AI 会写代码了,但计算机专业反而更重要了——被误解最深的,不是 AI,而是“做软件”这件事

多客科技

作者：微信文章

这两年，关于 AI 编程，有一个越来越流行的说法：

“既然 AI 都能写代码了，大学计算机专业是不是不吃香了？编程是不是已经不值钱了？以后谁都可以编程了。“

     这句话听起来很有道理，甚至带点“技术平权化”的浪漫理想，但如果你真的做过软件、做过系统、踩过线上事故，你大概率会和我一样——强烈反对。不是因为我怀旧，也不是因为我是做 IT 的“既得利益者”，而是因为：
      AI 确实让写代码更容易了，但它同时也让一件事变得更危险——很多人开始低估“软件工程”本身的难度。一、AI 能写代码，但它不知道“错一次要付出什么代价”


    我们必须先承认一个事实：AI 编程工具确实很强，而且会越来越强，像：

CRUD、接口封装、脚手架

前端页面、SQL、简单算法
一段看起来“还不错”的业务逻辑

       我们看似AI 写的是“看起来能跑的代码”，但不是“在真实系统里能长期活下去的代码”，AI 并不知道：

这个系统未来要不要扩展？

并发量会不会突然上来？如何支持高并发？

哪些地方是业务高频变更点？

哪些数据是不能错、不能丢、不能慢的？数据错了会不会不可逆？

哪些地方可以做一些产品化的设计？

一次小改动，会不会引爆整个系统？

性能抖一下，会不会引发连锁反应？


三个月后的业务变化，会不会让系统整体报废？
这些问题，不是代码问题，是架构、产品等工程判断问题，而工程判断，永远来自人。

二、没有计算机基本功，你甚至没资格“用好 AI”


    这是一个很多人不愿承认的事实。AI 编程并不是“人人平权”，它对使用者的要求反而更高。但是如果你没有经过专业训练，比如：

计算机操作系统的基本理解

网络、并发、线程模型的概念

数据库事务和一致性、索引、锁的原理
网络延迟、失败重试、幂等
架构分层、解耦、依赖边界的意识

那你面对 AI 输出的代码时，只能凭感觉判断对错。

当你无法判断 AI 的错误时，你用的不是工具，而是运气。

     这不是“工程师”，这是把软件系统的命运交给概率。真正危险的不是 AI 写错代码，而是你不知道它写错了。所以很多外行的人以为，软件的价值在“写”。但所有做过复杂系统的人都知道：

代码只是结果，架构设计和产品设计取舍，这些工程设计才是根因。

所以说一个好的软件系统真正的难点在于：

边界怎么规划和设计

哪些地方允许变化，哪些地方不能动

性能、成本、稳定性如何平衡

为未来的“不可预期”留多少空间，产品化的尺度

所以AI 可以帮你把“写”的成本降下来，但如果“选错一次架构，代价可能是几年”。

三、软件的难点，从来不在“写”，而在“设计”
如果你回顾企业里任何一个复杂应用系统比如：

CRM

医疗系统

积分、卡券、支付系统

连锁业务中台
供应链系统

你会发现一个事实：

80% 的问题，发生在代码写完之后。

比如：

业务频繁变更了，系统却改不动了

一个需求变更会牵一发动全身

性能瓶颈永远在最意想不到的地方

技术债堆到没人敢碰（就像现在很多因为人员变更导致的代码没人敢碰😓）

       这些问题，不是“谁代码写得快”能解决的，而是架构、抽象、边界、产品演进能力。而这些能力：AI 可以辅助，但无法替你负责。

四、AI 编程并不会消灭程序员，而是会消灭“只会写代码的人”

这是 AI 编程时代最残酷、也最公平的一点。AI 编程真正带来的变化是：

“写代码”这件事本身，门槛在下降；但要想“把系统做好”，门槛还在上升。

   所以未来真正稀缺的，不是这样的人：

只会拼代码、不理解后果

只追框架、不理解底层

只对功能负责、不对系统负责

         而是计算机专业基础扎实的工程师和有系统思维的人，比如：

能不能把复杂问题拆解正确

能不能设计可演进的产品和系统

能不能在业务、技术架构、成本之间做平衡

能不能为结果负责，而不是为代码负责。                                
这些能力，离不开扎实的计算机基本功，AI 放大的不是能力本身，而是能力差距。

五、对管理者：技术没有变得不重要，而是更重要了


     如果你是管理者，这一点尤其关键。尽管AI 编程让系统“看起来更容易做”，但它并没有降低系统失败的成本。你真正要问的，不是：“现在还能不能少招点专业技术人员？”，而是：“在 AI 帮我们加速的同时，有没有人能继续从技术上把握架构，看清方向，踩住刹车？”，技术的判断和架构设计，依然是核心决策能力。

六、对年轻人：计算机专业还要不要学？


如果您或者朋友正在选专业、转方向，如果你或他对IT还感兴趣，给您一个更靠谱的建议：

不仅要学，而且要学得更“工程化”。

在 AI 时代：

编程是门槛
架构是能力系统思维是护城河

学计算机专业，不是为了背点概念，而是为了能真正理解：

系统为什么会慢
数据为什么会乱架构为什么会崩技术决策为什么会反噬自己

      一旦你理解了我上面说的，你就会发现：AI 编程是加速器，而不是方向盘。

写在最后


      AI 让写代码更容易了，会让“写代码”变得越来越像写文档。但软件从来不是文档。它是：

一堆长期运行的假设

一系列不可逆的设计选择

一次次在现实世界中被验证、被打脸、再修正的过程

     真正专业的人，永远不会把命运，交给自己看不懂的不能把控的东西。
往期热文：给业务看： IT 人 2026 生存指南
给 IT 看：业务到底在怕什么？

三场年末演讲，带给 IT 人的同一个提醒

AI时代客户标签的4层进化论

AI 项目和传统 IT 项目，到底哪里不一样？

“AI 能力运营”的组织结构怎么设计

要不要推倒重来——AI时代，RPA何去何从？

传统产研团队的各个岗位在AI时代的重构