10月底，Anthropic的招聘经理Felix Rieseberg做了一个决定：他的团队不再用编程题面试。理由很直接：Claude已经能完成那些筛人的小练习。他的原话是：编程面试已经死了，至少对我的团队而言。 几乎同一时间，思科总裁Jeetu Patel把“两年内重写98%的遗留代码”的任务交给一个27岁的年轻人，还给了他无限量的Token。 两件事放在一起，问题就变了：不是“学计算机还有没有用”，而是“写代码变便宜后，哪些本事更贵”。新浪科技InfoQ
Anthropic自己的数据更具体。自2025年初以来，其技术部门初级员工占比从21%降至14%，初级技术招聘占比从27%降至9%。 但同一个月，这家公司的招聘经理又在说“饥饿感胜过资历”，两个资浅工程师用一个周末就做出了Claude Code图形界面的原型。个人杠杆变大，入门岗位收缩，说的是同一件事：执行变便宜了。爱范儿
AI压掉的不是“编程”，而是中间那段边界清晰、答案相对确定的执行过程。工程师的价值被推向两头：上游是判断，什么问题值得解决、用户真正要什么、几个方案都能做时该选哪个；下游是控制，系统可不可靠、权限合不合适、结果能不能审查、出问题时人能不能喊停。这两头都不像“写代码”。
上游的判断，不是“会提问”这么轻。思科那位27岁的年轻人拿到机会，不是因为他代码写得快，而是他提出了一个别人不敢提的方案：两个人、两年、98%的遗留代码。这里的真本事，是把模糊的现状翻译成一个值得下注的问题，并且敢为这个判断负责。
下游的控制，也不是“会测试”这么简单。Proton今年10月约90%的代码已经由AI编写。一名员工建议新代码上线前多花几天做渗透测试，CEO直接把这称作失败者思维。舆论反弹后，CEO取消了强制AI复试，CTO则写下编程已经死了，但工程没有，并承认判断力、对结果负责，仍是人不可替代的部分。 这场风波里，最值钱的不是写得更快的人，而是那个能在所有人踩油门时指出“这里可能会出事”的人。CSDN
国内高校也在经历同一件事。今年5月起，中科大开始向全校师生开放大模型服务，2026级新生每天可领1亿Token，同济、清华等高校也先后跟进。人人都是产品经理
门槛降下来，学生更容易做出东西，但作业和demo也变便宜了。有计算机专业的学生在小红书问，大作业就是个有明确描述的demo，AI做这种demo最狠了，那布置大作业还有什么意义。评论区有人回得更直接：你纯vibe一点也不看，等交上去完，大作业线下check助教一问三不知那你不炸了。 AI可以替你交作业，但不能替你在现场解释你为什么这么写。AI能当手，但当不了脑子：它能生成一个看起来能跑的版本，却很难替你判断它哪里会错。招聘时，候选人的判断力、架构意识、责任心，反而被抬得更高。小红书
所以，AI时代读计算机的坏消息，不是“代码不值钱了”，而是“过去用来练判断力的低阶杂活，正在被AI吃掉”。Anthropic的报告说，初级岗位减少，不等于新人不能创造价值；企业只是不再需要用大量初级岗位来获得执行产能。判断力不会凭空长出来，它要在真实问题、失败反馈里慢慢形成。你如果从大一开始就把大作业交给AI，省下时间，丢掉的是练判断的机会。
AI也把“做出来”的门槛降得很低。一个学生现在可以在一个周末做出原型，拿给真实用户用，再改。关键不是原型多漂亮，而是你有没有走完那个循环：定义问题、让AI实现、审查结果、对后果负责。有人把人类工程师的终局说成“给AI批预算”，但知道什么值得投、什么时候该停，仍然是判断和担责。AI科技大本营
回到开头那个问题。AI时代读计算机，哪些真本事反而更值钱了？不是“会用AI”——那会像用搜索引擎一样，成为默认技能。值钱的是：能定义清楚模糊的问题，能判断AI的答案可不可信，能在系统出事时兜住底，并且敢为结果签字。写代码仍是入口，但不再是终点。下次大作业线下check，助教问的那几个“为什么”，可能比代码本身更接近这个专业真正要教的东西。
