从50%到7%：大厂校招断崖式下跌的背后
Forbes数据显示，大厂新员工中应届生占比已从疫情前的50%以上骤降至7%。本文探讨了AI工具提升资深开发者效率、经济周期调整以及由此引发的行业“经验陷阱”问题。
Forbes数据显示，大型科技公司新员工中应届毕业生的占比，已从疫情前的50%以上骤降至7%。这一断崖式下跌引发了广泛讨论：这究竟是AI替代初级岗位的结果，还是经济周期叠加行业过饱和的必然调整？现象背后，是资深开发者借助AI工具实现效率倍增，而应届生却面临“入场券”难求的困境。
核心内容
资深开发者普遍反映，AI工具显著提升了他们的工作效率。一位有近30年经验的工程师将自己定位为“上下文湖泊”（context lake），AI agent在其搭建的架构中自动运行，能完成过去因“工作量太大不划算”而被团队拒绝的任务，将原本需要一周的功能开发缩短至几天，实现了约五倍的效率提升。
然而，效率提升的另一面是对初级岗位的挤压。一位首席工程师坦言，将任务交给AI只需几十秒，而交给初级工程师则需要花费大量时间解释背景、方法和原理。这被比喻为“发邮件和手写信件的区别”。有观点指出，AI可能并未取代程序员，但正在消灭“学徒工”岗位本身，使得新手难以获得积累经验的关键机会。
对此现象也存在不同解读。部分观点认为，这更主要是典型的经济周期作用：疫情期间科技公司过度招聘，当前正在裁员以消化泡沫。数据显示，即便经历裁员，Amazon员工数仍接近2019年的两倍，Google员工数也增长超过50%，行业并未崩溃，只是回归了更理性的招聘节奏。
AI工具的实际效用高度依赖使用者自身的技术能力。一位开发者分享其使用GLM-4.7-flash修复生产环境bug的经历：生成的代码看似漂亮正确，但几天后才发现修复逻辑完全错误，导致浪费了本可手动快速解决的时间。他认为，大语言模型（LLM）像“毒品”，入门容易但易失控，对使用者的技术功底要求很高。
价值与影响
当前局面揭示了一个潜在的“经验陷阱”或死循环：AI让资深工程师效率暴增，却可能使初级工程师陷入“无法获得经验”的困境。如果Junior工程师连“带着一堆问题花一整天”去完成任务的机会都被剥夺，那么未来由谁来成长为新的“上下文湖泊”？这被类比为一个只顾榨取、不管再生的农业系统。效率革命在优化当下产出的同时，可能正在消耗行业未来的人才种子。对于正在攻读计算机专业的学生而言，未来的职业路径也因此变得更加不确定。行业需要思考，在追求效率与保障人才持续成长之间，如何取得平衡。
