a16z：Claude Code 启动后软件开发岗位逆势涨 14.6%，市场证明 AI 让人更值钱

作者：a16z

编译：深潮 TechFlow

深潮导读：当整个科技行业裁员 7% 时，软件开发岗位反而增长 14.6%——原因是 AI 工具让新手也能写出生产级代码。这不是"AI 抢饭碗"的故事，而是工具让人更值钱的证据。从实习岗暴涨到青少年工资增速领跑，劳动力市场的信号很明确：会用 AI 的人正变成抢手货。

图：软件开发岗位职位发布量自 Claude Code 发布以来反弹至 114.6，整体市场则跌至 93。来源：a16z

软件股的选择性抛售

公开交易软件公司的困境仍在继续，但如我们此前所述，当前局面并非无差别的"大屠杀"。

软件股抛售也不是当前或近期业绩的体现，而是市场集体怀疑这些公司能否长期维持表现：

下一个十二月期自由现金流的估值倍数处于或低于 2014 年水平。换句话说，投资者对软件公司现金创造能力给出的溢价是十多年来最低的。

重点在于，即使"SaaS 已死"的证据现在还很薄弱，投资者的职责是对未来有看法，而未来在他们看来有点暗淡。

不过，并非所有软件公司都前景暗淡。差异化和辨别力正越来越成为游戏规则。你可以从几个不同角度看到这一点。

首先看 IGV 指数中位数、头部和底部四分位数表现的差距：

过去 30 个交易日，头部四分位数和中位数 IGV 股票都跑赢了整体 ETF——是底部四分位数（包括一些最大公司）拖累了整体表现。

对比年度回看，情况大不相同：

过去一年，中位数更紧密地追踪整体 ETF 表现——直到年初前后，业绩四分位数才开始分化（现在头部和底部之间有约 50 个百分点的差距）。

回到 30 天视图，显然基本面表现并非近期股价表现的严格驱动因素：

从收入增长角度看，增长与近期表现之间基本没有相关性（尽管公平地说，很多可以用增长变化而非增长水平来解释）。按业绩四分位数划分，同样的模式出现了：有大量软件公司聚集在 10-20%左右的收入增长区间，但表现几乎呈垂直分布，一些收入增长最快（也是 ETF 中最大）的公司位于业绩底部四分位数。

比起增长，更重要的是感知到的长期耐久性。以下是按行业划分的同一图表：

虽然很难清晰地为每家公司分类，但头部和第二四分位数的表现者往往由（1）网络安全/可观测性；和（2）垂直 SaaS 主导。相比之下，底部两个四分位数是水平 SaaS、云/基础设施和"其他"类别的某种组合，其中包括市场平台、广告技术和点解决方案（以及 MicroStrategy 这类难以归类的公司）。

重点很明确。不管对错，市场已经感知到软件公司之间的明确差异——那些似乎具有某种 AI 防御性和/或顺风的公司（以及那些没有的）。

对于网络安全和可观测性，AI 预计将提高买家紧迫性（而且现有厂商拥有 AI 新秀更难颠覆的信任溢价）。

对于垂直 SaaS，围绕工作流、数据和客户关系的专业化信息被视为 AI 挑战者的准入壁垒（而水平平台则无法这么说）。

但对其他所有人来说，信息很明确：软件本身不是护城河。

多年的粘性且不断积累的 ARR、庞大的功能集和广泛采用只是——昨日新闻。很可能几个季度稳定和/或改善的增长会扭转局面，但目前市场并不买账，也不信服。

AI 需求增长 > AI 支出增长

你最近可能听说了从 token-maxxing 到 token-optimizing 的感知转变，这是件大事。

大意如下：虽然前沿模型的训练成本越来越高，但这些前沿改进的边际收益可能不足以说服客户承担额外成本。客户可能不会最大化使用最新最强的 token，而是在可以的地方降级到更便宜、功能较弱的模型（包括开放权重模型）。

对某些人来说，他们认为这种转变质疑了前沿模型开发的可持续性——如果客户不支持最新最强模型的成本，那实验室怎么办？公平，尽管这种反对有点讽刺，因为非前沿模型的快速过时本来也被认为会威胁前沿模型开发的可持续性......而现在非前沿模型越来越不过时，这显然仍然是件坏事。好吧。

不深入讨论那场辩论的是非，我们只是观察到确实智能成本正在快速下降，这似乎对 AI 需求有积极影响。换句话说，Jevons 式的动态继续成立：AI 越便宜，人们/公司就越想使用它（用于更多事情）。

扩大需求面正是你想看到的。

让我们从另一个创新的先例开始，它也是从集中和昂贵开始，然后变得分散和便宜：计算机。与 PC 驱动的上一次技术飞跃相比，在 AI 方面，智能成本下降得更快：

PC 花了将近二十年才实现 AI 在约 3 年内实现的可负担性增益。

这是一个非凡的轨迹，和计算机一样，成本下降似乎正在帮助推动 AI 需求向右上方移动（还有很大的发展空间）。

在消费者端，根据 PNC 银行的数据，付费渗透率仍然很小，但确实在增长：

付费 AI 的家庭份额和他们的平均月度支出都在持续攀升——月度支出增长更陡峭，自年初以来增长约 25%。

它们显然不是完美的比较，但作为一些视角，1997 年只有约 45%的 35-54 岁成年人报告拥有 PC（在计算机商用发布数十年后，主要在企业端）。目前，拥有计算机的家庭份额约为 90%，如果包括智能手机则接近 97%——重点是大众市场采用需要一些时间，它随效用和成本扩展。

也有其他数据显示 AI 需求随成本效率上升。

根据 YipitData 对 OpenRouter 数据的分析（仅衡量总 token 消费的子集），前沿 token 使用量继续增长，同时开放权重 token 继续快速获得份额：

"亚洲供应商"占总 token 的份额（是开放权重替代品的代理）已增长至约 60%，是年初的三倍。OpenRouter 的样本可能至少在某种程度上偏向开放权重用户，但这确实与价格差异化故事一致，也与 Jevons 式故事一致。

同样，根据 OpenRouter，虽然每用户 token 数和每用户支出都在快速增长，但自年初以来前者增长比后者快得多：

再次提醒，OpenRouter 只能看到它能看到的，这种模式与 Jevons 设定非常一致（需求随 AI 的快速成本效率增益同步增长）。

至少目前，很明显随着智能变便宜，它将需求曲线进一步向右上方推动。来自次前沿模型的更便宜 token 确实获得了份额，但净效应是推动整体支出呈指数级上升。这很难说是悲观故事。

悲观者可能仍会声称开放权重模型正在蚕食前沿，但效率增益对需求没有明显影响和/或正在推动总支出下降的替代场景，实际上会更接近末日场景。相比之下，Jevons 正是看涨者所希望的。

入门级岗位的顺风

说到 AI 需求，虽然 AI 据说不够有用无法产生有意义的 ROI，但又如此有用以至于消灭所有工作，我们很高兴地报告，目前几乎没有证据表明 AI 实际上正在产生任何工作杀伤效果。

实际上，即使是劳动力市场中的一个软肋（即入门级招聘）最近也有了一些动力，如果说有什么区别的话，AI 似乎在帮忙，而不是伤害。

首先，根据 Revelio 的数据，2026 年暑期实习的追踪情况远高于前几年：

实习不等于工作，但它们至少是对年轻人的某种需求信号，2026 周期远超'25 和'24（虽然不及'23）。

比这更好的是，青少年和年轻成人的工资增长似乎也在上升：

根据 ADP 的数据，年轻工人（16-24 岁）的工资涨幅已从 2025 年的低点反弹。工资涨幅几乎肯定是需求信号，如果工资在上涨，可以合理推测入门级就业前景也在改善。

至于 AI 的影响（如果有的话），情况甚至更好。AI 似乎正在大幅加速入门级招聘：

根据对 Revelio 的职位数据和 Ramp 的支出数据的分析，"高强度 AI 采用"对应着采用两年后入门级员工数量增加约 6 个百分点。相比之下，"低强度"AI 采用对应着约 0.5 个百分点的下降。

图：高强度 AI 采用公司的入门级员工占比在两年后平均增加 1.15 个百分点，而低强度采用公司反而下降 0.52 个百分点，显示 AI 在'制造'而非'抢走'入门级岗位。来源：a16z

这有几种解读方式，从"AI 正在创造入门级招聘"，到"AI 采用者是增长型公司，因此当然是它们在招人"，再到"Ramp 的数据可能不能代表整体经济，因此很难得出任何结论"。这些都说得通，但几乎可以肯定不成立的一种解读是"AI 正在扼杀入门级工作"。

也许有一天会（尽管有充分理由认为不会），但不是今天。

总体而言，尽管后零利率时代"AI 暴露"岗位的下降被大肆讨论，但关于"AI 暴露"岗位最近正在引领复苏的事实，讨论却相对较少：

根据 Indeed 招聘实验室的数据，自 2025 年 5 月以来，就职位空缺而言，AI 暴露程度越高，复苏幅度越大。这对软件工程师尤其明显，职位发布增加了约 15%，而整体下降了约 7%（从 Claude Code 发布时算起）。

从更大的层面看，现在下结论还为时过早，但就有人倾向于宣称"AI 正在导致人类过时"而言，数据根本不支持他们。如果说有什么的话，情况恰恰相反——AI 暴露程度似乎与就业增长正相关。

图：自 2025 年 5 月以来，AI 暴露程度越高的职业职位发布量反弹幅度越大，软件开发岗位增幅接近 15%，领先整体市场。来源：a16z

公平地说，目前还不清楚"AI 暴露"这个类别到底有多大意义，因为对于什么或谁暴露在 AI 之下（以及暴露程度如何）几乎没有共识：

事实证明，任何给定职业的平均"AI 暴露"程度越高，关于暴露程度的分歧就越大。

图：职业平均 AI 暴露得分越高，学术界对其暴露程度的分歧就越大，说明这一概念仍缺乏共识。来源：a16z

不出所料，在预测新技术的未来影响时，理性的人可能会有不同看法。

当然也有一些例外。每个人似乎都同意，校对员、保险核保员、统计学家，以及有趣的是，经济学家，都非常暴露在 AI 之下。如果 AI 最终取代了人类经济学家，它会承认这项罪行，还是不会有经济学家留下来讲述这个故事？

数据中心让能源更便宜

本周早些时候，纽约州州长霍楚尔宣布对数据中心开发实施为期一年的暂停令。除其他事项外，暂停令的既定目标是"保护电力用户……因为数据中心开发有推高水电费的威胁"。无意贬低她，州长在 Odd Lots 播客上对她的理由提供了更多说明，可以去听听。

话虽如此，这仍是一个令人费解的声明。

虽然数据中心确实在增加电力需求，但证据表明，数据中心实际上正在帮助降低用户成本：

基于伯克利国家实验室和 The Brattle Group 的研究，在州层面，电价上涨与需求增加呈负相关。消耗更多，支付更少——奇怪但真实。

确实，过去 6 年中，一些负荷增长最快（数据中心开发最多）的州，如德州和弗吉尼亚州，几乎没有出现价格上涨。另一方面，价格涨幅最大（新数据中心很少）的州，如加州和纽约州，负荷增长有所下降——加州电力需求减少了约 5%，而价格涨幅超过全国任何地方，比第二高的州高出约 33%。

图：2019-2025 年美国各州电力负荷增长与电价变化呈负相关，加州和纽约州需求下降但电价涨幅最高。来源：a16z

不仅如此，能源需求与能源价格之间的反向关系在欧洲似乎也成立：

根据 EIA 的数据，除爱尔兰外，价格涨幅最大的欧盟国家，电力需求降幅也最大。

图：2019-2024 年欧美主要经济体电力需求变化与电价变化同样呈负相关，德州和弗吉尼亚州需求增长但价格基本稳定。来源：a16z

同样，消耗更多，支付更少。这违反直觉，对吧？

我们都知道，在其他条件相同的情况下，更多需求应该推高价格，而不是相反（如霍楚尔州长所宣称的）。但在电网方面，情况恰恰相反。需求与成本呈反向关系的原因是，电网往往受益于规模经济：电力需求越多，固定基础设施成本分摊得越分散，导致用户整体价格下降。

换句话说，霍楚尔的数据中心暂停令可能非但不能"保护电力用户"，反而产生相反效果：电价涨幅可能远高于有数据中心帮助分担电网固定成本的情况。也许这种关系不会继续保持，但这就是迄今为止的情况。

抛开能源成本不谈，还有更广泛的经济影响需要考虑。现实是，如果没有 AI 相关的基础设施投资，几乎没有任何投资增长：

科技相关投资是唯一增长的投资类别，因此暂停令正好打击了最要害的地方。

图：2022 年以来，科技相关投资（软件、研发、IT 设备与数据中心）几乎是私人固定投资增长的唯一正贡献项。来源：a16z

州长当然有她的理由，但一项可能既（a）提高电价（作为"保护电力用户"努力的一部分）；又（b）剥夺纽约州最重要投资顺风的政策，确实难以理解。