引言tl;dr
本人2x年专业老码农，来评论一下。
(本篇支那用语浓度极高～不喜欢请左转离开)
关于AI是否取代码农这个问题，
广义上的答案是肯定的：对！AI将取代人工coder。
这一切的底层逻辑非常简单。人工智能现在已经能做到，
将系统论、控制论、讯息论对应到软件工程学之中，并且形成闭环。
也就是在已知的问题框架下，AI已经能运用训练资料内的最佳解，
反推解决大量的编程问题，还能依靠大量试错来获得反馈、优化代码。
到这一步，基本上80%初阶的写代码工作，由人来做已经毫无意义。
因为大部分人只能同时做到以下四项中的一两项：
* 优化软件代码
* 规划软硬件架构
* 设计系统逻辑
* 产生商业(应用)价值
而当前AI除了“产生价值”还做得不够好之外，其他问题在已知框架下，
基本上都已达到资深软件工程师的水平。
过去初阶的软件设计师，或所谓的“工程师”，想要成长为高阶软件人，
其实过去20年也都是从Stack Overflow、Google复制贴上开始的。
等到他对特定知识领域有系统性理解之后，才能挑战未知的工程问题。
整个软件产业当前的人力需求，仅限于“资本拥有者不懂软件开发”
而人，是当前最后一道把关机制，确保产出符合商业预期。
随着AI越来越高效，资本信任AI > 软件工程师的那天，不会太远。
以前是“你不干，多得是帕鲁干”，现在是“帕鲁干完了，轮不到你干”。
当前软件工程师如果没办法触及核心利益、商业模式、跨领域的落地应用，
基本上“工作”前景会非常黯淡。引伸到我狭义定义下，软件工程师的出路只有两条：
1.解决未知的系统性问题，或 2.当前预期以外的问题。
除了要求更长期的知识投入与产出，还要求工程师能跳出已知框架来解决问题。
虽然这是人类的强项，未来50年人工智能也未必能超越人的应变能力，
但这也会让软件工程师在未来，变成：
入行投入极高、学习门槛极高，但就业相对困难的职业。
除了目前没有那么多“未知”的工程问题需要解决，
还得跨越知识领域与算力资本的高墙，这让软件工程师的展望更加黯淡。
在可预见的未来，项目落地盈利的能力，重要性将远大于编程技术。
这不是说电脑科学不重要了，而是未来的电脑科学，
会变得像理论物理一样，非常前沿。
就像MIT报导的：95%生成式AI应用是赔钱的，只有5%的公司能盈利。
随着摩尔定律走向尽头，基于当前软硬件生态的软件工程人力需求已处于高峰。
如果资深工程师靠着AI，coding效率提升50%、甚至100%，
那也意味着将严重挤压新入职软件工程师的生存空间。
原本固守特定领域的软件从业者，也将受到AI浪潮的袭击
只要AI重搭轮子、试错的成本够低，那些领域终将被AI攻破。
我的看法是：软件工程师未来五年还有，但也只剩五年了。
对于新入行的，我的建议是：能跑快跑，往未知领域如“算法”、“硬件”底层架构跑。
脚麻跑不动的，该跳船跳船，该游泳游泳。