AI 省掉初级工程师？省人可以，断流不行

毒刺导弹的教训很直白：订单可以今天下，产能不能明天长出来。供应链断过、熟练工散过，再想补回来，就不是拍一张采购单那么简单。

软件行业现在也站在类似的岔口。AI 能写代码，能补测试，能生成样板逻辑，于是一些公司开始盘算：初级工程师是不是可以少招，甚至不招？

这算盘短期很好看。人力成本下降，管理成本下降，报表也更轻。

但 EvalCode 4 月 26 日那篇评论把这个问题说得更硬：公司停招初级工程师，省下来的未必是成本，也可能是三年后的谈判筹码。

发生了什么：AI 吃掉任务，不等于吃掉成长路径

围绕 AI 编程，过去的讨论常停在一个问题上：AI 会不会替代初级工程师？

更现实的版本是：AI 会替代一部分初级任务，但企业仍然需要有人从不熟练走向熟练，从只会改小 bug 走向理解系统，从照着需求写代码走向判断取舍。

传统软件团队培养新人，靠的是一串看起来不高级的活：

• 修小 bug；
• 写样板代码；
• 补测试；
• 读旧代码；
• 在代码评审里被指出边界条件；
• 慢慢摸清系统里没人写进文档的规矩。

生成式 AI 让其中一部分工作变便宜了。问题也就来了：如果练手任务被 AI 吃掉，公司又不重新设计训练方式，新人靠什么长出来？

新的初级岗位不会消失成空气，但内容会变。它更像“AI 输出审查员”和“系统理解训练者”：看生成代码是不是破坏了边界条件，追踪一个看似合理的改动为什么错，理解老系统里那些沉默的约束。

这比过去更考验管理。以前让新人从脏活累活里慢慢熬，现在不能只把脏活交给 AI，然后假设新人自然升级。

为什么重要：停招新人，会把议价权送给资深工程师

EvalCode 这篇文章真正补强的，不是“要善待年轻人”这种软话，而是一笔组织风险账。

资深工程师的价值，从来不只是写代码快。他们知道系统为什么这样搭，知道哪段历史包袱不能碰，知道哪个业务方的需求表面合理、实际会炸。他们身上存着组织记忆。

外部招聘能买技能，很难立刻买到这些上下文。

于是一个场景就很现实：核心资深工程师提出大幅加薪，或者准备离职。公司有没有内部接班人，决定了谈判底气。

如果过去几年持续培养了中级工程师，这件事会痛，但不会失控。有人能接一部分系统，有人能问对问题，有人能扛住过渡期。

如果公司为了 AI 降本，几年不招新人，中间层断了，那就只剩两个选项：加价留人，或者去市场上高价买人，再付漫长磨合期。

这时资深工程师不是“被管理的资源”，而是组织的单点故障。

天下熙熙，皆为利来。公司以为自己在用 AI 压低劳动力成本，资深员工也会用稀缺性重新报价。市场不会因为管理层的 PPT 而讲情面。

一个简单对照就够了：

这也是 AI 降本的边界：AI 可以替代任务，但不能自动生成一个熟悉公司系统、敢负责、能判断取舍的资深工程师。

谁最受影响：不是普通用户，而是技术管理层

普通用户短期未必有感觉。产品照样上线，功能照样迭代，AI 甚至会让一些小需求交付更快。

真正被这件事逼到桌前的，是 CTO、工程 VP、技术主管和 CFO。

他们要回答的不是“AI 要不要用”。这个问题已经过时。真正的问题是：今年少招几个人，到底是在提升效率，还是在掏空三年后的接班能力？

对早期工程师来说，影响也很直接。入门岗位会变少，门槛会变高，单纯会写 CRUD 的价值下降。但这不等于新人没有机会，而是机会会转向另一类能力：读懂系统、验证 AI、发现隐性错误、解释为什么不能这么改。

这对学校、训练营和新人自己都不太友好。过去学会框架、刷点项目、过几轮面试，还有一条相对清楚的路。现在公司嘴上说需要新人，手里却把入门任务交给 AI，新人的第一公里会更窄。

但公司如果因此完全关掉入口，就是在拿组织未来赌运气。

Shopify 的反例：押注 AI，不必等于停招新人

这里有个有用的对照：Shopify 在重押 AI 的同时，仍扩大了 2026 年早期职业招聘。

这个动作不能简单抄。不同公司的现金流、业务复杂度、工程文化都不一样。但它至少说明一件事：AI 战略和人才梯队建设不是二选一。

更成熟的做法，应该是改造初级岗位，而不是取消初级岗位。

接下来真正该看的，不是“初级工程师会不会消失”这种大口号，而是几个更硬的变量：

• 初级工程师是否从写样板代码，转向审查、验证和理解系统；
• 团队有没有从初级到中级、再到资深的明确路径；
• 核心系统是不是只掌握在少数老员工手里；
• 代码评审、结对开发、入职训练有没有跟着 AI 改；
• 公司省下的人力成本，有没有一部分投回培养机制。

如果这些都没有，只是把 junior headcount 砍掉，再给每个 senior 配一个 AI 工具，那就不是组织升级，是把风险藏进未来。

COBOL 人才断层就是一面旧镜子。很多关键系统还跑在老技术上，培养却早停了。等需要维护、迁移、修事故时，留下来的人自然有更高议价权。小企业接班失败也是同一套逻辑：生意不一定坏，问题是没人能接。

软件行业总以为自己更新更快，不会走老路。可人和组织的规律没那么新。铁路、电力、军工、老 IT 系统都讲过同一个故事：供给链一旦断掉，恢复比削减慢得多。

我不反对省人，但反对把学徒期当废料

我不太买账的一点是，很多“AI 替代初级工程师”的说法，把岗位和任务混成了一件事。

任务可以被替代。岗位未必应该被取消。成长路径更不能随手掐断。

初级工程师写得慢，确实会拖累资深工程师。新人会问笨问题，会犯低级错，会把一个简单改动做成半天代码评审。管理者讨厌这些，很正常。

但学徒期的价值，恰恰不在今天的产出。它买的是明天的替补、后天的中坚，以及资深工程师离职时公司还能坐下来谈判的底气。

公司可以少招传统 junior，可以提高入门要求，可以让 AI 承担重复劳动。这些都合理。

不合理的是一边享受 AI 带来的短期效率，一边假设未来会自动冒出足够多懂系统、懂业务、懂取舍的工程师。

模型看着更强，产品反而更虚。虚的不是代码行数，是组织里没人知道这些代码为什么存在。

毒刺导弹等产能，软件公司等人才，本质上都在还同一笔债：你曾经以为闲置的培养链条，其实是危机时最贵的保险。