当 Codex、Copilot、Cursor、ChatGPT 等能帮你写页面、查资料、搭原型之后，「会不会写代码」还在拉开人与人的差距吗？我的答案是：技术没有失效，但差距的重心已经变了。
写在前面
这两年有一个很明显的感受：
以前做一个待办 App，从搭架子到写交互，可能要折腾好几天。现在？描述清楚需求，AI 几分钟就能给你一个能跑的版本。
于是很多人开始焦虑：我是不是只要会提问就够了？技术还重要吗？人和人之间还剩什么差距？
我觉得，差距并没有消失，只是从「技能存量」转向了「认知与行动质量」。下面是我整理的几个维度，也欢迎你在评论区补充自己的看法。
1. 解决问题的能力：AI 给方案，人定问题
这是我认为最核心的能力。
AI 很擅长回答问题，但不擅长定义问题。真正值钱的人，通常能做到：
- 把模糊需求拆成清晰、可执行的问题
- 区分「表面症状」和「真正根因」
- 在信息不全时做出合理判断
- 知道什么时候该推进，什么时候该停
举个开发中很常见的例子。
同样是做 Todo，有人想到的是：列表、勾选、删除、本地存储——然后让 AI 快速实现。另一个人会先问：
- 用户为什么总是拖延？是任务太大，还是缺少优先级？
- 个人场景和团队场景的需求一样吗？
- 哪些功能看起来酷，其实没人会用？
前者是在实现功能，后者是在解决问题。AI 能大幅加速前者，但后者的质量，决定了这个产品有没有真实价值。
所以技术没有消失，而是换了角色：从「门槛」变成了「杠杆」。
- 会提问、会拆解、会验证的人，AI 是放大器
- 只会照搬答案、不会判断对错的人，反而容易被 AI 带着走
2. 知识的广度：不是啥都懂一点，而是能连起来
广度不等于浅尝辄止。
真正的广度，是跨领域建立联系的能力。一个看起来简单的产品决策，往往同时涉及：
- 用户心理
- 技术可行性
- 商业成本
- 团队协作方式
AI 可以迅速给你一堆知识点，但「A 领域的约束如何影响 B 领域的方案」，仍然很依赖人的经验与直觉。
比如你做前端，懂一点产品思维、懂一点业务逻辑、懂一点数据指标，就不只是「接需求写页面」，而是能参与「这个需求该不该做」的讨论——这在 AI 时代反而更稀缺。
3. 业务的深度：知道什么值得做
如果广度让你看得更远，深度则让你看得更准。
懂业务的人会多问几层：
- 这是真痛点还是伪需求？
- 高频场景还是偶发场景？
- 上线后对留存、转化、成本有什么影响？
- 现在做和三个月后再做，差别在哪？
AI 可以高效地把事做出来，但哪些事值得做，来自对行业、用户、场景的长期理解。这种理解没法靠几次对话速成，它来自真实反馈、失败、复盘和积累。
当「实现成本」大幅下降时，选择比执行更贵。
4. 有想法的人：方向感来自人，不来自模型
这里的「有想法」，不是空想，也不是堆概念，而是：
- 看到别人没注意到的机会
- 对体验、流程、价值有明确立场
- 愿意把模糊直觉变成可验证的假设
- 敢于在不确定中做取舍
AI 是强大的执行者，但方向感仍然来自人。模型可以生成十个方案，却无法替你承担「为什么选这一个」的责任。
5. 判断力与品味：做出来便宜了，做得好更值钱
当实现变容易，另一个差距会更明显：判断力。
- 什么是好方案，什么是过度设计
- 什么是真需求，什么是伪需求
- 什么时候追求完整，什么时候追求简单
同样一份 AI 生成的代码或设计，有人能改到恰到好处，有人会堆满无效功能。差距不在工具，而在对好坏的感知标准。
这在 Code Review、架构设计、产品打磨里都一样：AI 能给你 80 分的草案，但从 80 到 90，往往靠的是人的判断。
6. 沟通与推动：很多问题最后不是技术问题
很多项目失败，不是因为技术做不到，而是因为：
- 目标没对齐
- 关键角色没被说服
- 组织里推不动变化
- 团队对「成功」的定义不一致
AI 可以帮你写文档、写邮件、写方案，但信任、谈判、协调、对结果负责，仍然是人的强项。
AI 让「单兵作战」更容易了，但「把事做成」往往仍然需要协作。会沟通、会推动的人，价值不会下降。
7. 角色正在重组：从「想 / 做 / 管」到「定义问题 + 放大执行」
过去常见的分工：
想的人 / 做的人 / 管的人
现在越来越像：
会定义问题的人 + 会用 AI 放大执行的人
这意味着：
| 以前很重要 | 现在同样重要，但含义变了 |
|---|---|
| 会不会写代码 | 能不能判断 AI 写的代码对不对 |
| 会不会查资料 | 能不能提出好问题、验证好答案 |
| 会不会做 Demo | 能不能把 Demo 推进成有价值的结果 |
未来的差距，可能不再是「你会不会写代码」，而是：
- 你能不能发现问题
- 你能不能做出取舍
- 你能不能对结果负责
- 你能不能持续学习并调整方向
结语
AI 没有抹平人与人的差距，它只是重塑了差距出现的位置。
技术依然重要，但它更像基础设施，而不是终极壁垒。真正拉开距离的，是：
- 解决问题的能力 —— 知道要解决什么，并持续推进
- 知识的广度 —— 能把不同领域连接起来
- 业务的深度 —— 知道什么值得做、为什么值得做
- 有想法的行动力 —— 能把判断变成结果
- 判断力与品味 —— 在众多方案中做出更好选择
- 沟通与推动能力 —— 让正确的事真正发生
技术会让人更容易起步，但不会自动让人变得更强。
AI 时代，差距越来越不是「谁知道得更多」，而是「谁更能看清问题、做出判断，并把事情推到终点」。
如果这篇文章对你有启发，欢迎点赞收藏，也可以在评论区聊聊：你觉得 AI 时代，程序员最该投资的能力是什么？
