Anthropic 披露了一份内部用工报告。技术圈讨论最多的两个数字拼在一起，透着一股刺骨的荒诞：
AI Agent 运行总工时达到了全体人类员工的 6 倍，在研究部门甚至冲到 19 倍；技术团队新招人员中，初级岗位的占比从早先的 27% 跌到了 9%，目前正在开放的初级岗位更只剩 6%。
一边是后台算力不知疲倦地并发运转，一边是给新人的大门几乎焊死。
- 发生了什么.Anthropic 内部 Agent 工时全面压过人类，初级技术编制萎缩至 14%，代码提交量激增 5.1 倍，全员会议时长反增 20%。
- 为什么重要.这不是初级程序员被淘汰的简单故事，而是企业在用近乎免费的并发算力制造代码通胀，顺手拆掉了维持几十年的工程学徒制。
- 谁受影响.首当其冲的是 22 到 25 岁的年轻技术劳动力，往后则是整个人类软件工程体系的底层纠错能力。
算力膨胀与全职保姆
所谓的 6:1 甚至 19:1 工时比，在口径上水分极大。
这是把后台多并发 Agent 的运行时长简单累加，去对比按每周 40 小时打卡的人类员工。机器挂在后台等待网络请求和人类输入的空转时间，都被算作了工作时间。
代码提交量膨胀到 5.1 倍，更不等于商业交付价值翻了五倍。在 Anthropic 内部，两成受访员工感到工作性质变了：不再是自己去解决问题，而是疲于应付同时跑着的几个 Claude 进程。工程师从写作者沦为质检员，整天面对索取确认提示的 Agent，不断纠错与调参。
机器生成越多，人类的审查带宽就越吃紧。评测机构 METR 在 2025 到 2026 年的跟踪实验里发现，资深开发者在借助 AI 处理熟悉项目时，客观耗时比纯手动开发慢了 19%。大家要花大把时间看机器吐出来的代码到底对不对。但在事后回访中，这群工程师却坚信 AI 帮自己提速了 20%。
刷屏的字符制造了高效的错觉，真正的耗损全藏在排查暗病和上下文切换里。
| 对比维度 | 机器生成侧 | 人类协作侧 | 实际系统影响 |
|---|---|---|---|
| 产出吞吐 | 代码提交激增至 5.1 倍，工时比达 6:1 | 审阅文本占用超半周时间 | 注意力成为严苛瓶颈 |
| 研发耗时 | 开发者主观感觉提速 20% | 实际客观耗时增加 19% | 调试与切换吞噬真实效率 |
| 协同机制 | 非研发岗位自行拉起工具生成碎片代码 | 会议时长增加 20%，对齐责任归属 | 散装代码堆积，组织信任税飙升 |
抽走梯子的学徒危机
真正危险的信号来自初级岗位的消失。
技术初级招聘占比从 27% 断崖式跌到 9%，在招岗位只剩 6%。三分之一的机器学习主管和五分之一的软件工程主管承认，因为 AI 的普及，团队不再给入门级新人留编制。
这不仅是 Anthropic 一家的问题。斯坦福数字经济实验室追踪薪酬数据发现，在 AI 暴露度最高的技术职业里，22 到 25 岁年轻劳动者的就业规模相比低暴露群体落后了 19%。美联储 2026 年 3 月的工作论文也指出，编程密集型行业的年轻新增就业全面放缓。
最讽刺的结论由 Anthropic 自己的随机实验亲手交出：在学习陌生软件库时，初级工程师靠 AI 协同完成任务，后续的独立知识测试均分只有 50%；脱离 AI、老老实实手动调试的对照组，得分是 67%。
古人讲求学，常说学贵心悟，守旧无功。手写的笨功夫里有认知的肌肉记忆。新人必须在改写接口、排查离奇 Bug 和被反复打回重写的痛苦里，建立对底层复杂系统的敬畏。
AI 替新人把脏活累活全干了，顺便把长脑子的过程也省掉了。
认知公地的远期清算
从微观财报看，每家公司的决策都无可挑剔。砍掉缺乏产出的学徒编制，让资深工程师带着 Agent 狂飙，人均创收数据漂亮得像神话。
但这种算盘建立在一场隐蔽的掠夺上：企业在透支上一代工业机制沉淀下的工程师红利。
资深架构师能一眼看出 Agent 代码里的深层缺陷，是因为他们当年在泥潭里摸爬滚打了十年。学者 Nolan Lovett 把这种代际危机称为认知公地悲剧。当所有企业都不愿意掏学费养新人，都在公地上白嫖老专家的经验余额，造血机能就彻底死了。
清算的时间表并不遥远。等到老一代骨干在十年后陆续离场，新一代工程师从入行起就习惯了向 Agent 伸手，没有谁能在脑海里建起一套完整的系统模型。
更深的信任成本已经反映在日常管理里。中位数会议时间同比增加 20%，正是组织在为不可捉摸的生成物缴纳的信任税。代码越堆越厚，谁也不敢为机器写下的逻辑兜底，大家只能把彼此绑在会议室里反复核对。
Anthropic 的高管曾乐观预期，被淘汰的代码新人可以转行去当护工或电工。但只要线上世界的系统责任还需要人类盖章，一个亲手斩断传承梯子的行业，早晚要面对满屏机器代码却无一人懂其底细的荒芜境地。