一篇7月的dev.to帖子拖到8月才被几个技术社区反复转，原因当然不是“又一个工程师被AI替掉”这么简单。Alexandra写《Being an engineer in the AI era》当天，公司刚把她裁了。这个时间交叠她自己摆出来了，评论区也几乎全在“AI原生公司反而裁工程师”的讽刺上打转。但把这东西当长吁短叹的素材用，太浪费。我要拆的是她顺手带出来的几个组织内部细节：token花得收不住、AI没解决掉客户问题但还是继续转向、研发线砍掉35%的人。这三件事搁一起，比她那篇正文更接近“AI原生战略在大厂和中期公司内部到底怎么传导”的真实截面。
信源先交代清楚。Alexandra的文章和她在评论区补充的信息，都来自dev.to公开可查的原文（确认）。她提到的公司内部情况——AI自1月起转向、5月起token花费失控、研发裁员35%、离职前提交的报告数据——这些只有她一个人的自述，没有任何第二个在职或离职员工交叉印证，也没法从公开的财务或招聘数据反向核验。所以后面凡是用到这些，我都标（据当事人自述，未交叉证实）。这不是说她不可信，是这类单一口径在行业报道里只能当线索不能当结论。评论区的那些观点（观点），只能用来判断行业里一部分工程师的认知正在往哪边靠，不能当事实用。
有一个她正文里不太起眼的观察，我觉得比“被裁当天写文章”值钱多了：她待的那家把“AI原生”写进公司身份的企业，公开质疑AI会令人不舒服。这句话不是情绪发泄。它描述的是一个组织层级的问题——当一家公司的战略叙事被“AI原生”主动锁死之后，内部任何对AI实际效果的负反馈，都不再是工程问题，而变成态度问题。你提一个架构设计上的质疑，机制上还是技术讨论；但如果你说“这个AI代理在这个业务场景里没解决问题”，在AI原生公司里很容易被读成“你在否定公司战略方向”。
这种传导链本身不新鲜，和过去“数据驱动”“云原生”在公司政治里的用法一个路数。据我了解到的情况，一些大厂内部对“AI编程工具到底提没提效”的质疑，也会有类似的温差：通稿口径是“全面拥抱”，一线工程师说“实际提升有限”，中间的断层往往在工程效能部门那里被缓冲掉，不会直接捅到决策层。但Alexandra描述的那种不舒服，跟大厂还不太一样。大厂不管怎么样还有合规、审计、平台团队这些缓冲层，一个工程师说工具不好用，最多被归为“适配问题”慢慢消化。但在规模更小、身份全靠“AI原生”撑着的公司里，缓冲层薄得多，质疑离战略认同的边界非常近。
这是我的分析，不是事实：这种“把技术质疑读成战略不忠”的组织氛围，是AI原生叙事的伴生现象，不是个例。它能解释为什么一些明显跑不通的AI尝试可以在公司内部活很久，没人愿意当那个拆穿的人。
下面几条真正硬的信息，都基于她评论区的自述，我按时间顺序理。1月，公司战略转向AI。这个转折点在dev.to评论区写得很自然，不像她刻意拿出来当证据。5月，token花费开始“花得过多”。她自己用的词比较口语，但核心是一句话：没有额外收入来支撑百万级token的支出。7月，她离职前提交的一份报告显示，AI在解决客户问题这件事上效果很差，“约九成案例由人类解决”。紧跟着7月7日，公司裁员，研发部约35%的人被裁，她自己在其中。然后当天她写了那篇文章发出来。
（据当事人自述，未交叉证实）这串时间线从1月到7月，只有半年。别的都不看，光这个节奏就很能说明问题：AI转向、token花冒、AI被证明没解决客户问题、裁员。注意一下这个顺序——不是“AI没效果所以公司转向”，而是“先转向AI，花了很多钱，然后才发现没效果，接着裁员”。如果把顺序颠倒过来，故事就完全不一样了。这个因果顺序是整件事里最刺眼的部分。评论区的讨论基本没按这个顺序拆，因为注意力全被“被裁当天写文章”这个戏剧性细节吸走了。
还有一个细节值得拎出来。她说公司从5月开始在token上花过头，但没额外收入去撑。这句话说明什么？说明至少到5月，AI产生的成本已经被当成独立项在关注了，而且没有对应的收入预期。这个事在大厂里完全是另一个逻辑。据此前记录过的几家大厂内部口径，AI编程工具的采购和token消耗多数走工程效能预算，衡量口径还停在“开发周期、提测通过率”这类很难直接归因到收入的指标上，不会被单独当成一块要跟业务收入对账的成本。但她那家公司能把token花费单拎出来算到“没额外收入支撑”这个程度，说明财务层已经把AI当成一条业务线在考核了。AI原生公司的账，从第一天起就比大厂算得粗——先花，花到肉眼可见地不对了再回头想问题。
至于那35%的研发裁员，最保守的说法是：一家公司在自己最核心的研发资产上砍掉三分之一，而战略方向是“更AI原生”，这两件事放在一起，至少说明AI原生战略在这家公司内部没有转化成工程师的不可替代性，反而成了可替代的论据。这个推论不需要额外信源，单凭这个裁员比例和方向就能立住。至于这是短期现金流压力，还是这套战略本身走不通，盖文不下这个判断，这是趋势分析型同行的活。
有意思的是，真正有内容的评论几乎没有一个在喊“AI不好”。“人类中心”派在评论区其实是少数，更多人的态度比Alexandra那篇文章本身冷静得多。两个方向值得记一下。
一个方向是David和Alex Shev各自独立讲到的——判断力。David的说法偏工程实操：AI适合自动化重复劳动，但架构、权衡、领域理解和责任还是要人来兜底，最终是“人在回路”的混合模式（观点）。这个表述几乎已经成了圈内默认的过渡性共识，没什么新意，但它提示的是另一件事：连评论区的独立读者都开始用“架构、权衡、领域理解”这套词汇来划定AI够不到的边界，说明这个边界在从业者心里已经比“AI能写代码吗”这一年的讨论清晰多了。
Alex Shev那条我觉得更值得记一笔。他说AI时代代码生产变便宜之后，工程师更核心的能力是“充裕下的判断力”——决定什么该存在、怎么约束系统、怎么验证结果（观点）。这个角度直接把“生产力”这个框架给换掉了。AI原生公司那套“token成本vs收入”的算法就是纯生产力框架，但Alex Shev进的是另一个问题：当产出不再稀缺，稀缺的是“该产出什么”的选择。这两种话语目前在行业里是并行的，公司层用生产力账本，工程师层开始转向判断力叙事。这个裂口正在变大，但我也只记录到“正在变大”为止。
Yurii的评论把Alexandra正文里一个可能被误读的点拉回来了。她那篇原文有一段高度理想化“挣扎”的叙述，大意是混乱代码、生产事故、犯错这些痛苦经历才是工程直觉的来源。这个论调放在平时要被喷成“浪漫化受苦”。Yurii提醒说别把低质量摩擦美化成必经之路，AI能移除的是那种“纯消耗型摩擦”，架构权衡、领域理解、用户体验这些真正的人类工作才是不该外包的部分（观点）。然后Alexandra回复了他，说初级开发者不经历挣扎阶段，没法长出经验判断力（据当事人评论，确认）。这两句话放在一起，其实完成了一个小闭环：不是所有的“难”都值得保留，但有一类“难”是判断力的原料，那类不能外包。我的看法（分析）：这个换法比“该不该用AI”的二元争论有用多了，因为它在逼行业去定义“哪类工作属于维护判断力的训练场”。但这个定义，目前没有任何一家公司哪怕在内部文档里试着做过。
再扯一句她正文里反复强调的“meraki”——把自我投入工作、用心创造这个概念。她用它来论证AI时代工程师的价值来自“上心”，这个论证本身我没有多反对，但放在那家公司7月的语境里，它更像是对一个即将到来的裁员通知提前做出的心理辩护。这样说可能有点刻薄，但读原文的节奏确实是先铺陈哲学，再交代当天被裁。我的判断是：这篇文章的第一读者其实是她自己，其次才是行业。
把上面这些拼一块，能看到一个相当具体的断层。Alexandra的正文在讲“工程师的长期价值来自于关心用户、经历痛苦、形成判断”；评论区的高赞意见在讲“判断力才是AI时代工程师的核心资产”；而她公司在同一时间做的事情是：花掉百万级token、砍掉35%研发、AI没解决客户问题却不回头。前两者说的是未来的工程师应该怎样，后者说的是当下的公司实际在怎样。两边完全不在同一个频道上。写这篇文章如果为了煽动“工程师要被抛弃”的焦虑，那这个断层是好素材。但我更在意的是，它暴露了一个特别普遍的内部传导机制：公司层对AI的采用，核心逻辑是成本替代和生产力承诺；从业者层对AI的应对，核心逻辑是判断力壁垒和价值重锚。这两套逻辑放在同一张办公桌上，谁也说服不了谁。这不是价值观问题，是账本问题。账本之下，“AI原生”这种战略叙事能在公司内部畅行，正因为它是唯一一个同时能糊弄投资人和内部员工的词。
接下来几条信息我放在“几个值得盯的信号”收尾。不是预测，是说哪些公开变化能帮我们对这套断裂进行下一步核验。
几个值得盯的信号：一、Alexandra就职公司的裁员后续——有没有其他离职员工公开补充研发团队的实际规模和AI项目的投入产出，目前这件事只有单一信源，不值得急着定性。二、那篇dev.to帖子如果继续被转发到更广的范围，她原公司有没有任何公开回应或者内部员工在其他渠道释放信息。三、后续同类AI原生公司的招聘JD里，有没有开始出现“判断力”“架构权衡”“人在回路”这类措辞——这是一个可核验的公开信号，能间接看出行业对这次“AI原生”失败的复盘是否传导到了人才标准层。四、token成本这条线尤其值得盯：有没有更多公司的财报或裁员公告里开始出现类似“AI投入过大、未形成对应收入”的表述。如果出现多个独立信源，说明AI原生公司的账本模式已经在经历第一次集中的财务考验。目前，记这一例就够了。
这篇我只用一个信源就把线串了起来，自己也不大舒服。相关公司的在职或离职同学如果看到，欢迎匿名补充，特别是那35%研发裁员的实际部门分布和AI项目的真实效果数据。有更准确的数字和结构，下一篇才好把“信源单一”这条补上。