25岁程序员就业暴跌20%，但45岁的他们反而更值钱了

上周刷招聘帖，看到一条大厂安全工程师的吐槽：招聘邮箱里成堆985简历，很多人直接写"接受降薪50%"。不是制造焦虑，是供需关系彻底反了。

斯坦福AI Index 2026刚发布。22到25岁软件开发者就业人数，自2022年下降近20%。入门岗被精准切掉。但35到55岁群体就业还在涨。同一批工具，吃掉底层，养肥上层。

大厂裁员数据也印证这个趋势。2026年Q1，亚马逊裁1.6万人，Block近半，Meta计划裁1.6万。36氪做了期"过来人口述"，清华中文系CEO说"看就业率报专业是刻舟求剑"，大厂安全工程师说"除非真热爱否则慎报计算机"。

很多人看到这组数据的第一反应是：赶紧学AI，保住饭碗。但有一个数据被忽略了。DX平台调研显示，使用AI编程工具后，实际效率下降19%。METR对照试验里，开发者主观感觉快了24%。你觉得快了，老板也觉得快了，但产出数字冷冰冰地摆在那里。

我第一次看到这组数据时愣了一下。"感觉快了"和"真的快了"之间那道裂缝，恰好是整件事的陷阱。公司看到工具上线，立刻把产出预期抬高。以前一周交20个PR是正常标准，AI辅助后理论产出50个，企业直接把50定为新合格线。人被迫从写代码变成审代码，工作量翻十倍。

这才是真相。AI正在替代的不是肌肉，是大脑。过去几十年，社会告诉年轻人：别干体力活，学知识、做脑力工作。结果现在AI直接攻击脑力劳动本身。宏观经济学说AI会创造新岗位，但微观体感是你投了200份简历，回复率不到5%。这不是某个专业的问题，是"重复执行+信息差"型技能整体贬值。写代码、做报表、分析数据、翻译文档，这些LLM拿手的活，恰好是大学四年教你干的。

那什么东西AI替代不了？

Siddhant Khare是印度一线工程师，他说了一句狠话：AI只实现了生产自动化，没实现审核自动化。以前你写20行代码自己测一遍，现在AI给你200行，你得逐行审。被倒逼的不是创新力，是审查力。AloneMonkey在大厂做安全，说招聘邮箱里成堆985简历不是焦虑制造。名校光环在供需失衡面前不值钱了。但那些35岁以上、做过复杂系统、踩过坑的人，反而更抢手。经验可以叠加，肌肉记忆不能。判断力也是。

Stanford报告里还有一组数据：73%的AI专家认为AI对就业有正面影响，但只有23%的公众认同。专家和普通人活在两个平行世界。这种认知鸿沟本身就是风险。专家看到的是宏观就业总量在涨，普通人感受到的是自己投出去的简历石沉大海。两边都没说错，只是在看不同的尺度。

所以2026年报志愿，该怎么选？

36kr过来人Neil说了句大实话：能上清华北大这种顶尖名校，专业真的不重要。学校平台的托举远大于具体专业。Siddhant Khare的建议更直接：先独立思考再决定是否用AI，把"思考本身就是价值"的任务留给自己。不是学AI怎么用，是学怎么不用AI也能做判断。

AI能帮你写初稿、跑数据、生成十个方案。但选哪个方案、为什么选、出了问题谁负责——这些事它替不了你。复合判断力才是唯一护城河。

明天我把那份DX调研的完整报告找出来细看，对比不同编程语言场景下效率差异。