最后AI能写尽天下文案，却写不出心底的真诚；能画尽世间美景，却画不出情感的共鸣；能完成万千任务，却担不起人生的责任。我们的价值，从来不是干AI能干的活，而是活出AI没有的温度、思想与灵魂。找准方向、深耕自己，哪怕AI再全能，我们也能在职场中站稳脚跟，活成不可替代的样子。

好久没写长文了，今天这个话题，其实我已经思虑良久，正好写下来。 众所周知，科技是指数级发展的，我们所预估的发展速度，远远比不上真实的发展速度，他不是匀速、也不是匀加速、而是滚雪球般。 最开始我们注意到的可能只是一个篮球大小的雪球，可是当你干点别的再回头看，它会变成什么？不是大雪球，是一万个大雪球，是一场雪崩。 一、AI的发展速度将远超我们想象 先讲讲历史来佐证我的判断，新能源从开始到现在，几年？每年得销量已经超越了燃油车，我可以说，中国未来新能源一定是世界第一，但具体哪些厂家会活下来，我不知道。 智能驾驶出来几年？从华为在问界M7上搭载的很不成熟智能驾驶，到现在端到端的智能驾驶，几年？三年有没...

初级程序员太典型了，感觉机械的执行者在AI的浪潮下面会受到比较大的冲击（1）基础测试工程师的重复性测试任务，AI 自动化测试覆盖率超 90%，还能高效完成大规模压测。（2）前端开发工程师的基础页面构建，AI 解析设计稿可生成 90% 代码，大幅缩短开发周期。（3）数据录入员单调的数据录入工作，RPA 技术能快速精准完成。（4）初级系统运维工程师的常规监控、故障排查等操作，也可由 AIOps 系统自动处理。说白了，AI 淘汰的是 “执行者”，那些只做流程化工作的岗位最危险，反而需要战略思维、复杂设计能力的高阶岗位更安全了。比如（1）架构师，这个工作结合业务峰值设计动态内存扩容策略，这并非单纯依赖参数调优就能完成，目前AI对于这方面的能力还是有欠缺的（2）AI 工程师，包括大模型的底层推理训练，还有大模型应用等等

上海的秋招季，2025年格外热闹。小兰是电子信息专业的女生，大四伊始，就投身秋招洪流。秋招是校园招聘高峰，AI岗位最抢手，因芯片和边缘计算热。她从小爱电路，大二接触嵌入式AI，梦想入行。但起点一般：没竞赛奖，没大厂实习，简历只有课程项目。同学们有的早进实验室，她却忙社团和兼职。秋招来临，她慌了：怎么从众多理工生中脱颖？小兰第一步：夯实基础。她复习数字电路和AI硬件，学Verilog和FPGA。秋招前，她做项目：用Raspberry Pi建AI监控系统，能实时识别物体，准确率92%。这成亮点。但投华为和字节跳动时，简历被刷。她发现问题：描述太技术，HR看不懂价值。调整后，小兰研究JD：AI工程师需软硬结合。她优化简历，但手动改累。朋友推荐泡泡小程序AiCV简历王，她输入数据，AI生成版：自介“我是小兰，AI硬件方向，项目经验2年”；成果“主导监控系统，处理视频帧率提升50%”；价值“能为贵公司边缘AI优化，降低功耗30%”。简历专业，附代码链接。秋招实战，小兰去华为宣讲，HR谈AI芯片需求。她投递，笔试是硬件题，她过关。技术面，官问“项目细节”。小兰STAR法：任务“构建实时识别系统，硬件限制下”；行动“优化算法和电路，结果准确率92%”。官问挑战：“功耗高怎么解？”她谈低功耗设计，过。HR面，问“女生理工优势？”小兰说：“细致和协作，我能团队贡献。”华为是大厂，她激动，但继续投其他以防万一。小兰多线作战。投小米和网易等中厂。小米AIoT方向对口，她分享demo，官赞实用。群面模拟故障排除，她领导团队，获MVP。网易面试，她调整简历突出应用。官问“未来AI趋势？”她谈量子计算，过关。但字节跳动笔试过后，技术面卡在算法优化，被刷。她反思：大厂门槛高，只有一个在流程中。秋招有挫：投阿里，经验不足被刷。她沮丧，但加入AI群，参加meetup。一次活动，她pitch硬件项目，获导师指点：入行AI，理工女要多练沟通。继续投京东和B站中厂。京东AI岗位，她谈电商硬件应用，官感兴趣。B站面试轻松，她提案AI视频处理，融入技术细节。低谷时，小兰对室友说：“秋招太卷，只有一个大厂机会，其他中厂在等。”室友安慰：“中厂也能学东西，先积累。”她参加开源项目，提升简历。小兰拿三个offer：华为的AI工程师（大厂），小米硬件AI助理，网易算法运营（中厂）。大厂只有一个，她权衡后选华为，因研发机会。其他中厂虽稳定，但大厂平台更广。入职前，她学新工具，参与开源。秋招教她：坚持、优化、networking。泡泡小程序AiCV简历王帮她高效。如今，小兰在华为AI lab，设计芯片。她感慨：秋招是成长，女生也能闪光。想入AI？从秋招开始，就算只有一个大厂offer，中厂也能是起点！

先给核心结论：Vibe Coding不会让初级开发岗位消失，但会彻底淘汰低价值的重复型初级工作，同时重构初级岗位的能力模型与成长路径。一、先搞清楚：Vibe Coding到底替代了什么？Vibe Coding本质上和当年的IDE、代码自动补全、低代码平台一样，是研发提效工具，它替代的从来不是“初级岗位”，而是初级岗位里80%的低价值、标准化、重复性劳动，具体包括：基础CRUD接口、表单页面、通用工具类的模板化代码编写简单语法错误、基础逻辑bug的排查与修复标准化的单元测试、接口文档、代码注释编写通用技术方案的基础框架搭建、语法格式规范化基础的脚本编写、数据处理、日志分析工作这些工作，本来就是初...

小红书 美团 京东 滴滴   

我暂时目前来看，不少简单的初级测试工作确实存在被替代的可能性。现在很多公司里的测试岗位，日常工作仍以“点点点”为主，核心就是验证系统的增删改查功能是否正常——这类重复性高、逻辑相对固定的工作，完全可以通过自动化脚本来解决。或者一些功能性测试，压测，性能测试等等，都是比较简单的模拟各种的测试工作。随着AI技术的发展，它甚至能借助MCP等工具，直接模拟人工“点点点”的操作流程，直接就完成这类基础测试任务。从这个角度来说，初级测试岗位所面临的替代风险感觉挺高。所以，我暂时不考虑测试，我实习时一个测开的姐也说，测试后面很可能岗位很少的，因为这个ai的发展，真是很可能直接代替这部分基础的测试工作，所以我还是投后端开发的岗位吧。而ai技术迭代的影响，或许不会止步于测试领域。未来，随着AI成熟度不断提升，初级软件开发岗位——无论是前端开发还是后端开发——也可能逐步受到冲击。再远点来看，若AI在代码生成、逻辑实现等方面的能力持续突破，这类技术岗位中偏基础、重复性的工作，恐怕也会面临被替代的挑战。

最近我越来越强烈地感受到，前端开发可能会是最先被AI取代的岗位之一。因为前端的很多工作，本质上是把设计稿翻译成代码、把交互逻辑实现成网页，这类任务目标非常明确，AI 很容易学习。现在用一些 AI 工具，比如 Copilot、Cursor、v0、Figma to Code，几乎一句话就能生成一个完整的前端界面。甚至样式、响应式布局、动画、组件复用，AI 都能自动搞定。过去我写半天的页面，现在 AI 一分钟生成。相比之下，后端、算法或者底层系统开发更依赖业务逻辑和工程经验，还需要人去设计架构和权衡性能。但前端代码往往是「可见、可替代、可批量生产」的。我并不是悲观，只是觉得未来的前端工程师必须转型—...