当硅谷的精英们忙着用“AI替代论”为裁员找借口时，AWS首席执行官马特·加曼（Matt Garman）的一句话犹如一记惊雷：“用AI取代初级员工，是我听过最愚蠢的想法之一。”

这并非老派管理者的温情脉脉，而是一针见血的商业洞察。在这场席卷全球的效率狂欢中，我们是否正在杀死下金蛋的鹅？

在生成式AI狂飙突进的当下，硅谷的空气里弥漫着一种“技术达尔文主义”的焦灼。

老板们盯着屏幕上由大模型瞬间生成的几百行代码，再看看工位上拿着六位数年薪的初级开发者，眼底的算计溢于言表。毕竟，AI不需要交社保，不会抱怨，还能7×24小时连轴转。

然而，就在这股“用算法洗白裁员决策”的浪潮中，亚马逊云服务（AWS）首席执行官马特·加曼（Matt Garman）却像个不合时宜的“逆行者”。在近期接受《WIRED》专访及参与投资人对谈时，他毫不留情地戳破了这套看似完美的商业逻辑：“用AI取代初级员工，是我听过最愚蠢的事情。”

在以技术极客和理性主义者为主导的Hacker News社区上，该话题瞬间引爆，收获了数千个赞同和数百条激烈辩论。

叫好者认为他戳破了资本逐利的虚伪面具，看清了只顾短期利润而透支未来的危害；反对者则搬出Anthropic CEO“AI将引发白领大屠杀”的论调，坚称不接受现实的企业必将被淘汰。

拨开情绪化的争论，这位掌管着全球最大云服务商之一的掌舵人，究竟看到了怎样被常人忽视的商业真相？当我们把视野拉长到未来十年，这场关于“代码与人力”的博弈，本质上又是一场怎样的认知差？

一、 拆穿“成本幻觉”：最便宜的脑力，加上最懂AI的脑子

很多企业老板的算盘是这样的：既然AI能写代码，那先把最便宜的初级员工裁掉，用省下来的钱买高级AI服务，岂不美哉？

加曼的第一重反击直击痛点：初级员工往往是企业里“性价比”最高的资产，而这笔账，很多管理者算反了。

首先，从纯财务角度看，初级开发者本就是企业中薪资成本最低的群体。用高昂的资深工程师去填补他们留下的空白，或者花费大量精力去审核AI生成的代码，这本身就是一种资源错配。

其次，也是更致命的一点——企业严重低估了年轻人与生俱来的“AI亲和力”。

加曼敏锐地指出，刚毕业的年轻开发者是伴随着新技术成长起来的，他们是对AI工具最有经验、也最愿意探索的一群人。根据2025年Stack Overflow开发者调查，高达55.5%的 early-career 开发者每天都在使用AI工具，这一比例远超资深开发者。更有趣的现象是，超过一半的Z世代员工，正在反向辅导他们的资深上司如何使用AI。

换句话说，当你以为AI是初级员工的“替代品”时，年轻人早已把它当成了“外骨骼装甲”。如果企业在这个节骨眼上裁掉这批最懂如何用AI“打怪升级”的新鲜血液，无异于自断双臂。真正的降本增效，是给这群便宜且充满干劲的年轻人配上AI利器，而不是用冷冰冰的API把他们一脚踢开。

二、 人才梯队的“断头铡”：当十年后的架构师无处可寻

如果财务上的短视只是伤筋动骨，那么对人才梯队的破坏则是企业的“癌症”。

加曼抛出了一个振聋发聩的问题：“如果你们现在把所有初级员工都裁了，用AI替代，那十年后谁来干活？”

这就是管理学上著名的“人才管道（Talent Pipeline）”断裂危机。任何一家志在长期发展的公司，其核心竞争力都不是某几个天才的一时闪耀，而是源源不断的人才梯队建设。

资深工程师、架构师、技术总监，这些中流砥柱从来不是天上掉下来的，他们都是从写第一行蹩脚的代砰、熬过无数次深夜的线上故障中摸爬滚打成长起来的。

加曼警告，如果因为AI的冲击而掐断初级岗位的入口，企业的整个知识体系和技术传承将在几年内面临“断头铡”。

资深员工越来越老，新人却一片空白。最终的结果就是：“整个体系会在某一天突然自我崩塌（explodes on itself）。”

事实上，这种反噬已经开始显现。根据求职平台Indeed的数据，截至2025年初，普通及初级科技职位的招聘数量暴跌了34%。斯坦福大学同期的研究也证实，AI对22-25岁年轻软件工程师和客服岗位的就业冲击尤为剧烈。

当所有企业都在“收割”现有的资深人才，而不再“播种”新的幼苗时，一场全行业级别的人才断层危机其实已经在路上。

三、 穿透AI的迷雾：机器永远不懂什么叫“好的工程”

为什么那么多老板会对AI产生盲目的崇拜？因为他们只看结果，不看过程。

在推销AWS自家的AI编程工具 Kiro 时，加曼甚至不得不经常泼冷水。他极度反感业界用“AI生成代码的占比”来衡量开发效率，直言这是“最愚蠢的指标”。“往往更少的代码才是更好的代码。你能用AI写出无限多的代码，但那又怎样？质量呢？”

这就触及了软件开发的本质——工程判断力（Engineering Judgment）。

加曼反复强调，年轻人的核心价值不在于他们能敲多快，而在于他们在导师的带领下，学会了如何系统地拆解复杂问题，如何为特定的业务场景权衡架构的利弊。

让我们回到技术的具体语境中。一个大型分布式系统崩溃了，AI能迅速告诉你哪行代码报错了，但它能理解为什么三年前团队在选择这个数据库中间件时，曾在一致性和可用性之间做过怎样痛苦的妥协吗？它能背负着历史的包袱，在业务压力和系统稳定性之间做出最符合公司当下利益的决断吗？

不能。至少目前远远不能。

AI可以提供无穷无尽的“标准答案”，但它无法替你承担决策的后果，更无法在模糊不清的商业迷雾中指明方向。而这些“软技能”——批判性思维、系统观、对业务的理解以及创造力，恰恰是通过一个个具体的初级员工，在真实的战斗和试错中磨砺出来的。

正如加曼给年轻人的建议：“不要只学某项具体技术，要学‘如何学习’。未来的核心竞争力是独立思考、分解问题和终身学习的能力。” 因为技术迭代太快，固定技能的生命周期正在急剧缩短，唯有“解题的元能力”是AI抢不走的。

四、 结语：AI是一面镜子，照出了企业的格局

站在2026年的当下回望，关于AI与就业的叙事，正在经历一场深刻的割裂。

像福特CEO这样悲观的论调认为AI将抹去半数白领岗位；而像AWS CEO这样的理性声音则在疾呼：别被短期的效率狂欢蒙蔽了双眼。

用AI替代初级员工，表面上剔除了企业肌体上的“冗余脂肪”，实际上却是在抽干企业的血液。那些把AI当成裁员免责声明的老板，不过是三流的算计者；真正一流的企业家，应当像加曼一样，看透AI的工具本质，将其作为放大镜，去激发新一代人才的潜能。

AI时代的洪流不可逆转。但对于企业而言，这面科技的镜子照出的从来不是技术的强弱，而是管理层格局的高下。敬畏周期，投资人才，哪怕在狂热的效率至上主义中，依然保有对“人”这种资产的耐心与远见——或许，这才是穿越技术周期的唯一通途。