最近有則新聞備受關(guān)注：斯坦福大學(xué)的計(jì)算機(jī)專業(yè)畢業(yè)生，求職越來越難了。

“校園里滿是沉悶的氛圍。”不少計(jì)算機(jī)專業(yè)應(yīng)屆生坦言，“找工作壓力大到喘不過氣，投出的簡歷大多石沉大海，連個(gè)回應(yīng)都沒有。”

這場求職寒冬已蔓延至加州各大高校，包括加州大學(xué)伯克利分校、南加州大學(xué)等。名校尚且如此，對(duì)非名校背景的求職者而言，這條路更是難上加難。

可以肯定的是，如今國內(nèi)火爆的計(jì)算機(jī)專業(yè)，在不久的將來，也將面臨同樣的困局。

背后的原因很明確。

程序員們的核心競爭對(duì)手——AI，正變得越來越強(qiáng)。2022年ChatGPT初現(xiàn)時(shí)，每次只能編寫30秒的代碼。如今的AI代理，已能持續(xù)編程數(shù)小時(shí)，且完成基礎(chǔ)編程任務(wù)的速度更快、錯(cuò)誤更少。

有意思的是，當(dāng)初不少文字工作者擔(dān)心被AI取代，如今首當(dāng)其沖的反而是計(jì)算機(jī)從業(yè)者。這是因?yàn)榫幊痰某淌交鼜?qiáng)，而文字工作更需要?jiǎng)?chuàng)造力，AI本身更擅長信息整合而非原創(chuàng)性創(chuàng)造。

這種能力升級(jí)，也直接重塑了計(jì)算機(jī)行業(yè)的競爭格局，把整個(gè)行業(yè)的競爭推向了更“卷”的境地。結(jié)果就是：只有少數(shù)擁有豐富產(chǎn)品開發(fā)和研究履歷的“頂尖工程師”，能拿到優(yōu)質(zhì)崗位，其余大多數(shù)人，只能爭搶一些殘羹冷炙。

更關(guān)鍵的是，它徹底改變了“卷”的本質(zhì)。

所謂“卷”，本應(yīng)是同維度的存量博弈——比拼誰寫基礎(chǔ)代碼更快、記語法更牢、完成重復(fù)任務(wù)更多，但AI的出現(xiàn)，直接讓這個(gè)維度的競爭失去了價(jià)值，它能以更低成本、更高效率搞定基礎(chǔ)編程。這就像汽車取代馬車的時(shí)代：不是讓馬車夫趕車更快，而是讓“趕車”這個(gè)技能本身徹底退出歷史舞臺(tái)。

放到當(dāng)下，計(jì)算機(jī)專業(yè)畢業(yè)生的困境，從不是“技能不夠”，而是他們賴以立足的“基礎(chǔ)編碼能力”在AI面前已一文不值。

更嚴(yán)苛的是，AI帶來的競爭門檻提升，比汽車取代馬車的時(shí)代更具排他性：當(dāng)年不會(huì)開車，頂多少一種出行方式。如今不會(huì)借助AI提升效率，就直接被排除在競爭隊(duì)列之外。

2025年搶手的架構(gòu)師、提示工程師等崗位，看似是新賽道，實(shí)則是更高維度的“卷”——過去，程序員精通語法、熟悉框架就能立足?，F(xiàn)在，除了這些基礎(chǔ)，還得額外學(xué)習(xí)AI工具使用、提示詞優(yōu)化、模型微調(diào)，技能疊加的壓力越來越大，從業(yè)者不得不陷入“學(xué)不完”的循環(huán)。

承認(rèn)AI加劇了競爭，絕非陷入焦慮的理由，而是認(rèn)清時(shí)代趨勢、主動(dòng)破局的前提。焦慮自然會(huì)有，但當(dāng)我們正視現(xiàn)實(shí)就會(huì)發(fā)現(xiàn)，真正的威脅從來不是AI本身，而是固守舊有能力、不愿迭代的自己。就像早年從“匯編語言”轉(zhuǎn)向“高級(jí)語言”的程序員，或是從“單機(jī)開發(fā)”轉(zhuǎn)向“互聯(lián)網(wǎng)開發(fā)”的從業(yè)者，那些主動(dòng)擁抱變化、疊加新技能的人，最終都站穩(wěn)了腳跟。

說到底，跟上卷的節(jié)奏，本質(zhì)是重構(gòu)人和工具的關(guān)系。不再是埋頭比拼 “做得快、做得多”，而是升級(jí)成 “看得準(zhǔn)、拎得清”。你不用再當(dāng)一個(gè)事事親力親為的 “執(zhí)行者”，而是要做一個(gè)能駕馭工具、掌控方向的 “掌舵人”。AI 負(fù)責(zé)解決 “怎么做” 的技術(shù)問題，你負(fù)責(zé)敲定 “做什么”“為什么做” 的戰(zhàn)略問題 —— 這才是對(duì)抗內(nèi)卷、建立個(gè)人核心競爭力的關(guān)鍵。

與其把AI當(dāng)對(duì)手，不如把它當(dāng)成提高效率的工具。但前提是你要懂AI，更要懂AI寫的東西，就像如果要把汽車當(dāng)成工具，就必須學(xué)會(huì)開車一樣。你得知道AI的 “油門” 在哪里 —— 哪些指令能讓它精準(zhǔn)發(fā)力，哪些需求用它來完成最省時(shí)，也要清楚它的 “剎車” 邊界 —— 它擅長數(shù)據(jù)整合卻缺乏真實(shí)體感，能模仿范式卻跳不出既定框架，這正是你需要補(bǔ)位的地方，也是駕馭AI的關(guān)鍵。