中国互联网公司也在快速跟进。去年下半年，多数大公司的 AI 代码率还只有 20% 至 30%；到今年，随着国产大模型 coding 能力的提升，不少大公司新产生的代码里， 最高 90% 是 AI 写的。这意味着，需要的人也越来越少了。但没有任何一家中国公司公开宣布因 AI 替代而裁员，更多采用不招新人、不续签合同、业务调整等柔性方式，持续汰换。
他对裁员有预期。从 3 月开始，李浩就能感受到一种从上往下的紧迫感。他转述了美团公司内流传的一个故事，王兴见完一个 AI 大佬后，在管理层会上说，水已经涨上来了，“不管是在里面扑腾还是怎么样，都要赶快学会游泳。”
之前有人会对 AI 生成代码有些怀疑，但这种自上而下的强推之后，很多人两个星期之内就跑起来了，AI 代码率从 10% 升到 70% – 80%。当时他就判断，裁员是一定会到来的事，不是半年就是一年。
创始人的话也很快变成压力，传到更具体的工作里。公司要求各个团队从上到下探索 AI：哪些工作流程可以被标准化，哪些环节可以沉淀成 skill，哪些产品和运营场景可以做出 AI 工具。每个团队都被要求想办法把 AI 和业务结合起来，拿出新的 idea，哪怕只是一个还跑不通的 demo，也要先证明想过、投入过、尝试过。
李浩觉得痛苦的地方也在这里。让他最焦虑的不是 AI 本身，而是这种压力的传导方式。他觉得，如果公司已经看清楚了方向，要推就推，该调整就调整。但现在很多人像是被一个不够清晰的目标推着走，每天都要挖空心思想 “怎么和 AI 结合”。
他担心自己慢了，也担心团队慢了。别的团队做到了什么程度，别的 Leader 对 AI 的理解有多深，这些都会变成横向比较的压力。有一段时间，他晚上回到家，会坐在床头一直熬到天亮。他害怕睡着，也害怕醒来，因为一觉后，又是新的一天，又要继续面对这些东西。压力之下，李浩记忆力都开始变差，听过的话马上就忘，整个人像被困住了。
AI 改变的是整个团队的空气。他形容那段时间大家都 “疯魔了”。每个人突然都在学，都在追，都怕自己落后。而事实上，没有业务、没有人会因为某一项工具真的马上改变现状，但当公司自上而下表现出焦虑时，每个人都无法幸免。
没过多久，江同所在的这个他自称 “相对边缘” 的团队也开始明确考核 AI 代码率，以及每个人、每个小组对 AI 的使用情况。这些都被写进上级的 OKR 里，甚至有专门的网站同步滚动统计。在阿里淘天集团，也有一位高层推动了统一看板，每个人的 AI 使用数据对所有人可见。
为了弥补经验不足带来的判断力不足，也为了跑在前面，江同开始将 AI 节省的工作时间用来学 AI 写的代码。每天 9 点下班后的 1 – 2 个小时，是他的学习时间。他会逐行看 AI 写的代码，了解 AI 的写作风格和代码逻辑，“就看它到底是怎么写的，写出来是什么样。只有这样，我才能更好地与它沟通。” 不懂的领域，比如前端，现在他也得写，就继续问 AI，补上这块知识的空白。
像江同一样，很多用上 AI 的人反而更累了。周铭在得物做算法，他的代码已经有八九成交给 AI 来写，但老板的预期变了，原来十天做的事情，现在会被认为三天就应该搞定，“公司的目的是提效嘛，并不是让你们轻松的，所以它只会让你活越来越多。”
更大的变化是工作模式。过去一个一线开发在同一时间里，通常只做一件事；现在 AI 可以同时跑多个任务，人就要变成多个任务的监管者。一个需求交给 AI 跑，另一个需求也交给 AI 跑，人要隔一段时间去看结果、做判断、纠偏、验收。问题是，人的精力没有同等放大，AI 可以写更多代码、生成更多方案，但最后判断这些东西能不能用、有没有风险、是否符合业务现实的仍然是人。执行提效了，但决策和责任在程序员这端没有消失 —— 大家变得更累了。周铭形容，现在他更像自动驾驶里的安全员，虽然车可以自己跑，但人仍然要对最终结果负责。
上下游合作也变得更不顺畅。周铭的一部分上游合作者会直接把 AI 生成的文档或代码丢过来，但自己并没有认真校验。AI 生成的东西看起来像完成了，但里面可能有性能问题、逻辑问题，或者根本不符合业务需求。表面上看，对方完成了交付，实际上审查和返工的时间成本转到了负责的下游身上。
图片附件: 111.webp.jpg (2026-7-17 11:52, 104.92 KB) / 该附件被下载次数 2