a16z: Jawatan Pembangun Perisian Meningkat 14.6% Selepas Pelancaran Claude Code, AI Meningkatkan Nilai Manusia

Penulis: a16z

Diterjemahkan oleh Deep潮 TechFlow

Pengantar Shenchao: Ketika seluruh industri teknologi memotong 7% pekerjaan, jawatan pembangunan perisian justru meningkat 14.6%—sebab alat AI membolehkan pemula menulis kod tahap pengeluaran. Ini bukan cerita "AI mengambil pekerjaan", tetapi bukti bahawa alat membuat manusia lebih berharga. Dari lonjakan kerja latihan hingga peningkatan gaji remaja yang terpantas, isyarat pasaran tenaga kerja sangat jelas: orang yang mampu menggunakan AI kini menjadi sangat dicari.

Grafik: Jumlah iklan kerja pembangunan perisian telah pulih kepada 114.6 sejak pelancaran Claude Code, manakala pasaran keseluruhan turun kepada 93. Sumber: a16z

Kesulitan syarikat perisian perdagangan awam masih berterusan, tetapi seperti yang telah kami nyatakan sebelum ini, situasi semasa bukanlah "pembunuhan besar-besaran" yang seragam.

Penjualan saham perisian bukan merupakan cerminan prestasi semasa atau terkini, tetapi lebih kepada keraguan kolektif pasaran sama ada syarikat-syarikat ini mampu mengekalkan prestasi dalam jangka panjang:

Nisbah penilaian untuk arus tunai bebas tempoh bulan Disember seterusnya berada pada atau di bawah tahap 2014. Dengan kata lain, premium yang diberikan oleh pelabur terhadap kemampuan penciptaan tunai syarikat perisian adalah yang paling rendah dalam lebih sepuluh tahun.

Fokusnya ialah, walaupun bukti bahawa "SaaS telah mati" masih lemah, tanggungjawab pelabur adalah mempunyai pandangan terhadap masa depan, dan masa depan kelihatan agak suram dalam pandangan mereka.

Namun, tidak semua syarikat perisian mempunyai prospek yang suram. Pembedaan dan keupayaan untuk membezakan semakin menjadi peraturan permainan. Anda boleh melihat ini dari beberapa sudut yang berbeza.

Pertama, lihat perbezaan dalam prestasi median indeks IGV, kuartil atas dan kuartil bawah:

Dalam 30 hari perdagangan terakhir, kuartil atas dan median saham IGV melampaui ETF keseluruhan—kuartil bawah (termasuk beberapa syarikat terbesar) menarik keluar prestasi keseluruhan.

Bandingkan dengan tinjauan tahunan, keadaannya sangat berbeza:

Dalam setahun terakhir, median lebih rapat mengikuti prestasi ETF keseluruhan—hingga sekitar awal tahun, kuartil prestasi baru bercabang (sekarang terdapat perbezaan sekitar 50 peratus antara teratas dan terbawah).

Kembali ke paparan 30 hari, jelas bahawa asas bukanlah pendorong ketat kepada prestasi harga saham terkini:

Dari sudut pandang pertumbuhan pendapatan, tidak ada korelasi yang signifikan antara pertumbuhan dan kinerja terkini (walaupun secara adil, banyak yang dapat dijelaskan oleh perubahan pertumbuhan daripada tingkat pertumbuhan). Berdasarkan kuartil kinerja, pola yang sama muncul: terdapat banyak perusahaan perisian yang berkumpul di kisaran pertumbuhan pendapatan sekitar 10-20%, tetapi kinerjanya hampir tersebar secara vertikal, dengan beberapa perusahaan yang memiliki pertumbuhan pendapatan paling cepat (dan juga merupakan yang terbesar dalam ETF) berada di kuartil bawah kinerja.

Lebih penting daripada pertumbuhan ialah persepsi ketahanan jangka panjang. Berikut ialah grafik yang sama mengikut industri:

Walaupun sukar untuk mengklasifikasikan setiap syarikat dengan jelas, pemain teratas dan kuasa dua puluh lima persen kedua biasanya didominasi oleh (1) keselamatan siber/kebolehdipantauan; dan (2) SaaS mengufuk. Sebaliknya, dua kuasa dua puluh lima persen bawah merupakan kombinasi SaaS mengufuk, awan/infrastruktur, dan kategori "lain-lain", yang merangkumi platform pasaran, teknologi iklan, dan penyelesaian titik (serta syarikat-syarikat sukar diklasifikasikan seperti MicroStrategy).

Fokusnya jelas. Tanpa mengira betul atau salah, pasaran telah mengesan perbezaan yang jelas antara syarikat perisian—syarikat yang kelihatan mempunyai pertahanan AI dan/atau angin sebelah, serta yang tidak memilikinya.

Untuk keselamatan siber dan kebolehamatan, AI dijangka akan meningkatkan kegentingan pembeli (dan peniaga yang ada mempunyai premium kepercayaan yang sukar digugat oleh pemain baru AI).

Bagi SaaS vertikal, maklumat khusus mengenai alur kerja, data, dan hubungan pelanggan dianggap sebagai rintangan masuk kepada pencabar AI (yang tidak berlaku untuk platform mendatar).

Tetapi untuk semua orang lain, pesannya jelas: perisian itu sendiri bukan parit pertahanan.

ARR yang melekat dan terus bertambah selama bertahun-tahun, set fungsi yang besar, dan penggunaan luas hanyalah—berita kemarin. Kemungkinan besar pertumbuhan yang stabil dan/atau membaik selama beberapa kuartal akan membalikkan keadaan, tetapi pada masa kini, pasaran tidak mempercayai atau yakin.

Anda mungkin baru-baru ini mendengar perubahan persepsi dari token-maxxing ke token-optimizing, yang merupakan perkara besar.

Walaupun kos latihan model terkini semakin meningkat, keuntungan marjinal daripada peningkatan terkini mungkin tidak mencukupi untuk meyakinkan pelanggan membayar kos tambahan. Pelanggan mungkin tidak menggunakan token terkini dan terkuat secara maksimum, tetapi sebaliknya akan menurunkan ke model yang lebih murah dan kurang canggih (termasuk model dengan bobot terbuka) apabila memungkinkan.

Bagi sebahagian orang, mereka berpendapat bahawa peralihan ini mempertikaikan kelestarian pembangunan model terkini—jika pelanggan tidak menyokong kos model terkini dan terkuat, apa yang akan berlaku kepada makmal? Adil, walaupun kecaman ini agak ironik, kerana keusangan pantas model bukan terkini sebelum ini juga dianggap mengancam kelestarian pembangunan model terkini... kini model bukan terkini semakin kurang usang, yang jelas masih merupakan perkara buruk. Baiklah.

Tanpa membincangkan kebenaran perdebatan itu, kami hanya memperhatikan bahawa kos pintar sedang menurun dengan cepat, yang kelihatannya memberi kesan positif terhadap permintaan AI. Dengan kata lain, dinamik Jevons terus berlaku: semakin murah AI, semakin ramai orang/peredagang ingin menggunakannya (untuk lebih banyak perkara).

Pembesaran permintaan adalah apa yang ingin anda lihat.

Mari kita mulai dengan contoh inovatif lain yang bermula secara terpusat dan mahal, kemudian menjadi teragih dan murah: komputer. Berbanding dengan lonjakan teknologi sebelumnya yang didorong oleh PC, kos kecerdasan dalam AI menurun lebih pantas:

PC memerlukan hampir dua dekad untuk mencapai peningkatan keterjangkauan yang dicapai AI dalam tempoh tiga tahun.

Ini adalah lintasan yang luar biasa, dan seperti komputer, penurunan kos kelihatannya sedang membantu mendorong permintaan AI ke arah kanan atas (masih terdapat ruang yang besar untuk berkembang).

Di sisi pengguna, berdasarkan data PNC Bank, kadar penetrasi berbayar masih kecil, tetapi sedang meningkat:

Pangsa keluarga untuk AI berbayar dan perbelanjaan bulanan purata mereka terus meningkat—perbelanjaan bulanan meningkat lebih tajam, dengan pertumbuhan sekitar 25% sejak awal tahun.

Ia jelas bukan perbandingan yang sempurna, tetapi sebagai sedikit perspektif, pada tahun 1997 hanya sekitar 45% dewasa berusia 35-54 tahun yang melaporkan memiliki PC (beberapa dekad selepas pelancaran komputer komersial, terutamanya di sektor perniagaan). Kini, bahagian rumah tangga yang memiliki komputer adalah sekitar 90%, dan hampir 97% jika termasuk telefon pintar—fokusnya ialah pengambilan pasaran massa memerlukan masa, dan ia berkembang mengikut kegunaan dan kos.

Data lain juga menunjukkan permintaan AI meningkat seiring dengan peningkatan kecekapan kos.

Berdasarkan analisis data OpenRouter oleh YipitData (hanya mengukur subset penggunaan token keseluruhan), penggunaan token terkini terus meningkat, sementara token bobot terbuka terus memperoleh bahagian dengan cepat:

Kepemilikan token oleh "pembekal Asia" (sebagai pengganti untuk bobot terbuka) telah meningkat kepada sekitar 60%, tiga kali ganda berbanding awal tahun. Sampel OpenRouter mungkin sekurang-kurangnya dalam sebahagian besar cenderung kepada pengguna bobot terbuka, tetapi ini sejajar dengan cerita perbezaan harga dan juga cerita Jevons.

Demikian juga, menurut OpenRouter, walaupun jumlah token per pengguna dan perbelanjaan per pengguna semuanya meningkat dengan cepat, yang pertama meningkat lebih pantas daripada yang kedua sejak awal tahun ini:

Ingat semula, OpenRouter hanya dapat melihat apa yang dapat dilihatnya, dan model ini sangat selari dengan Jevons (permintaan meningkat seiring dengan peningkatan kecekapan kos AI yang pantas).

Sekurang-kurangnya pada masa ini, jelas bahawa semakin cerdas menjadi lebih murah, ia mendorong lengkung permintaan lebih jauh ke kanan atas. Token yang lebih murah daripada model sub-terkini memang memperoleh bahagian, tetapi kesan bersihnya ialah mendorong perbelanjaan keseluruhan meningkat secara eksponen. Ini sukar dikatakan sebagai cerita pesimis.

Pengkritik mungkin masih berpendapat bahawa model dengan bobot terbuka sedang menggerogoti had terkini, tetapi skenario alternatif di mana keuntungan kecekapan tidak memberi kesan jelas terhadap permintaan dan/atau mendorong penurunan perbelanjaan keseluruhan, sebenarnya akan lebih dekat dengan skenario kiamat. Sebaliknya, Jevons adalah apa yang peminat harapkan.

Berkenaan dengan permintaan AI, walaupun AI dikatakan tidak cukup berguna untuk menghasilkan ROI yang bermakna, tetapi begitu berguna sehingga akan menghilangkan semua pekerjaan, kami dengan gembira melaporkan bahawa pada masa ini hampir tiada bukti yang menunjukkan bahawa AI sebenarnya sedang menghasilkan kesan penghancuran pekerjaan apa-apa.

Sebenarnya, bahkan kelemahan pasaran tenaga kerja—iaitu rekrutmen peringkat permulaan—baru-baru ini mendapat sedikit dorongan, dan jika ada perbezaan, AI kelihatannya membantu, bukan menyakiti.

Pertama, berdasarkan data Revelio, pelacakan latihan musim panas 2026 jauh lebih tinggi berbanding tahun-tahun sebelumnya:

Latihan bukanlah pekerjaan, tetapi ia sekurang-kurangnya merupakan isyarat keperluan kepada generasi muda, kitaran 2026 jauh melebihi '25 dan '24 (walaupun tidak sehebat '23).

Yang lebih baik lagi, pertumbuhan gaji remaja dan dewasa muda kelihatannya juga meningkat:

Berdasarkan data ADP, kenaikan gaji pekerja muda (16-24 tahun) telah pulih dari titik terendah pada 2025. Kenaikan gaji hampir pasti merupakan isyarat permintaan; jika gaji naik, boleh disimpulkan bahawa prospek pekerjaan peringkat permulaan juga membaik.

Mengenai kesan AI (jika ada), situasinya pula lebih baik. AI kelihatannya sedang mempercepatkan perekrutan peringkat permulaan secara besar-besaran:

Berdasarkan analisis data kerja Revelio dan data perbelanjaan Ramp, "penggunaan AI intensif" berkaitan dengan peningkatan sebanyak kira-kira 6 peratus dalam bilangan pekerja peringkat permulaan selepas dua tahun penggunaan. Sebaliknya, "penggunaan AI rendah" berkaitan dengan penurunan sebanyak kira-kira 0.5 peratus.

Grafik: Peratusan pekerja peringkat permulaan di syarikat yang mengadopsi AI berintensiti tinggi meningkat purata 1.15 peratus selepas dua tahun, manakala syarikat yang mengadopsi AI berintensiti rendah menurun 0.52 peratus, menunjukkan bahawa AI sedang 'mencipta' bukan 'mengambil' jawatan peringkat permulaan. Sumber: a16z

Terdapat beberapa cara untuk menafsirkannya, mulai dari "AI sedang menciptakan peluang pekerjaan tingkat pemula", hingga "Pengguna AI adalah perusahaan pertumbuhan, jadi wajar saja mereka merekrut", hingga "Data Ramp mungkin tidak mewakili ekonomi secara keseluruhan, sehingga sulit untuk menarik kesimpulan apa pun". Semua penafsiran ini masuk akal, tetapi hampir pasti tidak benar adalah penafsiran bahwa "AI sedang mematikan pekerjaan tingkat pemula".

Mungkin suatu hari nanti (walaupun ada alasan yang cukup untuk percaya tidak akan berlaku), tetapi bukan hari ini.

Secara keseluruhan, walaupun penurunan jawatan yang "terdedah kepada AI" di era pasca-suku bunga sifar telah banyak dibincangkan, pembincangan mengenai fakta bahawa jawatan yang "terdedah kepada AI" baru-baru ini sedang memimpin pemulihan adalah相对 sedikit:

Berdasarkan data dari Indeed Hiring Lab, sejak Mei 2025, semakin tinggi tahap paparan AI, semakin besar pemulihan dalam hal lowongan pekerjaan. Ini terutama jelas bagi jurutera perisian, di mana pengumuman jawatan meningkat sekitar 15%, manakala keseluruhan menurun sekitar 7% (sejak pelancaran Claude Code).

Dari perspektif yang lebih luas, masih terlalu awal untuk membuat kesimpulan, tetapi data tidak menyokong klaim bahawa "AI sedang membuat manusia menjadi usang". Jika ada apa-apa, keadaannya sebaliknya—tingkat paparan AI kelihatan berkorelasi positif dengan pertumbuhan pekerjaan.

Grafik: Posisi kerja dengan tingkat paparan AI yang lebih tinggi menunjukkan pemulihan yang lebih besar sejak Mei 2025, dengan peningkatan posisi pengembangan perisian mendekati 15%, memimpin pasaran keseluruhan. Sumber: a16z

Secara adil, masih tidak jelas sejauh mana kategori "paparan AI" mempunyai makna, kerana hampir tiada konsensus mengenai apa atau siapa yang terdedah kepada AI (dan sejauh mana paparan tersebut):

Bukti menunjukkan bahawa semakin tinggi tahap "pendedahan AI" purata bagi sesuatu kerjaya, semakin besar perbezaan dalam tahap pendedahan tersebut.

Grafik: Semakin tinggi skor paparan AI purata profesional, semakin besar perbezaan dalam tahap paparan akademik, menunjukkan bahawa konsep ini masih kekurangan konsensus. Sumber: a16z

Tidak hairanlah, apabila meramalkan kesan masa depan teknologi baharu, orang yang rasional mungkin mempunyai pandangan yang berbeza.

Tentu saja ada beberapa pengecualian. Semua orang sepertinya bersetuju bahawa editor, pegawai underwriting insurans, ahli statistik, dan menariknya, ahli ekonomi, sangat terdedah kepada AI. Jika AI akhirnya menggantikan ahli ekonomi manusia, adakah ia akan mengakui kesalahan ini, atau adakah tiada ahli ekonomi yang tinggal untuk menceritakan kisah ini?

Pada awal minggu ini, Gabenor New York, Hochul, mengumumkan penangguhan selama satu tahun terhadap pembangunan pusat data. Selain perkara lain, matlamat yang ditetapkan bagi penangguhan itu ialah "melindungi pengguna elektrik... kerana pembangunan pusat data mengancam menaikkan kadar utiliti air dan elektrik". Tanpa niat merendahkan beliau, Gabenor memberikan penjelasan lanjut mengenai alasan beliau dalam podcast Odd Lots, yang boleh didengar.

Namun demikian, ini tetap merupakan pernyataan yang membingungkan.

Walaupun pusat data memang meningkatkan permintaan tenaga, bukti menunjukkan bahawa pusat data sebenarnya membantu mengurangkan kos pengguna:

Berdasarkan penyelidikan oleh Laboratorium Kebangsaan Berkeley dan The Brattle Group, di peringkat negeri, kenaikan harga elektrik berkorelasi negatif dengan peningkatan permintaan. Lebih banyak penggunaan, bayar kurang—aneh tetapi benar.

Memang, dalam 6 tahun terakhir, beberapa negeri dengan pertumbuhan beban paling pesat (pembangunan pusat data paling banyak), seperti Texas dan Virginia, hampir tidak mengalami kenaikan harga. Di sisi lain, negeri-negeri dengan kenaikan harga paling tinggi (sedikit pusat data baru), seperti California dan New York, mengalami penurunan pertumbuhan beban—keperluan kuasa California berkurang sekitar 5%, sementara kenaikan harga melebihi mana-mana negeri lain di negara itu, sekitar 33% lebih tinggi daripada negeri kedua tertinggi.

Grafik: Beban listrik negara bagian AS antara 2019-2025 menunjukkan korelasi negatif dengan perubahan harga listrik, dengan California dan New York mengalami penurunan permintaan tetapi kenaikan harga tertinggi. Sumber: a16z

Selain itu, hubungan songsang antara permintaan tenaga dan harga tenaga kelihatan juga berlaku di Eropah:

Menurut data EIA, negara-negara EU dengan kenaikan harga terbesar, selain Ireland, juga mengalami penurunan permintaan listrik terbesar.

Grafik: Permintaan kuasa dan harga elektrik di ekonomi utama Eropah dan Amerika Syarikat antara 2019-2024 menunjukkan korelasi negatif yang sama; permintaan meningkat di Texas dan Virginia tetapi harga kekal stabil. Sumber: a16z

Sama juga, gunakan lebih banyak, bayar kurang. Ini bertentangan dengan intuisi, kan?

Kita semua tahu, dalam keadaan lain yang sama, permintaan yang lebih tinggi seharusnya mendorong harga naik, bukan sebaliknya (seperti yang dinyatakan oleh Gubernur Hochul). Namun, dalam konteks grid listrik, keadaannya justru sebaliknya. Alasannya ialah grid listrik sering mendapat manfaat dari ekonomi skala: semakin tinggi permintaan listrik, semakin tersebar biaya infrastruktur tetap, yang menyebabkan harga keseluruhan bagi pengguna turun.

Dengan kata lain, perintah penghentian pusat data oleh Hochul mungkin tidak hanya gagal "melindungi pengguna elektrik", tetapi juga menghasilkan kesan sebaliknya: kenaikan harga elektrik mungkin jauh lebih tinggi berbanding situasi di mana pusat data membantu membahagikan kos tetap grid. Mungkin hubungan ini tidak akan terus berkekalan, tetapi inilah keadaan sejauh ini.

Selain kos tenaga, terdapat kesan ekonomi yang lebih luas yang perlu dipertimbangkan. Kenyataannya, tanpa pelaburan dalam infrastruktur berkaitan AI, hampir tiada pertumbuhan pelaburan:

Pelaburan berkaitan teknologi adalah satu-satunya kategori pelaburan yang meningkat, jadi larangan itu tepat memukul titik paling kritikal.

Rajah: Sejak 2022, pelaburan berkaitan teknologi (perisian, penyelidikan dan pembangunan, peralatan IT dan pusat data) adalah satu-satunya sumbangan positif kepada pertumbuhan pelaburan tetap swasta. Sumber: a16z

Gabenor pasti mempunyai alasan tersendiri, tetapi dasar yang mungkin (a) meningkatkan harga elektrik (sebagai sebahagian daripada usaha "melindungi pengguna elektrik"); dan (b) mencabut peluang investasi terpenting di negara bahagian New York, memang sukar difahami.