程序員正在集體“自費上班”：為了保住工作，每月倒貼買token

黎詩景是廣東一家大數據公司的AI架構師（程序員職業的細分崗位）。2025年，公司購買了美國一款AI編程工具的企業會員，技術員工在業務中使用token不限量。但從今年年初開始，公司退訂了企業會員，改成每人每月限用200元的token。

而黎詩景的KPI，早就被提了上去了。公司沒明說效率要翻倍，但這個要求被隱形地塞進了日常工作安排中。她之前負責一個項目，評估下來要一個半月，被主管直接駁了回來，主管認為有AI幫忙，三個星期就應該上線。

這成了黎詩景的工作常態。token的預算降了，公司和上司依然默認效率要翻倍。她只能自己掏錢買token，先用Trae（一款AI編程工具）和WorkBuddy（騰訊的AI辦公智能體）的免費token額度，不夠了再去更便宜的DeepSeek大模型上充值。

自費買token的打工人

石健在上海一家傳統企業的技術部門工作。公司相對保守，沒有購買任何大模型的企業會員(互聯網上常說的“公司發token”，大多是指這種企業會員訂閱)。但技術負責人鼓勵他和同事多用AI，同時把工作效率和質量的標準都提高了，最近還裁掉了兩名員工。

石健在團隊里做產品經理。今年3月，新項目一啟動，他的token消耗量猛漲，各大模型送的免費額度很快見了底，他只能自掏腰包再買token。一開始，他開通了海外一款大模型的個人會員，一個月花費20美元。5月份他又開通了另一款海外模型的會員，每月總支出60美元。隨著國內的大模型愈加成熟，6月份他開始搭配國產模型使用，盡量壓低開支。

雖然每月花費不少，但石健和同事都沒跟領導提過報銷的事。公司規模大，流程繁瑣，預算卡得很嚴。大家心里都明白，看不到明確的投資回報，公司不可能掏出真金白銀給員工買token。

團隊的工作量，是按年度計劃提前排好的，眼下石健的工作量沒有明顯增加，但他的壓力并未減輕，下班時間也更晚了。畢竟上司的要求高了，AI省下來的那點時間，被他用來做更多事情，或探索新的方案。

人力淘汰已經在進行中。石健所在的12人小團隊，原本計劃借助AI，讓前端轉崗后端開發，因為后端的替代門檻更高。但前端人員短期內根本無法勝任后端工作。結果2個前端工程師被裁員，空出來的崗位，公司另招后端填補。石健更擔心的是另一件事，如果AI提高效率后被公司上層注意到了，明年很可能工作量漲了，卻不加人手，說白了還是削減人力支出。

在馮少林的公司里，高層對AI的態度更加曖昧。公司不發token，還明確要求有些工作內容不能用AI。但從今年3月開始，他和同事的工作量明顯多了起來。在他看來，這是一種雞賊的暗示，說白了就是“你用AI寫代碼我不管，但別讓我看出來”。

馮少林所在公司規模不大，主營業務是給傳統行業提供技術支持，行業競爭激烈，疫情之后技術人員已經砍掉了兩三成。

馮少林和大多數技術同事，都在自費買token。他算的是另一本賬：眼下他每月花大約100元買token，讓AI幫他干一些“雜活”，這大概能分擔四成的工作量。這筆錢不算多，但如果找公司報銷，領導可能會認為他的工作被AI分擔了一部分，漲薪的時候很可能就少漲了。同時，領導已經默認大家工作中會用AI，誰不自費買token，就會變成團隊里效率最低的那個人，很有可能被裁員。

這也是馮少林結合公司的職場文化，總結出來的生存策略。老板是個喜歡把焦慮掛在嘴邊的人，區塊鏈來了擔心區塊鏈，元宇宙來了擔心元宇宙，AI來了又擔心AI。他既怕被時代落下，又不愿意真金白銀地去嘗試。所以公司上下對AI的態度，大家都心照不宣，“用可以，但不能拿到臺面上說。”

最近半年，公司雖然沒有直接裁撤技術員工，但只要現有員工能把活扛下來，就不會再招新人，一人多崗的情況已經出現了。馮少林預感到一些同事的未來命運，比如初級產品經理的工作，AI已經能替代不少，公司很可能會換一個高級產品經理來做門檻更高的工作。前端崗位暫時還在，但公司很可能找一個掌握前后端技術的全棧工程師來替換。

在馮少林看來，自己掏錢買token也算是一種自我投資。早學的人比晚學的人多占一點信息優勢，在未來的篩選中更有機會留下來。但他也清楚，這個能力說到底就是個信息差，算不上真正的核心競爭力。

社交平臺上，有人用一個黑色比喻形容這種心態：“自費買token，是自己買繩子，然后套在自己脖子上，不用人來拉，我自己就能跑得更快。”

程一巍在武漢做程序員，與多數同行不同，他明確反對公司發放token，因為“所有發token的公司幾乎都關聯了裁員”，這是他從新聞報道和同行的現實境遇中得出的結論。

程一巍工作中也用AI，每月自費買token的錢不超過200元。反對公司發放token，是他規避行業裁員趨勢的一種考量。在他看來，眼下AI能夠提高效率，但幅度有限，公司不可能白白承擔AI的費用，最終只能從員工身上找補，要么降薪，要么裁員，提議公司發token的技術員工，無異于“親手打開了裁員的潘多拉魔盒”。

前不久的新聞里，國內外不少互聯網大廠因為員工token消耗過快，開始限制預算。在石健看來，這暴露出一個現實問題，算力開支增長太快，業務收入短期內根本跟不上。“老板是要算賬的，當算力成本接近人力成本時，AI的‘性價比’就會打折扣，完全替代人力不現實。”

楚益是騰訊的前員工，目前在深圳做互聯網創業。在他看來，大廠限制token用量的新聞，其實是一種被放大的焦慮。“在頭部大廠，每月token額度用不完才是大多數人的常態，即便限額以后，對于大多數程序員也足夠了。”

楚益判斷，國內外的一些頭部互聯網公司，之所以開始限額，是因為token整體賬單太貴，AI的產出又遠遠低于他們的預期，并非token單價太高。賬單太貴的一個重要原因，是大公司里token的浪費和濫用。

“token消耗量更多是一種成本評估手段，并不代表真的用AI做了那么多事。”楚益說。

據楚益觀察，盲目推崇海外模型在業內相當普遍，但海外大模型給企業的定價過高，而且國內采購的話，數據安全層面也會涉及合規問題，這可能也限制了企業的付費動力。事實上，目前國產和海外模型的差距越來越小，國產大模型Kimi K3的能力，與海外模型GPT-5.6 Sol、Claude Fable 5都在第一梯隊。

AI能做什么？

程一巍認為，隨著大模型的不斷進化，AI寫代碼的能力確實在精進。但他強調，寫代碼在程序員的工作里只占很小一部分，更多時候要搞清楚“該寫什么”和“為什么要寫”。目前AI能替代的，是那些形成成熟方法論的基礎、重復性的工作，比如從數千萬條日志里查特定信息的流向。這一類工作屬于“純粹體力活”，AI幾乎全都能代勞。這一點馮少林的觀察與程一巍接近，AI能完成絕大多數基礎、重復性的工作，但核心部分還是需要人。

程一巍還發現一個問題，教會AI去做一件事，有時候比自己動手還費勁。“為了教會AI而準備的文檔和提示詞，耗費的時間和精力，比自己寫那幾行代碼還要多得多。”

在 程一巍 看來，AI的能力有清晰的天花板。“程序員自己的能力上限，決定了AI使用的上限。你自己沒有能力做到的事情，就算用AI，能做到的也有限。” 楚益 認為， AI提效如何，跟團隊里主力工程師的水平和管理模式密切相關。

程一巍和馮少林、石健都有類似的感受，AI寫代碼確實快，但后續維護的壓力遠比以前大。以前自己一行一行敲出來的代碼，每一段是什么自己心里有數，出了問題很快就能定位。現在AI一天產出的代碼量可能是以前的十倍甚至更多，人工根本審不過來，后續出bug，程序員自己都找不見位置，代碼不是自己寫的，印象不深。尤其是給舊系統打補丁的時候，需要很強的架構能力來約束，否則很容易變成一堆沒人敢動的“亂麻”。

在楚益看來，AI給程序員帶來的壓力，已經從“寫代碼”轉移到了“集成、評審和QA”層面，打個比方，如果說AI寫代碼相當于在“切菜”，那現在程序員面對的就是堆成山的備菜，要做出更多宴席，還得負責嘗出每道菜的水準，再端上桌。

“即使是最厲害的 AI ，也可能犯不可挽回的過錯，這個非常嚇人。” 楚益擔心，目前整個行業對于AI的使用都在摸索階段，如果處理不好這個問題，團隊可能陷入“代碼審核風暴”，主力工程師的大量時間被消耗在審核AI生成的代碼上，反而沒空做正事。

黎詩景也有相似的感受，“在外行人眼中，寫代碼可能是程序員最有含金量的能力，現在AI可以寫代碼，意味著替程序員分擔了大量工作。事實上，寫代碼只能占程序員實際工作的30%。” AI接下這30%后，留給人的工作都是高度消耗腦力的，比如審核AI寫的代碼、拉通對齊。更麻煩的是，AI的效率太高，為了不讓流程卡在自己手上，人的效率也要跟著提高。

另一重壓力來自于需求市場。楚益在做金融科技方向的創業，他的客戶分布在香港金融業，他發現不同客戶對AI的期望也不一樣，銀行業非常保守謹慎，但券商等交易方對AI的態度很激進，甚至抱著不切實際的幻想，畢竟香港的人力成本更高，客戶希望AI能替代的東西，比目前能做到的要多得多。“這個反而更麻煩”，楚益說。

人會被AI替代嗎？

一部分崗位確實正在消失，AI進入工作場景前，石健的團隊曾嘗試過培養全棧程序員（前端后端都能兼顧），不過落地效果并不好，前后端協同復雜度太高。但現在有了AI，這個目標基本可以實現。

楚益的公司有大量的前端需求，他發現，在前端這塊，AI對工具類的、不追求細節和太高穩定性的需求（比如公司內部用的數據報表頁面）非常擅長，因為邏輯相對固定、樣式不復雜。但對于面向普通用戶的產品，比如小紅書、微信，這些互聯網產品涉及到大量精細的視覺調試和用戶體驗打磨，AI做不到那么細致。而對于“跨終端棧”的需求，比如同一個功能要同時開發網頁、App、小程序，或蘋果和安卓兩個系統，AI能做的就更少了。

“可能會被淘汰的，是那些只會寫代碼、問題稍微難點就要主程兜底的碼農。”楚益判斷，程序員這個行當，未來對從業者的專業要求會更高，大家的成長和訓練周期也會更長。黎詩景也這么看。

“我看到另一個趨勢是入門開發者的處境變得更難。” 楚益說，現在畢業生的就業門檻，因為AI沖擊，被抬高到“會業務 + 會 AI + 能判斷”的“mini中高級工程師”。不過，因為嚴峻的就業形勢倒逼，近年來很多計算機專業畢業生的能力，倒是比以前的入行者更加扎實。

楚益覺得，“AI取代程序員”這個說法有點危言聳聽，中高級程序員應該是供不應求的，因為代碼評審和兜底的需求在暴漲。

還有一個事實不容忽視，AI能解決技術問題，但解決不了人與人之間的問題，比如職場文化、組織慣性、大公司病。

黎詩景認為，程序員數量會減少，但不會被AI完全替代。一來AI的工作必須要人來承擔責任，再者AI目前還無法與現實世界交互，人與人之間的溝通、確認和交流，AI無法勝任。

黎詩景指出了AI在實際工作中的局限性。在她看來，AI不夠嚴謹，也不會通盤考慮問題。她遇到過兩種問題：一種是AI對功能需求沒理解透，卻不主動澄清細節，最后在某個特殊條件下突然出bug；另一種是AI太理想化，默認外部接口都是好的，直接拿來用，最后出了問題，還得人類去扯皮。

石健在實際工作中發現，AI更適合處理獨立的、確定性的小模塊任務，對于綁定歷史業務的復雜系統，AI 根本解決不了問題。像他的公司，內部系統還有大量歷史數據，受各種現實問題約束，不能一股腦喂給AI，必須人工梳理、銜接上下游邏輯，再拆分成獨立模塊分配給AI。人是核心的中轉協調角色。

最近美國的新聞報道，也印證了石健的判斷。報道透露，越來越多部署Agent（能自主執行任務的AI助理,這里特指企業業務自動化Agent）的美國企業發現，Agent可以寫代碼、調用API，卻沒法理解一家企業多年積累的數據、權限和業務流程。

AI產業出現了一個頗具黑色幽默的轉折，企業已經不太缺Agent，真正缺的是能替它梳理舊系統的人，在行業內這類人才被稱為FDE前置部署工程師（核心職責是落地 AI 項目、梳理企業老舊的業務系統、對接客戶需求，是 AI 時代新崛起的核心崗位）。根據獵頭公司Christian & Timbers（C&T）的研究，目前美國真正具備這種能力的工程師大約只有2000人。2000人不是空缺崗位的數量，是符合要求的人才一共只有2000人。

更讓黎詩景擔心的是，AI的介入正在放大互聯網行業的一個老毛病，即無效內卷。

在很多形式主義、官僚主義嚴重的互聯網公司，一個項目上線了多少頁面、多少功能，是最直觀的績效指標，直接跟升職加薪掛鉤。這種評價體系往往導致的結果是，項目里堆滿了無用的功能，真正符合用戶需求的反而做不出來，還因為功能太多頻繁出現線上事故。

“AI的到來讓這個問題更嚴重了，AI最擅長的就是快速堆砌功能，正好迎合了這套評價體系。”黎詩景說。她擔心的，就像前面幾位從業者頻繁強調的那樣，AI生成的海量代碼，人力根本沒有時間和精力審核，只能硬著頭皮往上推。風險擊鼓傳花，越積越多，未來可能形成無法預測的巨大風暴。而后續維護的程序員只能加班補窟窿，活越干越多，鍋越背越重。

（文中人物采用化名）

文丨黃小邪

本文由深圳微時光原創發布

轉載需授權，歡迎轉發至朋友圈