普林斯顿两位教授追踪了Block、Snap、Intuit三起"AI裁员"事件，结论一致：AI从未真正替代软件工程师，CEO只是在用AI掩盖经营失误。这篇论文可能是2026年AI就业讨论的转折点。
▲ 三大AI裁员谎言对比：Block/Snap/Intuit
事件回顾
2026年6月11日，普林斯顿大学计算机科学教授 Arvind Narayanan 和 Sayash Kapoor 在 NormalTech 发表了一篇万字长文《Why AI hasn't replaced software engineers, and won't》（AI为什么没有替代软件工程师，也不会替代）。文章上线几小时内即在Hacker News获得129分、128条评论的热烈讨论。
这篇论文的核心主张极为明确：在AI能力进展最快的软件工程领域，已有足够证据否定"AI能力达到某个阈值就会引发大规模裁员"的说法。两位作者不仅提供了理论框架，更逐案拆解了今年以来最轰动的三起"AI裁员"事件，发现无一例外都是AI洗白（AI washing）——把经营压力下的裁员包装成技术进步的必然。
在此之前，科技界从2025年底开始弥漫着一股"程序员末日论"。Block创始人Jack Dorsey、Snap CEO Evan Spiegel、Intuit管理层接连宣布大规模裁员，并公开将原因归结为AI能力突破。这些声明被媒体广泛传播，加剧了整个工程师群体的焦虑。
Narayanan 和 Kapoor 的回应是：我们去看了真实数据，结论正好相反。
三大"AI裁员"案例，逐一拆穿
案例一：Block（Jack Dorsey）——裁4000人，说是AI，其实是疫情扩张后遗症
2026年2月，Block（旗下有Cash App、Square等产品）宣布裁员4000人。创始人Jack Dorsey在公开声明中明确将原因归结为AI的"新工作方式"——称AI让"更小更扁平的团队"成为可能，特别提到了2025年末的模型能力突破。
但随后的调查报道揭露了完全不同的真相。Block在疫情期间将员工规模扩大了三倍以上，公司面临巨大的财务压力。Cash App团队的数据科学家 Naoko Takeda 公开发文称Block"把AI塞进所有人的喉咙"，但她在实际工作中看到了"非常有限的生产力提升"。她拒绝了75%的留任奖金后辞职。其他受访员工对AI在Block的实际能力与Dorsey的理解之间存在巨大差距。
正如Box CEO Aaron Levie曾指出的，CEO们对AI有用性的幻觉"独特地严重"——因为他们可以快速做出原型，却看不到将原型变成成品所需的90%工作。Dorsey的公开发言恰好符合这个模式。
案例二：Snap——裁1000人，CEO说"AI写了65%的代码"，其实是激进投资者逼的
2026年4月，Snap裁员约1000人。CEO Evan Spiegel在内部备忘录中将AI列为主要原因，并宣称"AI生成了65%的新代码"。
但事实是：Snap自2017年IPO以来，每个完整财年都录得净亏损，2026年股价已跌超30%。裁员之前，激进投资者Irenic曾公开致信要求削减成本。最关键的是，裁员结构——150个职位集中在AR部门，横跨各类角色——与"AI替代"应有的模式（编程等AI暴露岗位的全面削减）完全不符。
案例三：Intuit——裁3000人，同时宣布与OpenAI和Anthropic合作
2026年5月，Intuit宣布裁员3000人，同时也宣布与Anthropic和OpenAI达成合作。科技媒体将其解读为"AI驱动的重组"。但Intuit自己也承认，这部分裁员来自多个因素的叠加——包括业务线调整、自动化投入和运营效率提升——远非单纯的"AI替代人"。
核心框架：决定-执行-交付三明治
两位教授在追踪大量数据后，提出了一个解释框架：知识工作（包括软件开发）可以理解为"决定-执行-交付三明治"（decide-execute-deliver sandwich）。
AI真正压缩的是中间的"执行"层——写代码、生成测试、文档编写等。但上层的"决定"（需求定义、架构设计、判断什么值得做）和下层的"交付"（部署、维护、可靠性、安全合规、利益相关者沟通）仍然高度依赖人类的判断力和情境理解，且这种依赖不会随着模型能力的提升而消失。
论文还引用了经济学中著名的杰文斯悖论（Jevons paradox）：当某项技术使某种资源的使用效率提高时，对该资源的总体需求反而会上升。在软件领域，AI让编程效率大幅提升，但"世界对软件的胃口一直无法满足"——效率越高，需求越大，总工作量不减反增。
一个有力的历史数据：美国1950年人口普查列出的270种职业中，只有一种被完全自动化替代——电梯操作员。技术变革更多是改变了职业的内涵，而不是消灭了职业。
▲ 决定-执行-交付三明治模型：AI只能压缩中间层
HN社区的热烈讨论：从怀疑到共鸣
这篇文章在Hacker News引发了128条深度讨论，反映出工程师群体的复杂情绪。
多位评论者指出自己的实战经验支持论文观点。"做独立App开发时，我的瓶颈根本不是写代码，而是在手机上做QA测试——AI帮不了你确认App能不能跑,"一位名为user43928的开发者写道。另一位工程师torben-friis指出核心矛盾："（AI）生成和维护是完全不同的两件事。当你有432个功能，需要在不破坏任何一个的前提下添加第433个时，AI的价值就急剧下降了。"
但也有声音质疑论文的乐观基调。"如果GPU集群真的变得超级高效，想雇人类的老板就无法竞争了,"一位评论者写道。更尖锐的批评来自vovavili："在这个环境里，你怎么向一个超级谨慎的雇主证明你真的是有技术的工程师，而不只是会搬砖的票务员？不久的将来，能靠奥赛奖牌或一堆独特项目证明自己的人，可能干脆自己创业去了。"
这些讨论恰恰印证了论文的结论：AI带来的挑战是职业内部的重新洗牌——区分"只会写代码的人"和"有领域知识的工程师"——而不是整个职业的消失。
为什么这篇文章对AI创业者如此重要
作为AI创业者，这篇论文传递了几个关键信号：
第一，不要被"AI裁员"叙事带偏节奏。 过去半年，每一次CEO宣布AI裁员，媒体就跟着喊"程序员要被替代了"。但数据表明，这些裁员背后都是经营压力、投资者施压、业务调整等传统因素。把AI当裁员借口，是2026年最流行的管理话术。
第二，"效率工具"≠"替代工具"。 如果你做的是AI编程工具，你的用户增长叙事应该是"让工程师更高效、能做更多事"，而不是"让公司少雇人"。后者不仅在伦理上有争议，在事实上也被数据证伪了。
第三，杰文斯悖论是你的朋友。 当AI工具让编程成本下降，软件的整体需求会上升——更多的创业者、更多的项目、更多的维护需求。这意味着AI编程工具的市场TAM（总可寻址市场）实际上在扩大，而非缩小。
第四，最确定的机会在"人和AI的协作层"。 论文明确指出，"决定"层和"交付"层是AI搞不定的。那就意味着：需求管理工具、架构设计协作平台、AI辅助测试工具、部署自动化、安全合规助手——这些在AI时代的价值不是下降，而是上升。
行动建议
- 如果你的产品包含"替代人"的叙事，立即调整话术。 数据不支持这个论点，而且会引发用户抵触。改为"让你更高效""让你做更有价值的工作"。
- 关注"执行层"工具，但不要忽视"决定层"和"交付层"。 目前90%的AI编程创业都在卷"写代码更好更快"。但需求定义、测试、部署、监控这些环节的人才缺口可能更大。
- 准备好应对"AI洗白"叙事带来的反噬。 当越来越多人意识到CEO们在用AI当裁员借口，公众对AI的情绪可能从焦虑转向愤怒。这会影响政策、采购决策和用户信任。
- 用数据说话。 Narayanan和Kapoor这篇文章之所以有说服力，是因为他们逐案追踪了真实数据。你在向客户、投资人、用户传达AI价值时，也应该引用可验证的信息来源，而非跟风喊口号。
本文由AI辅助创作，经人工审核编辑发布