编程语言没那么重要了，软件工程却更重要了。

在 AI 时代，编程语言还重要吗？如果它衡量的是谁能产出代码，那么重要性确实下降了；如果它代表的是系统约束，就依然重要。AI 可以随时生成 Java、Go、Python、Rust 或 TypeScript，却无法抹去它们在运行时、内存、并发、安全、生态与维护上的差异。语法越来越便宜，工程判断没有。

所以，“编程语言已经不重要”这句标题，几乎对了，却对在最没用的地方。团队亲手写的常规代码变少了，借助编码智能体产出的软件变多了。但代码来得越快，越需要有人知道究竟该造什么、各部分如何衔接、运行时在压力下会怎样，以及两年后另一个人能否安全地修改这个系统。

“编程语言没那么重要”究竟是什么意思？

它意味着，把明确需求翻译成有效语法这件事的市场价值正在下降；并不意味着所有实现选择都可以互换。编码智能体可以在几分钟内把一段数据转换逻辑从 Python 改写成 Go。但这段逻辑究竟该放在请求处理器、队列 worker、数据库查询、流处理器里，还是根本不该存在，属于完全不同的一类决策。

GitHub 调查了美国、巴西、德国和印度 2,000 名企业软件团队成员，其中 60% 至 71% 的受访者认为，AI 工具让采用新语言或理解现有代码库变得容易。语言门槛确实在下降，但这不等于语言选择的后果消失了。

开发者真的在减少手写代码吗？

世界上没有一块仪表盘统计手写代码与 AI 代码的总量，所以任何全球统一百分比都是表演。但多项使用研究展示了明确方向。Stack Overflow 2025 开发者调查显示，84% 的受访者已经或计划使用 AI 工具。在部分接入 AI 的人群中，写代码是最常见用途，占 59%。

在 Anthropic 内部——请注意，这是厂商自身，不是中立样本——132 名工程师与研究人员自报在 59% 的工作中使用 Claude，生产力提高 50%。Anthropic 还观察到每位工程师每天合并的 pull request 增加了 67%。最值得看的不是自报提升的精确数字，而是变化形态：每类任务少花一点时间，总产出明显增加，而且 27% 的 AI 辅助工作原本根本不会被做。

Anthropic 此前对 50 万次编程交互的分析中，79% 的 Claude Code 对话被归类为自动化，21% 是增强。到 2026 年 6 月，一项覆盖约 40 万次 Claude Code 会话的研究把分工描述得更清楚：人类做大多数规划决策——做什么；Claude 做大多数执行决策——怎么做。

AI 会让软件专业能力贬值吗？

不会。它只是在重新分配专业能力的回报。

Anthropic 2026 年 6 月的研究中，被评为新手的会话，严格意义上的“可验证成功率”是 15%；中级与专家会话为 28% 至 33%。研究者发现，一个人带入的领域知识越多，智能体每条指令能完成的工作就越多。他们的结论很直接：把智能体导向成功，更多取决于对领域的掌握，而不是亲手写代码的能力。

"当代码变得过剩，判断力就成了稀缺输入。最有价值的不再是敲出最多实现的人，而是能决定该造什么、约束智能体，并证明结果有资格运行的人。"

这不代表所有架构师都会赢、所有程序员都会输。脱离实现反馈的架构很快会变成 PowerPoint。真正强的工程师，仍然离代码、trace、数据库、队列、部署流水线和故障足够近，能发现自己的系统模型何时错了；他们只是减少了把稀缺注意力花在可预测的手工输入上。

为什么关于生产力的研究看起来互相矛盾？

因为“AI 让开发者更快”不是一个单一实验。任务熟悉度、工具代际、仓库质量、开发者经验、评审延迟，以及是否并行运行多个智能体，都会改变结果。

METR 在 2025 年初的对照实验中发现，经验丰富的开源开发者在自己非常熟悉的代码库里使用 AI，完成任务反而慢了 19%。2026 年 2 月，METR 表示后续数据开始指向提速，却也坦承选择偏差和计时问题让估计不可靠。其更新最诚实的表述是：到 2026 年初，开发者很可能比此前获得了更多加速，但幅度无法可靠测量。

DORA 2025 的研究解释了部分矛盾：AI 是放大器。它与吞吐和产品绩效正相关，但与软件交付稳定性仍是负相关。换成直白的话：AI 把更多变更推过系统，也让薄弱测试、过大批次、缓慢反馈和不成熟的平台工程暴露出来。

所以，正确问题不是“AI 让一个开发者快了多少”，而是“实现吞吐上涨后，整个交付系统发生什么”。如果评审、测试、架构决策、安全关卡、部署保障与可观测性没有同步扩容，公司每周增加的是风险，而不是价值。

为什么编程语言依然重要？

因为语言不只是语法，而是一组默认行为与保证。智能体关掉 pull request 后，这些东西还留在系统里。

运行时行为最终会写在账单上

垃圾回收、启动时间、JIT 预热、事件循环、线程调度、异步运行时、二进制体积与 FFI 边界，都会影响延迟、基础设施成本、部署能力和失效模式。LLM 可以写出两个版本，生产环境仍要为你的选择买单。

内存模型最终会写进安全事件

Google 的 Android 团队提供了少见的真实对比。随着新原生代码向 Rust 迁移，2025 年内存安全问题首次降到 Android 全部漏洞的 20% 以下。Google 估计，Rust 的内存安全漏洞密度比其历史 C/C++ 代码低 1,000 倍以上；Rust 变更的回滚率低四倍，代码评审时间少 25%。

这些数字只属于 Android，不能直接套到每个团队。但它们足以反驳“语言选择已经无所谓”。CISA 同样建议新产品线使用内存安全语言，并逐步迁移暴露面大或权限高的组件。AI 让两种语言都更容易写，却不会废除它们不同的安全模型。

类型系统与并发模型仍在塑造故障

如果编译器让非法状态难以表达，智能体能误交付的东西就会改变。所有权、可空性、代数数据类型、effect 边界、结构化并发与竞争检测，不是审美偏好。它们把问题从生产环境前移到生成或编译阶段，修复成本更低。

生态仍决定结果是否可运维

包的成熟度、安全响应、数据库驱动、可观测性工具、云支持、招聘深度、发布节奏与长期治理，比“智能体能不能生成这个函数”更重要。基准测试完美、运维生态薄弱的语言，可能恰恰是昂贵选择。

哪些能力会比语言熟练度更重要？

1. 系统设计：边界、数据所有权、故障隔离、一致性、集成契约，以及修改局部时不必理解整个世界。
2. 运行时理解：知道代码之后发生什么：分配、syscall、进程、线程、事件循环、网络连接、数据库锁、缓存与队列。
3. 有证据的架构：用 fitness function、依赖规则、契约测试、性能预算、威胁模型与可观测性，把图变成可执行约束。
4. 领域建模：模型无法从 ticket 猜出的规则：钱归谁、订单何时最终生效、删除意味着什么、哪些状态转换合法。
5. 验证：测试、静态分析、评审、fuzzing、压测、迁移、回滚和生产遥测。只有拒绝能力同步扩展，生成能力才真正可扩展。
6. 可维护性：命名、内聚、小接口、决策记录、依赖克制，以及让新人无需原始 prompt 也能读懂的代码库。
7. 技术领导力：限定范围、安排风险顺序、制定标准、决定什么不该自动化，并把所有权留在团队里。

这延伸了我们此前的判断：编码智能体的瓶颈是上下文，而不是原始智能。上下文告诉智能体现在有什么；工程判断决定应该有什么，以及如何证明它安全。

今天的 CTO 应该怎样选择编程语言？

为系统和组织选，不要为智能体选。智能体降低了陌生语法的成本，团队反而可以把更多权重给那些长期存在的性质。

流行技术栈很少是答案。更常见的正确答案，是团队能运维的一套无聊主栈，再加上少数刻意的例外——只有当不同运行时或安全模型能带来可测量价值时才例外。AI 降低了实现例外的成本，却没有让持有成本归零。

怎样让 AI 生成代码保持可维护？

1. 先写约束，再写 prompt。架构边界、非功能需求、禁止依赖、数据规则与验收测试都应该进仓库。
2. 保持小变更。每个 pull request 只承载一个明确意图。大型生成 diff 会把人工评审变成仪式性盖章。
3. 让架构可执行。依赖测试、linter、schema、API 契约、policy-as-code 和性能预算，都应该让违规自动失败。
4. 测试性质，不只测试样例。面对非法输入、重试、并发、部分失败和攻击时，哪些事实必须永远成立？
5. 先评审设计，再评审 diff。对错误边界的完美实现仍然是错的。先批准计划，再让智能体执行。
6. 追踪系统结果。看变更失败率、评审时间、逃逸缺陷、故障负担、每个成功任务成本与恢复时间，而不是生成行数。
7. 积极删除。AI 让加代码变便宜。强团队用这份速度试验想法，然后把输掉的实现、依赖和抽象一起删掉。

如果你的 AI 生成代码库已经快速膨胀，可以先用我们的AI 生成代码 QA 清单，或更偏运维的生产就绪清单。目标不是证明智能体写了坏代码，而是证明团队可以安全地拥有这个系统。

AI-first 工程团队应该招聘什么样的人？

招聘能跨层工作的人。他能解释客户规则、画出数据流、预测运行时后果、检查生成代码、设计测试、阅读生产 trace，再把 trade-off 讲给业务听。纯语法专家更容易被替代；能跨层对结果负责的人，价值反而上升。

对初级工程师，这不代表可以跳过编程基础。你从未学会观察内存、并发、数据库与安全，就不可能真正评审它们。用 AI 加速练习，不要用它绕过心智模型。对资深工程师，则意味着把隐性的判断写成仓库里可见、可执行的约束，让智能体和经验较少的同事都能遵循。

来源与研究说明

• Anthropic：Agentic coding and persistent returns to expertise，2026 年 6 月 16 日——约 40 万次会话；厂商数据，作者明确披露分类器局限。
• Anthropic：How AI is transforming work at Anthropic，2025 年 12 月 2 日——内部调查、访谈与使用数据，不代表所有开发者。
• DORA：State of AI-assisted Software Development 2025——AI 是底层交付系统的放大器。
• Stack Overflow 2025 开发者调查：AI——采用率与信任度；整项调查超过 49,000 名受访者。
• METR：开发者生产力实验更新，2026 年 2 月 24 日——为何后续提速幅度仍不确定。
• GitHub：企业 AI 编程工具调查，2025 年 4 月 15 日更新——对跨语言与代码库理解的主观评价。
• Google Android Security：Rust in Android，2025 年 11 月 13 日——Android 特定的安全、回滚与评审数据。