---

25年我司裁掉了一个后端团队中的3个人（公司本来也没多少人）。

不是因为他们技术不行，恰恰相反，这3个人写CRUD代码又快又稳，Code Review从来挑不出毛病。但老板说了句话很直接：“现在Claude Code、ChatGPT能搞定的事，为什么要养这么多人？”

这不是个例。我认识的几个技术总监今年都在做同一件事：把后端团队缩编，同时把招聘预算转向AI Infra和架构岗位。

如果你觉得这是危言耸听，建议你去看一眼拉勾网最新的招聘数据——2024年下半年，中级Java工程师的岗位数量同比下降了23%，而"AI后端工程师"这个两年前根本不存在的岗位，正在以300%的速度增长。

残酷吗？确实。但这就是正在发生的事。

---

一、AI到底能干什么？别自我安慰了

先说清楚一件事：AI对后端工程师的冲击是真实的，不是幻觉。

我每天都在用Claude写代码，不吹不黑，80%的后端需求我都是交给AI完成的。举个真实例子：

上周我要写一个用户积分变动的小功能，包括：

• 数据库表结构设计
• 积分增减的RESTful API
• 防并发超扣的乐观锁逻辑
• 完整的单元测试

用Claude Code，不到40分钟全部搞定。 中间我做了啥？提了几个需求，调整了一处命名规范。

如果是两年前的我，光写这些测试用例可能就要半天。

这就是现实：Claude/Cursor这类工具，已经能完成大部分"把需求翻译成代码"的工作——也就是大家俗称的CRUD。API设计、Controller层、Service层、Repository层、简单业务逻辑、基础的单测，这些AI都能搞定，而且比你写得快。

具体来说，AI目前能搞定的事：

代码生成：根据注释或接口文档生成完整的后端模块，这个已经非常成熟。

调试和Bug排查：把报错日志丢给AI，它能快速定位问题原因，比你一个个断点去试快得多。

代码优化：性能一般的实现，丢给AI重写，经常能优化20%-30%。

文档生成：Swagger注解、API文档、README，AI写得比大多数程序员规范。

单元测试：基础的边界测试、异常测试，AI生成得又快又全。

所以当你老板说"Claude、ChatGPT能搞定的事，为什么要养这么多人"——他不是无理取闹，他只是在说实话。

---

二、但AI干不了的事，才是关键

好消息说完了，说点真正重要的：AI在后端领域的局限，比很多人以为的大得多。

我见过太多程序员被AI的"无所不能"吓到了，转头却忽略了一个基本事实——AI擅长执行，不擅长判断。

让我给你几个具体场景：

场景一：缓存策略的设计

假设你的系统QPS从1000飙到10万，你怎么处理？

AI能帮你写缓存代码，这个没问题。但要不要加缓存、加在哪里、缓存失效策略怎么定、缓存击穿怎么办、热点Key如何处理——这些决策需要的是你对业务的理解、对流量模型的判断、对系统瓶颈的分析。

没有人的判断，AI连加不加缓存都不知道。

场景二：数据库选型

你接手了一个新项目，要存几亿条数据，查询延迟要控制在10ms以内。

AI可以帮你写SQL优化、帮你建索引。但用PostgreSQL还是ClickHouse？要不要上TiDB？分库分表什么时候做？ 这些判断靠的是你对不同数据库特性的理解、对数据规模的预判、对运维成本的权衡。

AI不会替你拍板。

场景三：故障现场

凌晨2点，线上告警，接口响应时间从50ms飙到2秒，数据库CPU 100%。

AI能帮你分析慢查询日志，但怎么快速止血？要不要降级？先查哪个链路的日志？流量从哪个入口进来的？ 这些需要的是经验直觉——那种"见过足够多故障"之后形成的条件反射。

AI做不到这一点。

场景四：架构决策

你们团队要从单体架构迁移到微服务，拆多少个服务合适？用Spring Cloud还是Go？服务间通信用什么协议？事务一致性怎么保证？

这些问题的答案没有标准解，取决于业务复杂度、团队规模、时间窗口、技术储备——这些都是变量，不是固定参数。AI能给建议，但承担不了决策责任。

---

说白了：AI解决的是"怎么做"的问题，但后端真正值钱的是回答"要不要做"和"做成什么样"的问题。

这不是玄学，这是工程现实。

---

三、正在发生的事：行业正在分层

行业的变化不是均匀的——有些人感觉不到冲击，有些人已经被波及，还有些人即将面临冲击。

先说数据：

脉脉高聘发布的《2024人才迁徙报告》显示，后端开发岗位的竞争比从2022年的1:7上升到2024年的1:15。僧多粥少，而且粥还在变少。

但同期，架构师岗位的需求只下降了5%，高级系统设计师的薪资反而上涨了18%。

这说明什么？行业在分化，不是在整体塌陷。

具体表现：

第一层：基础CRUD岗位快速萎缩。 这部分工作AI能完美替代，企业自然选择压缩。这是真实的寒意。

第二层：中间层工程师处境尴尬。 你技术比CRUD强，但还没到能独立做架构设计的程度。这部分人被裁的概率在上升，因为企业觉得"性价比不够高"。不是不优秀，是市场定价在下调。

第三层：高阶技术岗位反而更值钱。 系统设计、性能优化、AI Infra、大模型集成——这些领域缺人，而且会持续缺人。为什么？因为这些岗位需要的不是执行，而是判断和创造。

薪资也在体现这种分化。 3年前，一个普通Java工程师和一个能设计高并发系统的工程师，薪资差距可能是30%-50%。现在这个差距拉大到了100%-200%。因为高并发系统设计人才依然稀缺，而且更难培养。

---

四、谁会先被淘汰？自检清单

说几个我认为的"危险信号"，你可以自检一下：

危险信号一：你每天的工作主要是翻译产品需求成代码。 如果你的一天就是"产品经理给了需求→写接口→写service→写dao"，且这个流程占你80%以上的工作时间——你很危险。因为这个工作AI已经能完成80%。

危险信号二：你对系统为什么这样设计讲不清楚。 比如你用了三年的Redis，但你说不清楚RDB和AOF的区别，不知道pipeline怎么用，更不知道为什么某个场景要选Redis而不是Memcached——你的技术是片面的，不够深入。

危险信号三：你没有独立负责过有挑战的技术决策。 什么叫有挑战？比如：单机变集群的方案选型、数据库从MySQL迁到TiDB的决策过程、一次P0故障的根因分析和复盘。如果你全程只是执行者，没有参与拍板——你的不可替代性就很低。

危险信号四：你对AI工具的态度是"与我无关"。 我认识不少程序员，至今没有系统性地使用过Claude、Cursor这类工具。不是因为学不会，是因为不信任。但你得知道——淘汰你的可能不是AI，而是会用AI的其他程序员。

危险信号五：你没有技术之外的业务理解力。 未来后端工程师的价值，很大一部分来自于"能用技术语言解释业务问题，并给出技术方案"。如果你只会技术，不懂业务，你就是一个随时可替换的执行者。

---

五、出路在哪里？说3条实在的

不灌鸡汤，说3条我认为是真实可行的路径：

---

路径一：深耕"AI替代不了"的能力，成为系统级工程师

为什么行？

系统设计、性能优化、架构决策这些能力，本质上是经验密集型+判断密集型的工作。AI可以辅助，但无法替代。因为这些能力来自于：你踩过足够多的坑、见过足够多的故障、做过足够多的权衡。

怎么做？

• 主动争取复杂系统的设计机会，哪怕只是参与讨论
• 系统学习高并发相关的知识：缓存、队列、分布式事务、熔断降级、性能压测
• 培养自己"从业务量推算技术方案"的习惯：给你一个DAU数字，你能估算出系统架构应该是什么样子
• 每经历一次故障，都做一次深度复盘，写下来，这是你成长的最好素材

预期收益：

这部分人才的市场价格在持续上涨，而且供给稀缺。只要你真的能搞定高并发、高可用的复杂系统，35岁危机对你的影响会小得多。

---

路径二：主动掌握AI工具，成为"会用AI的工程师"

为什么行？

这条路的核心逻辑是：与其担心被AI替代，不如成为掌控AI的人。 现在AI工具的使用门槛在快速降低，但真正能用好AI的程序员依然是少数。原因是：AI的输出质量高度依赖使用者的Prompt能力、业务理解力和代码判断力。

怎么做？

• 把Claude/Cursor这些工具真正用起来，不是试试看，是每天用，形成工作流
• 学习如何给AI写高质量的Prompt——这对程序员来说应该不难，因为我们擅长描述需求
• 重点掌握AI在代码审查、Bug排查、性能分析、文档生成这些场景的高级用法
• 探索如何用AI提升自己的系统设计效率，比如让AI帮你分析现有系统的性能瓶颈

预期收益：

你的工作效率会明显提升，同样的时间能完成更多高质量的工作。在团队中，你会成为那个"用AI最溜"的人，这本身就是竞争力。

---

路径三：向业务靠近，成为"业务+技术"的复合型人才

为什么行？

技术的价值最终要在业务上体现。一个只懂技术的程序员，他的价值是"帮别人实现想法"。一个懂业务的程序员，他的价值是"参与定义想法"。后者被替代的概率远低于前者。

怎么做？

• 主动学习你所在业务域的知识，理解业务逻辑和商业目标
• 学会用技术语言讲述业务问题：你能向非技术人员解释清楚为什么某个技术决策会影响业务指标
• 培养产品思维：学着用产品经理的视角看问题，理解需求背后的"为什么"
• 成为技术和业务的桥梁，这种角色在任何公司都是稀缺的

预期收益：

你的不可替代性会大幅提升。因为能同时做好技术实现和业务理解的工程师，是真正的少数派。而且这种能力组合，让你在职业选择上更灵活——技术管理和业务方向都可以选。

---

六、写在最后

35岁，Java服务端干了十年，我不会骗你说"一切都会好的"。

现实就是：有些人会被淘汰，这是确定的。

但我也想告诉你另一件事：我最近在用Claude Code重构一个老系统，同样的功能，用AI辅助，开发效率提升了接近3倍。技术还是在进步的，只是这个进步的红利，现在更多地流向了会用工具的人，而不是只会埋头写代码的人。

这不是一个"学不学AI"的问题，这是一个你愿不愿意重新定义自己价值的问题。

后端工程师不会死，但"只会翻译需求的后端"会。

系统设计能力不会贬值，因为AI降低了这些能力的落地门槛，但放大了拥有这些能力的人的价值。

你需要的不是焦虑，是行动。

从今天开始，试着去理解你正在做的系统：它为什么是现在这个样子？如果DAU翻10倍你会怎么改？为什么用了Redis还要用本地缓存？为什么某个接口要设计成异步？每一个"为什么"的答案，都是你不可替代性的一部分。

把这个想清楚了，你就知道AI时代，你到底能活多久了。

---

（完）