编辑 | 姜篇
吴恩达：不会出现所谓的AI就业末日。
吴恩达：我的任何团队，都不会招聘没有使用过AI编程Agent的软件工程师。
吴恩达：我们仍然招聘实习生，但只招具备AI原生工作能力的人。
吴恩达对程序员就业并不悲观，对旧技能却没有留情。
最近他接受《经济学人》采访时说，AI不会让人失业。软件工程师依旧难招，他自己的团队也招了不少高中生、大学生和应届毕业生。
招聘标准已经换了。
一个计算机专业毕业生，如果从没调用过前沿模型API，也不会使用Coding Agent，在吴恩达的团队里很难拿到工作。会写代码仍然重要，只会按照过去的方法写代码，已经不够了。
备注：吴恩达是DeepLearning.AI创始人、AI Fund管理合伙人、Coursera联合创始人，也是Google Brain创始负责人和斯坦福大学兼职教授。
吴恩达认为，AI不会带来“50%人口失业、街头骚乱”式的就业末日
这场采访没有给程序员一张“安全证明”。它说清了另一件更现实的事：岗位名称可能还在，企业对合格工程师的定义已经提前改变。
以下内容根据访谈原文翻译整理。
AI接走的是任务，岗位被重新拼起来
吴恩达：“Only part.”
吴恩达：AI通常只能自动化一个人工作中的一部分。
一个软件工程师的工作，很少只有“写代码”。
接到需求以后，他还要找到改动位置，弄清历史逻辑，与产品和测试确认边界，补监控，处理上线后的异常。Coding Agent可以接走其中不少编码任务，剩下的部分并不会自动消失。
吴恩达解释，AI自动化的是一份工作中的部分任务，人仍要完成其余环节
比如修改支付接口。Agent可以生成参数校验、补单元测试，也能根据报错继续修复。工程师仍要确认旧客户端是否兼容，超时重试会不会造成重复扣款，以及失败后怎样回滚。
AI省下来的时间没有全部变成空闲。企业会把更多环节重新装进同一个岗位。
这也是吴恩达没有看到软件工程师需求塌陷的原因。软件变得更便宜以后，公司会尝试开发更多内部工具、自动化流程和小众产品。需求增加，工程师手里的任务组合随之变化。
前端岗位没有消失，工作边界扩大了
吴恩达在访谈里举了前端开发的例子。
吴恩达：“Front-end engineers.”
吴恩达：过去，很多开发者只负责网站或应用的前端部分。
页面生成恰好是当前模型做得比较熟练的工作。根据设计稿写组件、调整布局、补交互和处理样式，已经可以让Agent先完成一版。
吴恩达以过去的前端工程师为例，说明软件岗位的边界正在变化
变化没有停在“前端代码写得更快”。一些原本专注页面的工程师开始继续处理后端接口、移动端、鉴权、安全和部署。
吴恩达：“Full stack developers.”
吴恩达：越来越多前端开发者正在成为全栈工程师。
AI降低前端实现成本后，工程师开始承担更完整的交付范围
这里的“全栈”不等于一个人精通所有框架。它更接近一种交付能力：借助Agent跨过原来的岗位边界，把一个功能从页面推进到接口、数据和上线。
工程师的价值开始从“我能把这一层写好”，扩展到“我能把这件事完整交付”。
Coding Agent已经成了招聘筛选项
访谈里最硬的一句话，出现在最后一分钟。
吴恩达：“None of my teams...”
吴恩达：我的任何团队，都不会招聘不会使用AI编程Agent的软件工程师。
吴恩达表示，他的团队不会招聘没有使用过AI Coding Agent的软件工程师
这里说的不是在简历上写一句“熟悉Claude Code”或“熟悉Codex”。
真正能被面试验证的，是你有没有让Agent处理过真实仓库：怎样把需求拆给它，怎样限定文件范围，怎样检查生成的diff，测试失败后如何继续，以及什么时候必须叫停模型自己接手。
这套能力也不等于“会写提示词”。它混合了代码阅读、任务拆分、工具使用和工程验收。模型负责加速，人负责给出边界和判断结果能否进入生产环境。
AI原生工程师的工作范围从编码继续延伸到模型调用、Agent协作、跨栈交付和人工验收
初级岗位还在，练级方式换了
“AI接走简单任务以后，公司还会不会招聘新人”，是开发者最关心的问题之一。
吴恩达给出的回答很直接。他的团队在刚过去的夏天招了不少实习生，包括高中生、大学生和应届毕业生。这些新人完成了大量工作，他也明确表示自己很高兴招了他们。
吴恩达：“AI-native interns.”
吴恩达：关键在于，我招的是具备AI原生工作能力的实习生。
吴恩达称团队仍在招聘高中生、大学生和应届毕业生
新人并没有一下就成为高级工程师。他们仍然要理解代码、观察失败、参加评审，并在一次次修改中积累系统经验。
变化发生在练习内容上。
过去，新人可能花两天手写一个后台页面。现在，他可以让Agent先搭出页面，再把时间用在接口契约、权限控制、异常路径和上线检查上。基础编码任务减少了，完整交付的训练需要更早开始。
对团队来说，这也提出了新问题。把简单任务全部交给Agent，再让新人只看diff，并不能自然培养出下一代高级工程师。新人需要跟着一项任务走完整个闭环，知道Agent为什么成功，也知道它会在哪里犯错。
大学还在教语法，公司已经开始考Agent
吴恩达把初级工程师求职困难的一部分原因，归到教育系统反应太慢。
他提到，一些大学的计算机专业仍允许学生在没有调用过前沿模型API的情况下毕业。也有学生拿到学位时，从未使用过AI Coding Agent。
可企业里的开发流程已经变了。
现在的工程师要能把模型接进产品，处理上下文、权限和失败重试；也要知道生成代码可能引入哪些依赖、安全问题和维护成本。只会完成课堂算法题，无法证明自己能接住这些工作。
大学课程更新需要几年，开发者没必要等课程表变化。一个真实项目就能补上不少缺口：调用一次模型API，给现有仓库接入Agent，让它完成一项有测试标准的改动，再把失败过程和验收方法写进项目说明。
这份项目记录，比“熟练掌握多种AI工具”更能说明问题。
AI继续进步，也绕不开服务器、电力和实验周期
吴恩达：“Progress will be incremental.”
吴恩达：AI还会进步，但在很长时间里，这种进步仍会逐步发生。
吴恩达认为，AI不会在短期内突然获得完成全部人类工作的能力
吴恩达并不认为AI已经碰到能力上限。他反对的是另一种推演：模型会持续自我改进，很快把全部智力工作一起自动化。
在他的判断里，让AI完成人类能够完成的全部智力任务，还需要多次新的技术突破。到2030年实现这一点的可能性也很低。
原因还在现实世界。
更强的模型需要GPU服务器、数据中心和电力，也需要大量实验验证路线是否有效。AI可以帮助研究人员写代码、设计实验，但不能在一夜之间建成电厂和机房。软件里的递归改进，最终仍会撞上建设周期和物理条件。
开发者可以趁模型继续提高时调整工作方法。熟悉完整工程流程的人，更容易把新增能力接进项目。
评论区：岗位没有消失，为什么团队还是变小了
评论区没有完全接受吴恩达的乐观判断。
有人抓住了一个很现实的口径：如果一家公司的工程团队从10个人缩到5个人，这算不算“就业末日”并不重要，另外5个人已经失去了岗位。
YouTube用户质疑，团队人数减半本身是否已经构成就业危机
另一位用户给出了更细的经济解释。
软件开发需求有弹性，成本下降会刺激更多项目，所以开发者暂时没有大规模失业。换到需求固定的行业，企业可能只需要用更少的人完成同样的工作。
软件需求增长暂时吸收了AI带来的效率提升，其他行业未必会重复这一过程
还有人直接反问吴恩达的“前端转全栈”案例：过去需要设计、前端和后端3个人，现在一个人加Claude就能完成，剩下的人是否都能顺利转成全栈工程师？
一位YouTube用户质疑，岗位范围扩大能否抵消团队人数减少
这些质疑没有推翻吴恩达的观察，却补上了他没有展开的一面。岗位可能被重新组合，转型也不会平均发生。有人扩大工作范围，也会有人来不及跨过新的门槛。
写在最后
吴恩达没有承诺每一个程序员都不会失业。
他的判断是，AI通常先接走岗位中的部分任务。软件需求仍在增长，企业需要工程师把剩下的任务重新组织起来。前端转全栈、个人负责更多交付环节、Coding Agent进入招聘要求，都是这轮重组已经留下的痕迹。
对开发者来说，眼前最实际的变化落在“怎样证明自己会写代码”上。
过去，一份简历可以靠语言、框架和项目数量说明能力。现在还要回答几个新问题：你是否让Agent处理过真实代码库，能不能检查它的结果，是否完成过从需求到上线的闭环，以及模型失败时你能否接手。
岗位还在，旧的合格线已经失效。
