顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块

顶尖程序员年薪三十万美元，生成同样代码的 AI 只要每月二十块。 为什么还有公司愿意为人类多付四个数量级的溢价？ 退到更难的底层硬核工程，根本挡不住模型的追赶。 如果模型连黎曼猜想的下界都能推演，写底层驱动和着色器只是时间问题。 真正能把人和机器拉开距离的，从来不是代码难度。 是模型在结构上永远绕不开的两个死穴。 第一个死穴，叫偏执型代码膨胀。 前沿模型现在很少犯低级语法错误，也不会写出离谱的越界漏洞。 它犯的错，全部来自上下文无知和过度自保。 无知，是不知道系统里早有现成组件，在错误的模块里重复造轮子。 自保，是为一个只读一次的配置变量加三层冗余检查。 为一个允许毫秒级延迟的后台任务，设计一套臃肿的强一致性系统。 给一个原本崩溃就能自动重启的容器服务，塞满层层叠叠的降级逻辑。 为什么会这样？ 因为模型没有真实系统的运行感知，它承担不起任何潜在风险。 为了免责，它会本能地多写三千行防御性代码。 如果引入另一个 AI 组成多智能体去互相审查，结果只会更糟糕。 模型在强化学习训练下天然热衷于挑刺。 两台机器在审查闭环里互相强化，最后留下的，是一万行偏执防御的代码废料。 人类工程师在这里的真实价值，不是比它写得更快。 是有底气当面否定模型的方案，敢动手删掉那三千行毫无必要的防御代码。 第二个死穴，叫可验证性分化。 为什么模型写代码的能力突飞猛进，用自然语言沟通却越来越生硬？ 因为代码和数学属于可验证领域。 有编译器和测试套件当裁判，模型可以通过自我对弈无限进化。 但好的表达和技术沟通无法被机器自动打分。 为了追求解题能力，模型内部的推理思维链高度压缩变形，漏到外部就成了晦涩的机器黑话。 彼得·沃茨在科幻小说《盲视》里设定过一个特殊岗位：综合者。 当飞船上全是不说人话的认知增强天才，必须由普通人类出面充当翻译层。 如果你只是把需求喂给模型，再把生成的代码原样贴进代码库，你就是一个碳基传话筒。 哪怕自己搭了一套多智能体工作流，一旦平台原生支持，传话筒依然会被第一时间淘汰。 当写代码的边际成本归零，把功能做出来就不再具有稀缺性。 真正稀缺的，是在海量偏执代码面前按下删除键的决断力，以及把复杂系统讲给人听的翻译能力。 代码本身早已不值钱。 敢替那三千行被删掉的防御代码承担风险的判断力，才值三十万美元。