别再学编程了，至少别学旧编程

“年轻人别学写代码了。”

这句话从前 Google 和 Alphabet CEO 埃里克·施密特嘴里说出来，听着很刺耳。尤其对还在学校刷题、投简历、准备靠 CS 上岸的人来说，几乎像一盆冷水。

但我觉得这句话要拆开看。

如果“学编程”指的是背语法、刷题、写 CRUD 、等着进公司当稳定码农，那这条路确实变窄了。 AI 已经能写大量代码，基础语法和模板代码正在快速贬值。

如果“学编程”指理解系统、拆解问题、连接工具、验证结果，那它仍然值得学。只是目标要从手写每一行代码，转向指挥 AI 和工具，把一个真实问题做成可运行的东西。

争议点就在这里：未来可以学编程，但别再学旧编程。

旧编程为什么危险

过去很多人学编程，本质上是在学一条稳定路径：刷题、实习、进厂、写业务代码、升职加薪。

这条路径建立在一个前提上：写代码曾经是稀缺技能。

现在这个前提变了。 AI 不会取代所有软件工作，但会先压低“执行型写代码”的价值。以前一个初级程序员能做的页面、接口、脚本、数据处理，现在 AI 可以做出七八成。剩下两三成，需要人来判断、修正、上线、负责。

所以最容易受冲击的，是只会等需求、照着写、没有业务判断的人。

施密特说未来程序员更像“建筑师”，这句话比“别学代码”更接近问题本身。建筑师不靠一块砖一块砖地搬来证明价值。他要知道房子给谁住、地基在哪、结构怎么走、预算多少、哪里不能塌。

换到软件和 AI 时代，就是：你能不能把需求讲清楚，能不能把系统拆开，能不能让 AI 干活，能不能看出 AI 写错了哪里。

第一，学表达。

AI 很强，但它不会自动知道你真正要什么。一个人如果只会说“帮我做个系统”“帮我写个方案”，得到的通常也是一坨平均答案。未来更值钱的是把混乱需求变成清楚任务：背景是什么，目标是什么，输入有哪些，输出长什么样，谁来验收，什么情况算失败。

这不只是 prompt 小技巧。它考验表达能力、结构化能力和问题定义能力。

第二，学领域。

如果所有人都能调用 AI，差距会重新回到领域本身。懂医疗、法律、供应链、教育、金融、制造、销售、内容、运营的人，用 AI 的上限会更高。

单独学 AI 很虚，单独学传统行业效率低。真正有机会的是把 AI 接进具体行业：哪里慢，哪里贵，哪里容易错，哪里有人愿意付钱。

第三，学系统。

传统编程教育里最有价值的部分，其实是系统思维。输入怎么进来，状态存在哪里，错误怎么传播，日志怎么查，权限怎么控，边界条件在哪里。

AI 生成越多，系统思维越重要。因为你不懂系统，就不知道 AI 写出来的东西哪里危险。

第四，学判断。

未来会出现大量“差不多能用”的内容、软件和工具。判断力会变稀缺：哪个方案更简单，哪个功能该删，哪个结果看起来对但其实错，哪件事根本不值得做。

AI 擅长执行，人要负责取舍。

第五，学自动化。

不要只停留在聊天窗口里。学会让 AI 接工具、接数据、接流程。 n8n 、 Puppeteer 、脚本、 Webhook 、数据库、表格、 API，这些东西比单纯背框架更实用。

会自动化的人，会让机器替自己干活。

另一个判断也值得放进来：AI 最大瓶颈可能会从芯片、算法，转向电力。数据中心需要吉瓦级别的电力，大厂甚至要去偏远地方建电厂。

这句话提醒我们，未来不会是纯软件世界。

AI 越强，越会碰到现实约束：电力、芯片、数据中心、机器人、医疗实验、制造业、物流、能源。只在屏幕里卷，可能越来越挤。能把 AI 接进现实行业的人，反而有空间。

所以未来值得学的，是“AI + 具体世界”。

AI + 财务，AI + 供应链，AI + 法务，AI + 医疗辅助，AI + 教育，AI + 工厂，AI + 能源，AI + 本地服务。这些组合比“我会某个框架”更抗风险。

如果现在重新设计一条学习路线，我会这样排：

这条路比单纯冲着“当程序员”去学编程更稳。

过去学编程像买一张车票。上车后不一定发财，但至少方向清楚。

现在这张票还在，只是终点变了。继续把目标设成“我能手写所有代码”，会很累，也很脆弱。更好的目标是：我能用 AI 、代码和工具，把真实问题拆开、跑通、验证、交付。

以后分界线可能不在会不会写代码，而在你是替机器干活，还是让机器替你干活。

所以“别学编程了”可以当警钟，但不能当结论。

更准确的说法是：别再学旧编程了。 AI 时代真正该学的，是指挥机器解决真实问题的能力。