OpenAI说2028年全自动AI研究员。老板，现在还要招程序员吗？

OpenAI说2028年全自动AI研究员。老板，现在还要招程序员吗？

今天看到个数据，愣了一下，又觉得合理：

OpenAI自己家，AI Agent的工时已经跑到人类研究员的三倍多。内部目标，2028年实现完全自动化的AI研究人员。

不是代替行政，也不是整理资料。是研究。代码、实验、技术文档，那些原先靠一群聪明人加班堆出来的活儿。

最近私信里问代码事的老板明显多了。挑三个最常碰到的，一块说。

“我不会写代码，天天听你们说AI编程，我现在到底该招人，还是买AI？”

先停一下。这个问题的前提就错了。

不是“招人还是买AI”。是你要不要为代码这个能力再按人头付费。

OpenAI那份公开的内部数据，有几个点很关键。截至2026年8月中旬，他们研究部门的AI Agent总工时已经是人类的三倍多。覆盖代码编写、实验运行、技术支持多个环节。代码贡献速度上去了，实验密度上去了。但高层规划还是人。

AI已经不是实习生。它是主要劳动力。你的开发能力，不再取决于你雇了几个人，取决于你能不能把一套AI战队列起来。

我的建议很直接：先别急着招。

你现在招一个初级开发来写内部脚本、做数据管道、抽表格，跟2005年招打字员是一个逻辑。不是说他写不出代码给你，是这种能力正在从人的技能变成基础设施。

我们之前帮一个做跨境小家电的客户跑过一条数据线。海外十几条Listing的评论、库存、竞品价格，每天要汇总进Excel。原来助理手动抓，天天加班，还经常错。我们用AI写了个定时脚本，自动拉数据、清洗、出表。那位助理没被开掉，转去跟供应商砍价了。这活儿，一个全职开发不用请，AI两周就顶上了。

所以先别想招不招人。去看你要写的那些代码，有多少是AI可以直接吃掉的。

“那AI写的代码能直接上生产吗？会不会给我埋雷？”

能，也不能。先说能。

Uber这周传出个消息，Agent接了70%的代码PR。什么概念？一大半代码改动，第一手不是人干的。Cursor出了Self-Hosted Machines，Claude可以后台操作电脑，GitHub Copilot在谈降本经验。写代码这件事，正在被一点点拆开、接管。

这不是实验室演示，是生产级、高并发的环境。

不能的部分在于：生产不等于把代码推上去就完事。关键路径、用户资产、资金链路，这些地方必须有边界。

我见过一个团队，AI写了爬虫，自己人看了一眼就上线，凌晨把人家网站请求打死。代码没写错，是没人管范围。生产事故从来不是代码的问题，是没人兜底。

AI可以写一百个接口。但最后签名的人得在。

所以我的判断是：AI写的代码能上生产，但上生产的条件得变。以前是“人写完，人工审”。以后是“AI写完，人审关键点，剩下的测试和回滚也得让Agent自己跑”。

GitHub Copilot那套降本逻辑也提到这个——不是图省三个人的钱，是把人从写代码挪到管代码。老板最后买的不是“代码”，是“不出事”。

“现在模型这么多，OpenAI、Claude、Qwen、GLM、Kimi……我是不是全要学一遍？”

别学。你不是干这个的。

这周发的新模型，你扫一眼就懂：Qwen3.8-Flash-Next开源，训练成本大幅往下走；GLM-5.3-Flash，320B总参数，定价是Opus 4.8的1/40；GPT-5.6上了Kiro，主打性价比。Gemini 3.5 Transcribe做高精度语音转文字，也是往实时交互和效率上走。

不是每个都比上一个聪明十倍。是每个都在变得更便宜、更容易接。模型竞争从拼性能