6月1日，台北，GTC Taipei。
黄仁勋站在台上，对着台下几千人说了一句话。
这句话后来被财联社的报道原文引用——
「AI减少工作岗位完全是胡说八道，实际上有更多软件工程师被雇用。」
现场有人鼓掌，有人拍照，有人低头开始写稿。
我读完这句话，第一反应不是「他说得对不对」，而是——他给了什么数据来支撑这个判断？
因为一个人的结论可以错，但他拿出来的数字通常不会凭空捏造。数字本身不会撒谎，但选择性地展示哪些数字，本身就是一种叙事。
所以我决定做一件笨事：把黄仁勋提到的数据，和其他来源的数据放在一起看。不站队，不喊口号，就拆。
黄仁勋在GTC Taipei上抛出的一组数字是这样的：
AI编程使用次数——2023年3亿次，2024年4亿次，2025年5亿次，2026年前几个月已经飙升至14亿次。
14亿。
接近2025年全年的3倍。
全球专业软件开发者有多少？3000万到4000万。GitHub Copilot的安装量已经超过7300万。
这些数字放在一起，确实能得出一个结论：AI编程工具的使用量在爆发式增长。
但我想追问的是：这14亿次「使用」，到底意味着什么？
这里有一个很多人忽略的区分——AI编程使用次数的暴增，不等于人类编程行为的暴增。
这两个概念之间的缝隙，才是真正有意思的地方。
Anthropic在2025年8月做过一项内部研究，对象是他们自己的132名工程师。研究发现了一个关键数据：在Claude辅助完成的任务中，有27%是以前根本不会做的任务。
27%。
换句话说，AI编程工具的爆发式使用中，有很大一部分不是因为「以前用手写的事情现在用AI写」，而是「以前压根不做的事情现在开始做了」。
这就是所谓的「任务扩张效应」——当生产成本大幅下降，需求会膨胀到填满新的产能空间。
经济学里有一个概念叫杰文斯悖论：当技术进步提高了资源的使用效率，资源的总消耗量反而会上升，而不是下降。蒸汽机更省煤了，但煤炭的总消耗量翻了倍。
AI编程正在重演这个悖论。
代码生成的成本在急剧下降，所以我们对代码的需求在急剧上升。14亿次使用，其中一部分是替代了人力，另一部分是创造了以前不存在的任务。
黄仁勋拿出了这个数字，说「你看，使用量在暴增，工程师也在增加」。逻辑上没错。但他只讲了故事的一半。
另一半是：这些工程师正在做的事情，和三年前已经完全不同了。
腾讯在2026年说了一句话，被36氪报道确认：「今年大部分代码都由AI生成。」
大部分。
不是「一部分」，不是「越来越多」，是「大部分」。
腾讯2025年的资本开支是792亿元，2026年预计850到1170亿元，其中AI相关投入超过50%。
这不是一家公司在小打小闹。这是中国市值最高的科技公司，把超过一半的资本开支砸在AI上，然后公开宣布「大部分代码由AI生成」。
那工程师在干什么？
Anthropic的那项内部研究给出了更具体的画像——Claude在工程师中的使用率从28%上升到59%，几乎翻倍。工程师自报的效率提升从+20%跳到+50%。每名工程师每天合并的PR（Pull Request）数量增加了67%。
67%的PR增长。
这意味着什么？意味着工程师每天处理的代码量大幅增加了，但这些代码很大一部分不是他们自己一行一行敲出来的。
他们的工作正在从「写代码」变成「审代码、定义规格、调试AI生成的代码」。
这个转变听起来很温和，像是一个工作流程的优化。但如果你仔细想，它的含义相当深刻。
一个软件工程师的核心竞争力，过去二十年一直是「把需求翻译成可运行的代码」。这是考试考的，这是面试考的，这是绩效评估的。
但现在，翻译这件事AI做得越来越快。
那工程师的核心竞争力变成了什么？
变成了判断AI写的代码对不对、好不好、安不安全。变成了在AI给出五种方案的时候，选择正确的方向。变成了在AI没能力处理的边界问题上，亲自上手。
这就是我说的「岗位替换」——不是岗位消失了，是岗位的内涵被静默替换了。
外表还是那个「软件工程师」的title，但里面的活儿，已经换了。
腾讯研究院在《AI Coding观察报告2.0》里下了一个判断，我认为是过去一年关于AI编程最有洞察力的一句话：
「代码生成进入丰饶时代，稀缺性从『如何编写』迁移到『如何验证』。」
丰饶时代。
这个词用得很精准。
当一个东西的供应成本趋近于零，它就从「稀缺资源」变成「丰饶资源」。然后经济学的基本规律开始生效——价值会从生产端转移到筛选端。
就像印刷术发明之后，写书不再是瓶颈，选什么书出版才是。就像互联网之后，生产内容不再是瓶颈，分发和推荐才是。
代码也一样。
当AI可以在几秒钟内生成几百行代码，「写代码」本身不再是瓶颈。瓶颈变成了：这堆代码对不对？能不能用？安不安全？符合不符合需求？
验证，成了新的稀缺能力。
Anthropic的研究从另一个角度印证了这个判断。他们发现工程师最不愿意交给AI的任务类型，恰恰是「设计决策」和「高层战略」相关的。
换句话说，当AI能做的越来越多，人类工程师会本能地把精力往AI做不了的方向收缩——往决策层走，往架构层走，往「判断什么是正确的事」的方向走。
这是一种自发的稀缺性迁移。
但它带来的一个问题是：不是每个工程师都能完成这种迁移。
一个擅长写CRUD接口的工程师，和一个擅长做系统架构设计的工程师，面对AI冲击时的适应能力是完全不同的。前者发现AI做自己的活儿比自己快，后者发现AI是自己的效率倍增器。
同样的技术变革，对不同的人意味着完全不同的事情。
黄仁勋说「有更多软件工程师被雇用」——这可能是真的。但被雇用的那些工程师，和五年前被雇用的工程师，可能在做截然不同的工作。
说到这里，我想回头聊一个更现实的问题：黄仁勋为什么要这么说？
不是说他一定在说谎。我前面说了，他拿出来的数据是真的。
但一个人选择在什么场合、用什么框架、强调哪些数据——这些选择本身就是信息。
黄仁勋是英伟达的CEO。英伟达卖的是什么？算力芯片。
AI编程工具越普及，每次生成代码消耗的token越多，对算力的需求越大，对英伟达芯片的需求越大。
他的商业利益和「AI编程工具被广泛采用」这件事是高度绑定的。
所以当他在GTC台北台上说「AI不会减少工作岗位，实际上有更多工程师被雇用」的时候，他做了一件非常精明的事——用真实的数据，构建了一个对英伟达有利的叙事框架。
这个框架的逻辑链是：AI编程工具使用量暴增 → 工程师没有被取代 → 所以企业应该放心大胆地采购AI基础设施 → 所以你应该买更多英伟达的芯片。
每一步都是对的。但每一步都只展示了真相的一个切面。
他没有说的是：岗位在增加的同时，岗位的技能要求在快速变化。他没有说的是：一部分工程师确实在受益，但另一部分工程师正在经历痛苦的能力重建。他没有说的是：「工程师数量增加」和「每个工程师的不可替代性增强」是两件完全不同的事。
这些不是谎言，是被省略的上下文。
在公共沟通中，省略有时候比撒谎更有力。因为你没法反驳一个没说出口的东西。
我无意把黄仁勋塑造成一个狡猾的商人。他可能真心相信自己的判断。但作为信息的接收者，我有责任把他放在什么位置上讲这番话这件事纳入考量。
一个卖算力芯片的人告诉你「AI工具很好用，大家都在用，不用担心」，和一个人力资源总监告诉你同样的话，权重是不一样的。
回到开头那句「胡说八道」。
黄仁勋说得对不对？
从「岗位数量」这个维度看，他说的很可能是对的。AI编程工具的爆发式使用确实创造了新的需求，新的岗位确实在出现。
但从「岗位内涵」这个维度看，他只说了一半的真相。
我来做个总结：
AI编程使用次数从2025年的5亿次飙升至2026年前几个月的14亿次，这是一个真实的需求爆发。但其中约27%的使用（根据Anthropic的研究）是在完成以前不会做的任务——这不是简单的替代，而是任务边界在扩张。
腾讯说2026年「大部分代码由AI生成」，Anthropic的工程师PR合并量增加了67%，效率自报提升50%——这些数据说明同一个事实：AI正在成为代码生产的主力，人类正在从「生产者」转向「审核者和决策者」。
腾讯研究院用「稀缺性迁移」四个字概括了这个变化——当生成成本趋近于零，判断力成为真正的稀缺资源。这是全文最重要的一个判断。
所以这不是「AI会不会抢饭碗」的二元问题。
这是一场安静的结构性替换。
岗位的数量没有剧烈变化，但岗位里面装的内容，正在被一块一块地换掉。
增加的是能够驾驭AI的岗位——定义问题、审核输出、做架构决策、处理AI无法处理的边界case。
减少的是以「把明确需求翻译成代码」为核心价值的岗位——因为这件事，AI做得越来越快、越来越便宜、越来越好。
黄仁勋说「AI减少工作岗位完全是胡说八道」。
我同意。岗位确实没有被大规模减少。
但我补充一句他没说的话：
岗位还在，但岗位里面的活儿，已经不完全是以前的活儿了。
外表没变，内核已换。
这才是2026年AI编程浪潮中最值得被看见的事实。
关注 SomethingAI 公众号
每日 AI 趋势日报，深度选题分析，独立开发思考
微信搜索「SomethingAI」关注