OpenAI 总裁表示 AI 目前为工程师编写 80% 的代码

(P1 - 导语) OpenAI 总裁 Greg Brockman 表示，人工智能工具已从次要的辅助功能发展到能为软件工程师生成高达 80% 的代码。这一表态指出生产力将大幅提升，并强化了对微软、谷歌和英伟达等以 AI 为核心的公司的投资逻辑，同时也预示着技术劳动力市场的根本性重组。

(P2 - 权威观点) “AI 帮助工程师更有效地完成工作，而不是取代他们，”波士顿咨询集团在最近的一份报告中总结道。ServiceNow 首席执行官 Bill McDermott 也表达了类似的观点，他承诺对受代理式 AI 影响的员工进行重新培训，将他们转岗到管理或其他内部职位。

(P3 - 细节) 这种影响在劳动力数据中已初见端倪，尽管信号存在矛盾。斯坦福大学的一项研究发现，自 2022 年底以来，受 AI 影响岗位的早期职业就业人数下降了 16%，招聘网站 Indeed 上的软件开发职位发布量下降了 53%。然而，波士顿咨询公司发现，尽管自 ChatGPT 发布以来年增长率放缓至 2%，但软件工程的总人数仍在增长。根据全美大学与雇主协会的数据，计算机专业毕业生的起薪甚至预计将同比增长近 7%。

(P4 - 核心分析) 主要影响并非大规模裁员，而是经济学家称之为“大冻结”的招聘放缓。企业正利用现有员工实现更高的产出，从而减少了对新员工的需求，并收缩了初级人才的输送渠道。对于投资者而言，这一趋势可能会提高大型科技公司的利润率，但如果初级就业市场继续收窄，也将对人才培养和创新构成长期风险。

转向代理式 AI

编码能力的加速源于从简单的生成式 AI（处理起草文本等离散任务）向更先进的代理式 AI 的转变。这些系统可以通过将工作分解为子任务、跨系统运行以及在有限人工干预下修正方案来处理更广泛的目标。重点正从任务自动化转向完整的工作流自动化。

大型金融机构处于这一应用的最前沿。拥有 198 亿美元技术预算的摩根大通正将代理系统应用于软件工程，为开发人员提供处理复杂任务的更多背景信息。该银行全球首席信息官 Lori Beer 证实，资深工程师现在将更多时间花在编写规范和审查 AI 生成的代码上，而不是从零开始编写。该银行已经让 20 万名员工使用内部大语言模型套件来构建自己的 AI 助手。

这种模式在各行各业都保持一致。在 AI 代理开始处理约一半的客户互动后，Salesforce 裁减了约 4,000 个客户服务职位；IBM 在其“AskHR”系统实现日常员工查询自动化后，裁减了 200 个人力资源职位。这些不是广泛的裁员，而是对目前由 AI 端到端管理的工作流进行的精确减员。

是招聘冻结，而非裁员潮

虽然头条新闻通常聚焦于职位消除，但更直接的影响是招聘的大幅放缓，已降至 2010 年失业率接近 10% 时的水平。公司并未解雇现有员工，而是悄悄冻结了对离职员工的补缺。麦肯锡最近的一项调查发现，虽然 43% 的公司预计 AI 不会对员工规模产生影响，但 32% 的公司预计在一年内将减少至少 3% 的员工基数——这种减少主要可以通过自然流失来实现。

这给劳动力市场带来了一个悖论。失业率维持在 4% 左右的历史低位，但劳动力市场信心已经恶化。认为现在是寻找优质工作好时机的美国工人比例已从 2022 年的 70% 下降到最近的 28%。大学毕业生现在比没有学位的人更悲观，这扭转了历史趋势。其结果是停滞感日益增强，获得经验和晋升的初级路径越来越少。

开放与封闭的 AI 策略

随着企业将 AI 整合到其开发周期中，开放与封闭方式之间的战略分歧正在显现。Ubuntu Linux 背后的公司 Canonical 正在整合 AI，并明确偏好开放权重模型和设备端推理。工程副总裁 Jon Seager 概述的这一策略优先考虑用户控制和隐私，允许开发人员选择使用哪些 AI 工具并在本地运行。

这与微软的策略形成鲜明对比，后者将其 Copilot 服务锚定在专有的 Azure 云上。虽然功能强大，但这种方法会造成供应商锁定并集中数据处理。对于投资者而言，这种分歧提供了选择：是选择微软集成的、高利润的生态系统，还是选择像 Canonical 这样公司倡导的灵活、潜在成本较低的开源模型。这些竞争理念的成功将塑造软件开发的未来以及价值数十亿美元的 AI 工具市场。

本文仅供参考，不构成投资建议。