AI的大规模普及，正在以肉眼可见的速度吞噬掉技术行业的初级岗位。自动生成代码、自动调试、自动部署……从CRUD到业务流程组装，许多曾经依靠“人力拼图”的环节，如今只需一段自然语言提示就能完成。
对于企业来说，这无疑是提升效率、降低成本的好事。AI能完成70%的重复性开发工作，人类只需补上那最后的30%决策和优化。可问题也正是从这“剩下的30%”开始的。
那30%，恰好是系统架构、技术选型、性能权衡、系统解耦与组织协同——也就是架构师的职责所在。
而一个称职的架构师，并不是“看几本书”就能速成的。他们的核心价值，来自于年复一年的实战、踩坑、重构与总结。他们知道什么方案为什么失败，知道哪些指标在实际部署中才是关键。他们在复杂性和妥协之间反复拉锯，练出一种“见过”的直觉。这种判断力，无法速成，也无法复刻。
可眼下的问题是，通往架构师的路径正在被AI“掐断”。
AI帮企业省下了训练初级开发者的成本，也让很多新人根本没有机会“动手”。以前一个毕业生进公司，至少能写个按钮、调个接口、修个Bug，慢慢积累；现在AI一口气替你写了十个组件，修复了五个Bug，还附赠单元测试。
在精细化运营和降本增效的压力下，企业自然更倾向于用AI提升生产力，而不是“花钱培养”。更不会为了让新人“学经验”而承担试错成本。
这就导致一个悖论：AI越强，企业越依赖经验丰富的架构师；但新人越难获得经验，未来就没人能成长为架构师。
架构师变成了不可再生资源。今天行业里所有架构师的经验，都是“AI出现之前”通过亲手写代码、做系统、踩坑得来的。而这些人一旦退休、转行或离开行业，就意味着那段“人类经验”的断裂。
更严重的是，AI本身也依赖这些人的经验作为训练数据。 它通过观察人的解决方案来“学习架构设计”，模仿的是已有的最优路径。如果行业失去了经验架构师的产出，AI的进化也会失去方向，变成“模仿模仿者”的闭环。
这是一种“经验存量消耗+增量断绝”的危机。
我们正面对一种隐蔽却深远的问题：当初级岗位消失、学习路径被切断、犯错成本被压缩之后，软件行业的经验将不再自然积累。
AI可以生成代码，但目前还不会提出好的技术方案；可以组合模块，但很难从零规划系统边界；可以优化路径，但无法感知团队协作中的权力博弈和需求变形。它只能学已有的，不能创造经验。而经验，恰恰是架构设计的核心。
这不是反对AI的发展，而是提醒行业：我们不能只看“AI能做什么”，还要关心“人类还能做什么”。
如果再不给新人成长的机会，再不给系统性的犯错留出空间，不只是人类架构师会断层，AI也会无师可学，整个行业会陷入一种“高效但低能”的长期停滞。
解决这问题，也许要从企业激励机制、人才培养方式、项目分工结构、乃至教育体系重新审视。经验不能被跳过，也不能被外包给AI。不然，未来写代码的可能只有AI，但理解它的人，谁也找不到了。