一句话看懂：开发者 Leto Bao 在 X 上发帖称程序员将被 AI 取代，未来属于“AI + 金融/医疗/工业”的行业人，这条帖子浏览量超过 11 万，引发评论区关于 AI coding 与行业 Know-how 谁更稀缺的争论。
事件核心：发生了什么
2026 年 9 月 12 日，X 用户 @leto_bao 发文提出一个判断：程序员“除了写代码啥也不会”，而写代码这件事已被 AI 100% 取代，因此这个群体必然被淘汰；未来最有前途的是 AI 与金融、医疗、工业等领域的结合，而这些方向程序员做不了，因为不懂业务。该帖获得约 11.3 万次浏览、134 次转发和 325 个点赞。
评论区出现明显分化。@Martinmmagic 反驳称软件工程不止写代码，并提到“现在多少公司都是 99% AI coding”；@trtr0828 认为 computer use 类能力的目标是取代所有用电脑工作的人，单独讨论程序员意义不大；@baimt2024 则指出互联网几十年已反复证伪“我有个行业 idea，就差一个程序员”，多数领域痛点做不成的原因不是技术没到位，而是需求不成立、链条太长、付费方不清晰、合规卡死、数据拿不到、规模化不经济，AI 并没有让这些约束消失。
为什么重要
这场争论的真实焦点不是“程序员会不会消失”，而是 AI 时代稀缺资源正在从代码能力转向领域知识与分发能力。大模型和 AI coding 工具确实大幅压低了实现成本，但金融、医疗、工业的门槛更多来自牌照、数据合规、责任归属和长链条落地，这些不是模型能力提升能自动解决的。反过来，行业专家“稍微了解一下 AI”也不等于能独立交付可用产品——把业务需求转成可靠的训练、推理与评估流程，本身仍是专业工作。
对用户/开发者/创作者的影响
对开发者而言，纯执行层面的编码岗位议价能力确实在下降，但把 AI 应用接入业务流程、做数据管道、评估与运维推理服务的能力仍然稀缺。对金融、医疗、工业从业者而言，机会不在于自己重写模型，而在于能否明确定义问题、拿到合规数据、找到愿意付费的场景。对创作者和企业采购方来说，判断一个“AI+”产品时，应优先看它是否解决了原文提到的那几类约束，而不是只看 demo 效果。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 AI coding 工具在企业真实项目中的占比能否持续提升，以及由此导致的岗位结构变化；二是医疗、金融等强监管领域是否出现可规模化的 AI 落地案例，而不只是试点；三是行业专家与大模型协作的产品化路径是否跑通，即谁在为“懂业务但不懂工程”的人补齐交付能力。
来源：@leto_bao
