Jake Wharton 拒绝 AI 编程：宁愿失去 80% 工作机会，Kotlin 开源大神谈 AI 强制推广与软件质量危机

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-11

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

在软件行业普遍押注 AI 的当下，公开表示“坚决不用 AI 编程”，几乎等于主动缩小自己的职业选择。但 Jake Wharton 还是这样做了。这位被国内开发者称为“J 神”的 Android 与 Kotlin 开源大神，在寻找新工作时列出了九项择业标准，其中第一项就是：不加入 AI 公司，不参与以 AI 为核心的产品，也不接受公司强制工程师使用 AI。按照他的估算，这项要求直接排除了约 80% 的潜在雇主。

📊 核心实体与商业数据

💡 业务落地拆解

1. AI 编程的强制推广与工程判断的冲突

Wharton 指出，传统开发工具通常由工程师自下而上推动，但 AI 工具的推广方向完全相反。

“为什么要由一家公司的 CEO 告诉工程师，日常工作应该使用什么工具？”

他认为，公司领导通常不会直接要求必须使用静态类型语言，也不会决定如何利用类型系统表达业务需求，这些原本都是工程决策。如果管理层越过工程判断强制开发者使用某一种工具，问题不只在于 AI，而在于对工程自主权的侵蚀。

2. AI 对软件质量与工程师议价权的影响

Wharton 至今没有使用过 AI Agent 写代码。在他看来，AI 可以帮助工程师处理重复劳动，但最不负责任的用法，是让 AI 生成超出使用者能力范围的代码。

“如果没有大语言模型，你根本无法完成这项工作，那就意味着你无法真正理解和维护生成的结果，也会对工具形成高度依赖。”

一旦形成依赖，工程师交出去的不只是部分工作，还包括自己的能力和议价权，最终可能变成一枚更容易被低成本替换的齿轮。他提到，Cash App 在裁员 70% 工程师后，设想让一名工程师承担过去四个人的工作，甚至让产品人员通过聊天系统直接生成 PR。Wharton 认为，这种方式在很短的一段时间内可能有效，但长期会导致软件质量下降。

3. AI 行业的资本补贴与成本风险

Wharton 指出，当前大语言模型行业很大程度上仍由资本补贴。典型路径是先用低价吸引用户、抢占市场，让企业形成依赖，再转向按实际价值收费。

“届时，一些公司的 AI 成本可能增长一个甚至两个数量级。”

如果使用大语言模型的成本最终超过原本想要替代的工程师薪酬，那么“用 AI 替代工程师”的经济账也会失效。企业现在大规模裁员并把能力建立在外部模型上，在他看来是一种短视行为。

4. 开源生态的长期价值

Wharton 强调，开源库的意义不只是替你生成一段眼前可用的代码，而是让许多项目共同受益于持续维护。

“开源把一次贡献分发到许多不同代码库，而不是让每家公司分别维护一份由 AI 生成、彼此孤立的实现。”

因此，AI 能够生成代码，并不意味着共享依赖失去价值。企业应当享受开源带来的效率，同时把依赖当作自己的代码一样关注和维护。

🚀 对企业 AI 化的启示

1. 尊重工程判断：AI 工具的引入应自下而上，由工程师根据实际需求评估，而非管理层强制推广。强制使用可能引发人才流失和软件质量下降。

2. 警惕成本陷阱：当前大语言模型的低价依赖资本补贴，企业需评估长期成本。若 AI 成本增长一个甚至两个数量级，替代工程师的经济账可能失效。

3. 维护开源生态：AI 生成代码无法替代开源库的持续维护和共享价值。企业应将开源依赖视为自身代码库的一部分，积极参与贡献和维护。

4. 保留工程师议价权：过度依赖 AI 可能导致工程师能力退化和议价权丧失。企业应平衡 AI 效率与工程师核心能力培养，避免将工程能力建立在外部模型之上。

【官方原文链接】点击访问首发地址