我的 AI 启蒙，可能是看到 AlphaGo 战胜李世石的新闻。
但真正让我开始认真思考“AI 会不会取代人类工作”的，而是近几年大语言模型的出现。相比围棋这种封闭、规则明确的问题空间，大语言模型所面对的，是高度开放、模糊、充满人类经验与语言噪声的现实世界。
也正是在这里，前端工程师这个职业，第一次被真正放到了“可被替代”的讨论中。
前端工程，本质上并不是一个高度数学化的领域。
它更像是工程、设计、产品理解、业务约束和经验直觉的混合体。
长期以来，人们之所以认为前端难以被自动化，是因为它“太不规范”了：
需求经常变化、设计稿存在大量隐含信息、业务逻辑掺杂主观判断，代码本身也并不总是追求最优解。
但大语言模型的出现，恰好命中了这一特性。
它并不需要问题是“完美定义”的。
相反，它擅长在模糊描述中补全上下文，在不完整约束下给出“看起来合理”的结果。这一点，和真实世界中的前端开发异常接近。
从今天的实践来看，大模型已经可以稳定完成相当一部分前端工作：
-
根据自然语言需求生成可运行的组件代码
-
通过如 Figma mcp 可以将设计稿描述转译为结构合理的 UI 代码
-
理解并修改既有项目中的逻辑与样式
-
在大量既有前端范式中“选一个最像人类会写的方案”
当然，这些能力并不依赖它“理解前端”，而是依赖它对大量前端代码与开发语境的统计学习。
换句话说，它并不是在“像工程师那样思考”，
而是在“像工程师那样输出”。
这也让前端工程第一次暴露出一个残酷的事实：
相当一部分工作，本质上是“模式复用”和“经验迁移”。
组件结构、状态管理方式、样式组织策略、工程化配置，这些东西在过去十多年里，已经形成了极其稳定的分布。
而稳定分布，正是大模型最擅长的土壤。
当一个系统能够在几秒钟内，基于全人类前端经验生成一个“80 分方案”时，人类工程师的优势，就只剩下那 20 分。
这 20 分是什么？
是对业务目标的理解，是对长期维护成本的判断，是对“不写这段代码会更好”的克制，是对团队协作和演进路径的把握。
但问题在于，这 20 分并不总是被需要。
在大量实际场景中，“差不多能用”已经足够好。
而当一个系统可以低成本、可复制地提供“差不多能用”的方案时，职业结构就一定会发生变化。
这并不是前端独有的问题。
只是前端，恰好是技术岗位的边缘职业，在这个位置上，必定会成为最早被冲击的那一批。
从短时间来（十年、二十年）看，我并不认为大语言模型“马上”就会完全取代前端工程师。
我也不认为，这个职业会以今天的形态长期存在。
它更可能被重构：
从“写代码的人”，变成“约束、验证、修正模型输出的人”。
而这，已经不再是一个纯粹的工程角色。
从更长的时间尺度来看，我的观点是悲观，AI会在任意场景都能取代任何职业，而不仅仅是小小前端开发工程师了。
把视角继续拉远，职业层面的讨论都只是局部震荡了。真正值得被认真对待的，是一个更大的趋势：人类是否本身就会被一种更高效的智能形态所替代。
前端工程师之所以显得脆弱，并不是因为这个职业不重要，而是因为它高度依赖语言、经验、模式和既有知识的组合。而一旦某种系统在这些维度上，长期、稳定地做得不比人类差，甚至更好，那么被替代几乎是一个结构性的结果，而不是道德选择。
也正是在这个意义上，我对“人类一定会被取代”这件事，其实并不感到意外。
原因并不在于 AI 有多完美，而在于人类本身并不完美。人类社会的运行，从来不是围绕最优解展开的，而是被贪婪、恐惧、权力和短期利益不断拉扯。技术越进步，这些缺陷往往被放大得越明显。
因此，我并不相信人类能够依靠自身进入真正意义上的大同社会。我们可以创造高度复杂的系统，却很难在其中长期保持克制与协同。
而 AI，恰恰可能不需要解决这些问题。
它不需要占有，不需要恐惧未来，也不必为自身的存续争夺资源。如果某种人工智能能够在没有这些人类内在驱动力的前提下，持续运行一个高度协同、低内耗的系统，那么它反而更接近人类反复设想、却始终无法抵达的状态。
从这个角度看，被取代本身未必是一件坏事。
也许，AI 并不是为了服务人类而诞生的。它更像是一种潜在的继任者，一种能够在更长时间尺度上，继续探索这个世界的存在形式。
而工程师只是最先站在浪潮前沿、感受到寒意的那一群人。
