Android 之神算了一笔账，把全硅谷的 AI 裁员逻辑干翻了：裁70%工程师指望AI顶上，补贴一退潮，AI账单直接贵过程序员

Android 之神算了一笔账，把全硅谷的 AI 裁员逻辑干翻了：裁70%工程师指望AI顶上，补贴一退潮，AI账单直接贵过程序员

Jake Wharton 是一个在 Android 开发者社区没人绕得开的名字。

他被称为”Android 之神”——Retrofit、OkHttp、Picasso 这些每个 Android 开发者手机里都在用的开源库，全部出自他手。后来加入 Google 推动 Kotlin 成为 Android 官方语言，成为 Google Kotlin 团队第一位工程师。

2025年11月，他在科技行业大规模裁员潮中离职。

离职之后，他公布了一份对下一份工作的苛刻要求，第一条是：不加入 AI 公司、不做以 AI 为核心的产品，也不接受公司强制使用 AI。

这个选择代价不小。他本人估计这让他放弃了约 80% 的工作机会。

但真正炸裂的不是这个选择本身，而是他最近在访谈中算的那笔账——一笔让所有高喊”用AI替代70%工程师”的CEO都该看看的账。

补贴退潮后，AI 比人贵

Jake Wharton 的核心论点非常朴素：你现在看到的 AI API 价格，是补贴价，不是真实价。

当前 GPT-6 Astra 的定价是输入每百万 token 10 美元，输出 50 美元。Gemini 4 Pro 更便宜，输出 11.25 美元。这些价格低得令人发指——不是因为 AI 的推理成本真的这么低，而是因为前沿模型厂商在拿 VC 的钱补推理成本，圈地抢市场份额。

Jake Wharton 的预测：一旦补贴退潮，AI 推理成本会反弹。那时你继续用 AI 生成的代码，每个 token 的边际成本将超过一个工程师的时薪——而且 AI 不会给你写注释、不会给你做 code review、不会回答”为什么这里要这样实现”这种问题。

更扎心的账在下面。

他说，公司裁员70%后指望AI做到同样多的事，短期看确实能省一笔。但长期看，裁掉的工程师没有消失，他们带着经验走了。 维护者越少，AI 生成的代码堆积得越多，到某个临界点，整个代码库会变成一个没有人能理解的巨型黑箱。

他还引用了一个具体案例：某公司用 AI 把代码量提高了 220%（Post 180 里 Meta 的案例），但事故率提高了 40%。”代码的维护成本不是线性的，是指数级的。”Jake Wharton 说，”你省下的工资，会在技术债务的利息里连本带利吐出来。”

“强制用 AI”为什么让他反感

36氪的访谈中主持人问了一个关键问题：你拒绝加入 AI 公司的理由是个人偏好还是原则问题？

Jake Wharton 的回答透露了他的核心担忧——”强制使用 AI”正在成为一种新的职场潜规则。

他在访谈中说，现在很多公司招聘时会直接问候选人：”你平时用 AI 写代码吗？每天跑多少 token？”——不是问”你写代码的能力”而是问”你给 AI 打工的效率”。

“我见过有人完全依赖 AI 写完了一个中等规模的模块，然后出了问题全程不知道从哪里开始 debug。”Jake Wharton 说，”让 AI 写出 95% 的代码只需要 20% 的时间。但修复那个 AI 造出来的、你完全看不明白的 5% 的 bug，往往需要你花之前 4 倍的时间。”

他最尖锐的一句话是：”AI 写代码的最大好处，是它让那些代码基础差的人看起来暂时是个合格的程序员。最大坏处是，他们真的以为自己是个合格的程序员了。”

2026年AI裁员：你以为省了钱，实际在赔

Jake Wharton 算的账不是孤例。2026年以来的裁员潮中，”AI替代”正在被越来越多的 CEO 用作裁员的万能借口。但业内已经有清醒的声音在算反账。

数据说话：2026年Q1，全球科技行业裁员近 7.9 万人。摩根士丹利 5 月爆出将裁 2000 人（其中 AI 担任”主要理由”）。而甲骨文 3 月的 3 万人裁员更是直指”AI 战略调整”。

但别急着高潮。同一份数据显示，积极部署 AI 的企业反而更倾向于扩大招聘规模。IBM 把入门级岗位招聘规模扩大了三倍，理由是”AI 需要人用”。

这揭示了一个被裁员口号掩盖的事实：裁员和 AI 没有必然因果关系。很多裁员只是公司借 AI 的东风，给早就该做的组织瘦身找一个体面的理由。

OpenAI 的 CEO Sam Altman 自己在采访中也承认，行业内存在大量的”AI 洗白”——企业把到点该裁的员强行扣在 AI 头上。

真正的问题不是AI能不能替代你，而是值不值得

Post 211 写了刘胜与——一个亲手写出 DeepSeek V4.1 核心算子的天才，平静地算出了自己被 AI 替代的时间：半年到一年。

Jake Wharton 的账，从另一个方向算出了不同的答案：你确实可以从技术上被替代，但在经济账上不一定划算。

这两个人都是顶级的工程师。刘胜与做算子，Jake Wharton 做框架——都不是会被”替代”的那种底层码农。但他们得出了看似矛盾的结论。

其实一点都不矛盾。

AI 能不能替代你是一个技术问题——答案是”很快就可以”。AI 值不值得替代你是一个经济问题——答案取决于你所在的赛道和公司。

刘胜与做的是算子和底层库，那是大模型训练的基础设施，是 AI 的”母语”。AI 写算子的边际成本趋近于零，所以替代他是可行的，也是划算的。

Jake Wharton 做的是 Android 框架——一个需要跟不断变化的硬件、碎片化的操作系统版本、千奇百怪的厂商定制兼容的无尽战场。AI 可以写 Kotlin 代码，但维护一个跨生态的架构需要的是对”为什么”的理解——恰好是 AI 最不擅长的。

所以结论不是”谁是对的”，而是——你的专业，是靠近 AI 的母语还是靠近 AI 的死角？

靠近母语、可重复、可自动验证——那你就该认真考虑刘胜与的剧本。靠近死角、需要深层理解、需要人文判断——那 Jake Wharton 的账就在保护你。

别问”我会不会被替代”。问”我的价值在哪里”。