未来 10 年程序员技术水平分布会是什么结构？

迭代太快了，未来 3 年都有点难预测，10 年更难了。。

个人看法: 基础依然重要，而且是未来拉开差距的关键因素。

有 AI 前后的个人感觉类似 “偏远地区散修 Vs 进了大宗门的内门弟子” 吧，只要你想、自己肯努力，功法、丹药不缺~~

op 的这个文章可以参加我的这个征文活动吗? 活动地址: t/1187043

如果有意向的话可以联系管理员移动节点, 移动方式在活动地址的附言中.

我觉得先应对好 2026 年就不错了。

编码能交给 AI ，但你其他的基本功还是有用的。
我前几天在帮人改代码改善性能。对面是个处理视频的开源软件（ AES 和一些辅助处理），在我的服务器上跑起来大概 20MB/s 的读写速度，CPU 跑满了，我一看，肯定代码里有大坑。后来我拿了 perf 去找函数热点，然后让 AI 来分析，让 AI 来改善代码，我再编译了验证，最后大概把性能提升到了原来的 2.5X ，在朋友台式机上跑出了 500MB/s+的处理速度。

那为什么开发这个软件的人，自己没有用 AI 发现并优化呢，用这个软件的其他人没有发现并优化呢，为什么这个人是我呢。技术能力，并不全是把设计书变成代码的能力。想一想，公司的 CTO/VP-E ，平时也不写代码的，那他们的价值体现在哪里呢？技术选型，方向把控，拿捏重心，除了打代码以外还有很多事情是需要人脑去发力的。

@JoeJoeJoe 可以的

过去，用人单位：你要会算法、有良好的某语言编程功底和相应技术栈实践
现在，用人单位：你要会算法、有良好的某语言编程功底和相应技术栈实践 + 还要会用 AI 开发、负责全栈开发。

@Kinnikuman 感谢

@Tink @sillydaddy 辛苦管理员同志了, 这应该是我主动约的最后一个稿了, 这两天给你们添麻烦了.

从另外一个角度来说，其实 AI 出现并不会显著改变人与人之间的顺位关系。没有 AI 的时候，想学的人还是会努力学，不想学的人还是会躺平。现在有了 AI ，想学的那些人跟着 AI 学习，进步速度更快了，躺平的人还是继续躺平。
-----
现在我司是强迫要求每个人都要重度使用 AI ，所有的代码都要用公司提供的 AI 工具来生成，所有的 PR 都要用公司的 AI review 工具来检查。我只能说，走一步看一步吧……AI 这波技术估摸着还要快速迭代好几年，可能两三年以后又要变得妈都不认识了。

技术这事，拿居住房间里的东西来举例吧：热水器、洗衣机、电冰箱这些东西，你了解它们的技术原理和结构吗？甚至说抽水马桶呢，坏了你自己能修吗？

实践出真知，无论对于 AI 来说，还是对于人类来说，都是如此。所以，你的问题的答案，完全取决于 AI 在未来 10 年，能做到什么，会给人类留下什么。答案就这么简单。

如果是 AGI 已经达成，那么人类还剩下什么可以实践？

现在看来，没有理由认为 AGI 无法实现，因为 LLM 的成功，揭示了一个基本的道理：智能没什么特殊的。常识、直觉、逻辑、记忆这些只属于人的神话，都已经被一一打破了。学习能力乃至意识这些，又怎么样呢？

为什么你会觉得写不出 nginx 的，通过 ai 就能写出一个呢？ ai 最多能减少学习成本，提高效率，人的开发能力、沟通理解、创造能力都没有变，金字塔还是那部分有资源、能力好的人

@yeqizhang 现在可能不行，但我相信未来 AI 一定能。AI 能力的发展是另一个话题了。

@msg7086 那么做不出来是不是就可以怪 ai 了呢

@Kinnikuman 那说明这部分的「进步」已经不再被需要了。
三十年前的程序员们研究 DOS 实模式，研究各种汇编指令，中断，结果到了 NT 时代，一切都是美好的 WINAPI 编程，再也不用和底层打交道了，写代码也只要写写高级语言，最低也不过就写个 C ，是不是也可以说现在的程序员们都没有咀嚼到营养没法进步了？
科技总是在进步的，古法总要被淘汰或者扫去角落的。有了 AI 那有基于 AI 工作的方法，死抱着旧世界才是更难进步的。

举个例子，我之前写某个开源软件的时候，大量的时间花在写计算逻辑，还有手动汇编优化上。那时候为了把汇编调通，动辄就要花上好几天的时间调试修改。最近有机会回头去看这个软件，我的工作流程就完全变了。首先第一步就是让 AI 帮我把测试环境部署上，用成熟的测试框架，把核心算法的正确性确立下来。一套 C 语言版本，一套 SSE 汇编，一套 AVX 汇编，先用随机输入数据喂进去然后检查输出是否完全相同（包括浮点数也需要计算结果完全精确）。有了测试框架以后，接下来要改代码就简单了，想做什么就让 AI 放手做，做出来如果效果不好，就 reset hard 然后走别的方向尝试。

做项目要遵循的过程是什么？
Make it work, make it right, make it fast.

以前古法编程的时候，得花大量的时间去完成最简单的 make it work 的部分，因为光是一个项目一个核心算法就要花掉几天甚至几十天时间。现在呢，一套需求可能只要几个小时甚至几十分钟就能做完了。你可以频繁地试错，用最短的时间去完成尽可能多的事情。最快地做完 make it work 的部分，然后马上就可以投入到 make it right 甚至 make it fast 当中去。当你有了一个新的点子以后，再也不用畏首畏尾担心把大量的精力投入到错误的点子里去，因为你畏首畏尾的这点时间里 AI 已经帮你平推完了。

以前软件互联网行业创业讲究一个快速开发，所以 Ruby on Rails 那时候在硅谷非常流行。你有一个点子，操起键盘，两个星期时间就能用 Rails 平推出一个 MVP 来，投放到市场上去试错。现在有了 AI ，你有一个点子，操起 AI ，一下午就能上线了。

你说，谁需要去这么关心背后的学习调研实践呢？归根结底工作是看结果的（人生其实也挺像），工作完成了，挣到钱了，才是真的。你努力学习目的就是为了学吗，不是吧，目的不是为了更好地完成工作吗。那现在已经能完成工作了，还需要学那些干什么呢。

另外 AI 也不都是在阻碍学习的。AI 快速产出的能力，不怕试错的特点，注定会让你的学习路线更加广阔。比如你现在只会写 Java 不会写 C++，没有 AI 的时候你可能只能想着看看书学 C++，然后看着看着就不想学了，扔了得了。现在呢，你可以让 AI 帮你写你想要的代码，写完以后你自己去咀嚼研究。就算不去深究，就只是用 C++把程序 vibe 出来，也一样可以让你学到原本看书学不到的东西。

之前有个程序，C 写的，当时当然是手写的，稀烂。后来玩 C++的时候用 C++2x 的新标准 modules 把之前的项目重写了一遍。最近看着又觉得不爽了，AI 推荐我换用 nim 试试，就把这个项目又重写成了 nim 。当然，代码都是 AI 写的，但我至少有了用 nim 的宝贵经验。而这是没有 AI 的时候我想都不敢想的事情。

所以学习也好进步也好，还是要取决于你怎么去发掘 AI 和自身的潜力，充分利用好这些资源。

有一个大胆的猜测，AI 通过数据可以模拟已知的过去，但是未来无法通过模拟过去来预知。编程也只是实现想法的一种途径或者工具而已。真正决定未来的还是人类独特的想法，在 AI 没有真正完全模拟人类大脑之前（ 10 年内不可能），用知识充实自己的大脑都是有意义的。理解 AI 的实现方式也是能力的一部分，所以可以把放在技术水平的注意力，转移到使用技术来实现自己想法，这个也许更重要

有钱的愈有钱，没钱的愈没钱。
学习正确的烧钱（ tokens ），但是得先多烧才知道怎么是正确的烧

如果不介意绑定钱包的话，我可以给你来一次基础打赏.

绑定钱包可以参考这个帖子: t/1164558

@msg7086 #15 我赞同你 “Make it work, make it right, make it fast.” 观点。

对于程序员的职业生涯来讲，尤其是技术能力的增长，学习+实践必不可少，学而不思和思而不学都不能进步。大部分人都是从最简单的语言开始，比如先学 Python/JS/Java ，然后继续深入，c/c++/rust ，最终学习操作系统，这种自顶向下的学习方式（渐进式）适合大多数人。但 AI 的发展打破了这一规律，没有多深入实践中间的环节可以瞬间移动到最底层。

另外，AI 的产出是在是太吓人了，现在 github 上代码量增长的恐怖。这也会引出另外一个话题，没有好的代码学习，AI 的发展训练也会遇到瓶颈。

个人一定要借助 AI 去学习，技术债早晚自己买单。需要学习的是基础知识，比如恒久的数学，长久的 unix/shell/c/http/thread ，还有一些软技能比如写作表达演讲等。

@JoeJoeJoe 我可以直接给地址吗。我的这个号没绑定钱包，主钱包绑定到另外的号了，虽然新建钱包很容易。但还是想用一个主钱包。或者你可以直接打赏 19 楼的大号 @ethusdt

@Kinnikuman 没问题的, 打赏了.

不会再有程序员这个职业了
如果运气好点，还会有指挥一批 AI 工作的超级个人员工。如果运气差点，就不会再需要个人了

@allinQQQ #22 真服了你这个图, 哈哈哈

AI 加快了学习技术爬塔的速度，未来核心的是业务与技术能融会贯通完美落地。未来分布是个更极端的金字塔。
但更重要的应该是想法和行动力

@JoeJoeJoe #7 没问题，小事情小事情

@msg7086 我非常认同你的观点，AI 只是让有思想的人把更多的时间花在思考功能、设计架构上。