当AI同时从数据层、应用层和人才层发起进攻，编程职业面对的是一场三维合围。

---

2026年6月，三组看似无关的数据像三把刀，同时捅向了编程这个职业的胸口。

第一把刀：GitHub上41%的代码已经是AI生成的，而Nature论文早已证明——AI用自己生成的代码训练自己，会导致不可逆的模型崩溃。

第二把刀：Gartner预测，到2026年底75%的新建企业应用将通过低代码或AI智能开发构建。杀死编程的可能不是更强的AI编码器，而是根本不写代码的人。

第三把刀：斯坦福2026年AI指数报告显示，22-25岁软件开发者的就业从峰值下降了近20%。硅谷顶级科技公司的精英毕业生录用比例从25%腰斩至12%。

没有人把这些点连起来看。但当你把它们放在一起，你会发现这不是三个独立的问题——这是一场精心同步的三维围剿。

第一重绞杀：数据层——AI正在吃掉自己的狗粮

2024年7月，Nature发表了一篇注定会被写进AI教科书的论文：牛津、剑桥等机构的研究者证明，让AI模型使用AI生成的数据进行递归训练，会导致"模型崩溃"——模型逐步丧失对稀有模式、边缘案例和细微变化的表达能力，最终退化为只输出最常见模式的平庸机器。

论文给出的机制冷酷而简洁：每一轮训练，模型都在用上一轮的输出作为新一轮的输入。这就像复印机——复印件再复印，复印件再复印，十轮之后，文档变成了一团模糊的灰色块。

但在2024年，这还只是一个理论预警。真正让人不寒而栗的是2026年兑现的局面。

根据AgentMarketCap在2026年4月的分析报告，GitHub上所有公开代码中，41%已经是AI生成的。Claude Code一个工具就贡献了约4%的GitHub公共提交。GitHub Copilot的2000万用户平均46%的代码是AI生成的。932,000个AI Agent发起的Pull Request覆盖了116,000个仓库——而其中相当比例的代码，人类从未读过。

这意味着什么？

意味着下一代AI编程模型训练时，将大量摄入这一代AI模型生成的代码。这就是Nature论文预言的"accumulate scenario"——每一代模型在真实数据的基础上叠加合成数据，合成数据的占比像一个倒计时炸弹一样逐轮攀升。

更致命的是最新的一个发现：0.1%。

2025年的一项研究发现，哪怕训练数据中仅有千分之一的AI生成样本，就足以在多轮迭代后产生可测量的模型崩溃。更大的训练集无法抵消这个效应。你不能通过加更多真实数据来稀释它——合成信号的污染是不可逆的。

这颠覆了AI行业的底层假设。我们一直默认：数据越多越好，模型越大越强。但如果互联网本身正在变成AI的排泄物循环管道，"更大"就意味着更毒。

2026年2月，《Communications of the ACM》发表题为"Model Collapse Is Already Happening"的文章，记录了商业化生产系统中的真实退化：背景移除工具在处理特定毛发纹理时开始失效，图像生成器产出越来越同质化的结果，语言模型出现"语义扁平化"——跨代模型中措辞和逻辑模式的多样性在可测量地缩减。

对于编程领域，模型崩溃的临床表现尤为危险：

• 风格同质化：AI生成的代码趋向少数几种模式，丧失了人类程序员在不同情境下选择不同方案的本能多样性。
• 稀有能力丧失：模型停止处理它曾经能处理的边缘案例——异常的语言构造、冷门API、复杂的多文件交互。
• 自信而错误：退化的模型往往保持甚至增强了输出置信度，而在困难任务上的准确率却默默下滑——这种偏差使得错误更难在标准审查中被发现。

换句话说，AI编程工具可能正在走向一个诡异的方向：看起来越来越能写代码，实际上越来越不会写代码。

而这只是第一重绞杀。

第二重绞杀：应用层——不写代码的人正在占领开发阵地

如果说模型崩溃是从内部腐蚀AI编程能力，那么低代码的崛起就是从外部将传统编程的阵地连根拔起。

Gartner在2026年的预测不容忽视：到2026年底，75%的新建企业应用将采用低代码或智能开发方式构建。IDC同期发布的数据更加激进——2026年中国低代码市场规模将达到131亿元，而全球范围内，AI低代码平台的开发效率提升据称达到了300%-500%。

不要被这些数字误导，以为它们只是行业宣传。真正重要的是数字背后的结构性变化。

传统软件开发的核心逻辑是：需求→设计→编码→测试→上线。这个链条中，编码是绝对核心，是价值的集中体现。但低代码平台把这个链条改写为：需求→配置→上线。编码从核心步骤变成了一个可选项，甚至是一个"高级模式"。

这就不是提升效率了。这是范式切换。

类比一下：汽车发明之后，并不是让马车跑得更快，而是让马车变得无关紧要。低代码不是让程序员写代码更快——它让写代码这件事变得不再必要了。

而且这一次，这把火烧的不是边缘场景，而是绝大多数企业应用的主战场。ERP、CRM、OA、进销存、审批流程——这些占据了程序开发工作量70%以上的领域，恰好是AI低代码平台最擅长的。中国信通院的数据显示，国内开发者缺口已超百万，而低代码平台让业务人员直接成为"公民开发者"，绕过了整个程序员供给体系。

一位IT总监在接受行业访谈时说了一句让人后背发凉的话："以前我们公司要搭一个采购审批系统，找外包15万起，至少一个月。现在用低代码，业务部的小姑娘拖拖拽拽，两周上线。老板再问为什么要养一个开发团队的时候，我不知道怎么回答。"

这不是一个笑话。这是正在发生的日常。

更微妙的是，低代码平台本身也在被AI增强。Gartner预测，到2026年底，40%的企业应用将集成AI智能体。当低代码平台叠加上AI Agent能力，系统不仅能被"拖拽构建"，还能主动理解用户意图、自动生成逻辑、自我优化流程。曾经需要程序员一行行敲出来的东西，正在变成一个人和AI对话的副产品。

这不叫"编程的门槛降低了"。这叫"编程消失了"。

第三重绞杀：人才层——学徒制的结构性崩塌

如果说模型崩溃是自噬，低代码降维是外敌入侵，那么第三重绞杀最残忍：它摧毁的是整个职业的再生系统。

数据不会撒谎。以下是2026年这个行业的招工血检报告：

• 22-25岁初级开发者就业较2022年峰值下降20%（ADP薪资记录分析）
• 美国"程序员"岗位就业2023-2025年间暴跌27.5%（劳工统计局）
• 顶尖科技公司的精英工程毕业生录用比例从25%降至12%
• 54%的工程负责人计划减少初级开发者招聘，理由是AI Copilot效率提升
• CS毕业生失业率达6.1%，应届毕业生整体低就业率达42.5%——2020年以来最高（纽约联储）
• 截至2026年6月1日，148,092名科技工作者被裁，裁员速度较2025年加速46%
• 2026年3月和4月，AI被列为25-26%科技裁员的首要单一原因

每一个数字背后都是一个人。但比个人的困境更可怕的是结构性的崩塌。

软件工程师这个职业拥有现代经济中最精密的人才培养体系之一：初级程序员在小任务中积累经验→中级工程师独立负责模块→高级工程师设计系统→架构师统领全局。这个"学徒制"是行业运转的基石——今天的初级程序员，是明天的高级工程师。没有任何捷径能绕过这个成长周期。你不可能通过在大语言模型上多训练一些Stack Overflow数据，凭空制造一个拥有十年系统直觉的资深工程师。

AI正在摧毁的，恰恰是这个梯子最底下的那一级。

Salesforce在2026年初宣布冻结软件工程师招聘，理由就是"AI驱动的生产力提升"。Anthropic CEO Dario Amodei直言初级职位"处于自动化的瞄准线上"。Salesforce随后又推出了培养"AI原生毕业生"的Builder计划——但如果你把招聘冻结和培训计划放在一起看，结论很清楚：企业不想雇初级程序员来写代码了，他们想要的是会操作AI工具的人形接口。

斯坦福数字经济实验室的数据揭示了一个更残酷的K型分化：在AI暴露度最高的职业中，22-25岁的就业下降了16%，而同年龄段的35-49岁在同一类职业中就业增长了6-9%。AI不是在取代所有程序员，它是在掏空底部，同时给顶部加冕。

更令人不安的是反馈回路已经开始成形。Forrester预测2026年CS入学人数将下降20%。学生们是理性行动者——当你的CS学长在咖啡馆打工，LinkedIn满屏都是"AI将编写一切代码"，你会选别的专业。

这就是"学徒制崩塌"的完整链条：

1. AI让写代码变快→初级程序员需求量下降
2. 初级岗位减少→新人无法进入行业积累经验
3. 新人无法积累经验→五年后没有足够的中高级工程师
4. 中高级工程师短缺→企业更加依赖AI
5. 更加依赖AI→初级岗位进一步萎缩

这不是恶性循环。这是死亡螺旋。

三重绞杀的共振效应

到这里，最关键的问题浮现了：这三重绞杀不是孤立的，它们在互相放大。

模型崩溃 + 初级程序员断代 = 技能传承的彻底断裂

当AI生成的代码质量因模型崩溃而退化时，你本应依靠资深程序员来审查和修正。但学徒制崩塌意味着——当今天的高级工程师退休或转行后，谁来审查AI的代码？一个从未真正"手写"过复杂系统的AI操作员，怎么可能发现AI代码中微妙的逻辑错误？METR的研究已经证明，AI辅助代码的PR接受率仅32.7%，而人工代码是84.4%。当审查者自己也是被AI喂养出来的一代，这个接受率是上升还是下降？

低代码降维 + 模型崩溃 = 技术债务的静默堆积

低代码平台让业务人员绕过程序员直接构建应用。但如果底层AI模型的代码生成能力正在退化，这些由非技术用户构建的应用质量会如何？MIT的研究已经揭示了一个惊人的发现：AI工具让代码产出增至17.3倍，但软件发布仅增长30%。那消失的98.3%去了哪里？答案是：变成了被废弃的代码、需要重写的模块、无人发现但潜伏在生产环境中的Bug。当低代码把这个"漏斗"的入口放大了75%的应用范围时，被悄悄埋进企业信息系统里的技术债务量会是一个灾难性的数字。

初级程序员断代 + 低代码降维 = 对整个职业概念的清算

低代码的终极逻辑不是让"更多人能编程"，而是让"编程不再是一个独立职业"。当应用构建变成了与AI对话的副产品，当企业发现自己用低代码平台加三个业务人员就能替代一个十人的开发团队时，"程序员"这个头衔还能撑多久？而且请注意——低代码平台降低的恰恰是那些初级程序员最常做的重复性开发工作。也就是说，低代码和AI正在从"需求侧"和"供给侧"同时攻击初级程序员的生存空间。

三股力量在同时发力，把编程这个职业从数据、工具、人才三个维度向同一个方向挤压。这不再是"AI会不会取代程序员"的哲学讨论。这是正在发生的职业地形重塑。

但这不是末日宣言

写到这里，我必须按下一个暂停键。

我不是在写AI取代编程的预言。事实上，所有三个趋势都内含反制力量。

关于模型崩溃——它不是不可避免的。 前沿AI实验室正在建立数据溯源系统来标记和降权AI生成的训练样本；合成数据验证技术已经允许用更强的模型或人类专家来校验合成样本后再纳入训练；持续多样性监控可以在模型退化被基准测试检测到之前发出预警。模型崩溃是可以被工程手段对抗的——前提是行业真正重视这件事。

关于低代码——它消灭的是重复性编码，而不是创造性编程。 当75%的应用通过低代码构建时，剩下的25%是什么？是那些逻辑极其复杂、需要深度系统设计、低代码平台无法覆盖的核心系统。那恰恰是程序员最有价值的战场。低代码不是在消灭程序员，它在逼程序员向上迁徙——从"代码生产者"变成"系统设计者"。

关于初级程序员——不是所有企业都在放弃他们。 IBM在2026年将美国初级岗位招聘增至3倍。AWS CEO Matt Garman公开表示用AI替代初级开发者是"我听过的最蠢的事之一"。Gusto预测2026年中小企业将招聘近百万名20-24岁毕业生。"创始工程师"职位增长了390%——初创公司需要能像初级一样低成本、像全栈一样多面手的新生力量。当所有大厂都在削减初级岗位时，总有一个逆向投资者会在所有人都往东走时往西走——然后捡到被低估的人才红利。

MIT研究者自己就提出了"J曲线理论"：历史上几乎所有通用技术（电力、计算机、互联网）在引入初期都经历了生产力先下降再回升的J型路径。AI编程工具目前正处在这个J曲线的谷底。MIT研究者直言："我们正处于生产力J曲线的初期，真正的生产力爆发还需等待流程重组与配套基础设施的成熟。"

J曲线不会自己爬升。但历史上每一次，都有公司和个体提前看到了拐点。

后记：三个问题

如果这篇文章只能让你带走三件事，我希望是这三个问题：

第一个问题问你自己：当AI能写出大部分代码、低代码能构建大部分应用时，你的价值到底锚定在什么上面？如果答案是"写代码的速度"，你需要恐慌。如果答案是"定义什么才是正确的问题"，你还有很长的路可以走。

第二个问题问这个行业：如果一个职业的入门阶梯被拆除，五年后谁来审查AI写的代码？十年后谁来设计AI写不了的系统？这不是一个技术问题，这是一个文明的代际传承问题。而目前，没有人在认真回答。

第三个问题问所有人：当一个社会最有前途的年轻人在职业起点上被AI拒之门外，当他们转向别的专业、别的行业、别的人生路径时，这个社会失去的不仅是程序员，还有那些本可以在十年后解决我们尚未想到的问题的人。

三重绞杀的答案，不在于AI会变得多强，而在于我们愿意为"中间地带"留多少空间。那个允许一个人从不会到会、从初级到高级、从模仿到创造的空间，才是编程这个职业真正的根基。

而那个空间，正在从三个方向，被前所未有地挤压。

---

2026年7月1日

---

数据来源：

• Nature, "AI models collapse when trained on recursively generated data," July 2024
• AgentMarketCap, "Model Collapse: The Hidden Threat Lurking in AI-Generated Code," April 2026
• Communications of the ACM, "Model Collapse Is Already Happening," February 2026
• Gartner, "Forecasts Low-Code/No-Code Platform Market for 2026"
• IDC, "2026年中国低代码平台市场份额报告"
• Stanford AI Index 2026
• ADP Payroll Data Analysis 2026
• U.S. Bureau of Labor Statistics
• MIT × NBER, AI编程实证研究, June 2026
• METR, AI编程效率研究, February-June 2026
• 中国信通院, "中国低代码平台发展白皮书（2026）"
• 纽约联储 2026应届毕业生就业数据