最近看到很多"程序员护城河"的讨论，大多数回复要么是"没有护城河"，要么是"转决策层"。我想说一个不一样的视角。

AI 和传统软件不是替代关系，是两种完全不同的系统在博弈。传统软件是确定性系统：同样的输入，永远给你同样的输出。数据库事务、协议流转、格式校验——这些场景容不得半点模糊。

大模型是概率性系统：它的底层是统计推理，不是代码指令。同一个问题问十遍，可能给你十个语义等效但措辞不同的答案。这种特性在处理模糊语义、意图理解上无可替代，但在财务、合规这类追求精确性的场景里，直接嵌入大模型是灾难。

所以混合架构是必然的：传统软件做坚固的外壳，大模型做大脑。 两者各守边界，缺一不可。 这意味着什么？底层软件设计得越烂，AI 执行越容易失效。AI 不是让软件工程消失，它让软件工程的质量要求更高了。

AI 真正改变的是"注意力"的分配，诺贝尔经济学奖和图灵奖双料得主赫伯特·西蒙 1971 年说过，信息的丰富必然消耗注意力。AI 时代这个逻辑更极端。

AI 在做两件事： 一是替代基础注意力——初级代码、数据清洗、文档解析，这些正在被接管。这是真实的岗位消失，不是危言耸听。 二是扩张核心注意力——当底层碎片化的脑力消耗被接管，人的注意力带宽被释放出来，可以聚焦在更高维度的架构设计和业务判断上。

所以 AI 不是笼统地"扩张注意力"，它是在强迫人类注意力向上层跃迁。能在高维度做判断的人，个体生产力会爆炸式增长。跟不上这个跃迁的人，会被替代。

或许也有人说，按照目前 AI 的能力与进化速度，架构师的角色也会逐渐被替换掉。AI 确实已经能做相当水平的架构建议。给它一个清晰的需求，它能给你微服务拆分方案、数据库选型、API 设计规范。中小项目的架构，现在的 AI 已经能应付。但这里有一个关键问题被忽略了：架构的价值不只是"给出方案"，而是"在真实的约束和混乱里做出判断"。

真实的企业环境里，架构师面对的不是一个干净的需求文档。他面对的是：老板说要三个月上线但技术债已经堆成山、两个团队对技术选型有政治博弈、历史系统有一个没人敢动的黑盒、业务方的需求每周在变。

在这种混沌里做出一个"够用的、团队能执行的、未来能演进的"决策——这不是一个信息处理问题，这是一个在不完整信息和真实人性约束下的判断问题。

AI 目前在这里很弱。不是因为它不聪明，而是因为它没有真实的利益关系，没有在这个系统里犯过错、踩过坑、被骂过。AI 能力的边界在移动，而且移动速度超过大多数人的预期。今天 AI 应付不了的复杂架构判断，两年后可能就能应付了。所以真正的问题不是"架构师会不会被替代"，而是当 AI 能做 80% 的架构工作时，那剩下的 20% 是什么，你有没有在那里建立真正的深度？

那 20% 我认为是：真实的业务理解、跨组织的信任关系、在失败里积累的判断力、以及对"什么问题值得解决"的品味。

这些不是技能，是经历。有人会说，给 AI 记忆不就有经历了吗？但记忆和经历有本质差异，它得到的是信息的积累，不是经历。经历之所以产生判断力，是因为它伴随着真实的代价——系统崩了你要负责，决策错了你职业受损。AI 无论积累多少数据，它的建议和后果之间没有利益绑定。一个没有代价的判断者，和一个要为判断承担后果的判断者，给出的建议质量是不同的。不是因为能力差异，而是因为动机结构不同。

综合上面说的，我有以下判断（可能不一定对，仅供参考）：AI 与软件长期会是一种共生关系。真正的赢家不是最会用 AI 的人，而是最清楚在哪里不该用 AI 的人——那种对边界的判断力，才是这个时代最稀缺的能力。