在 AI 编程工具引发程序员普遍焦虑的同时，一个更深远但讨论更少的趋势正在加速：低代码和无代码平台的 AI 化。

在 AI 编程工具引发程序员普遍焦虑的同时，一个更深远但讨论更少的趋势正在加速：低代码和无代码平台的 AI 化。当这两个趋势叠加——低代码降低开发门槛，AI 进一步降低低代码的使用门槛——"写代码"作为一种职业技能的市场需求基础，正在从底层被动摇。

低代码的三次进化

低代码平台不是一个新事物。它的发展大致经历了三个阶段，每一阶段都在吃掉一部分原本属于程序员的开发需求。

第一阶段（2010-2018）：企业级表单和工作流平台。 以 OutSystems、Mendix 和国内的明道云、简道云为代表。这些平台的核心能力是让业务人员通过拖拽可视化组件来搭建数据录入、审批流程和报表系统。替代的是最底层的企业内部管理系统开发——那些不需要复杂定制、逻辑相对简单的 CRUD 应用。程序员对此几乎无感——这些"低端需求"本来就不是他们的核心业务。

第二阶段（2018-2024）：页面搭建和自动化平台。 以 Retool、Bubble 和国内的轻流、飞书多维表格 + 自动化工作流为代表。这些平台的能力从"搭表单"扩展到了"搭完整应用"。连接数据库、调用 API、创建自定义页面、设置自动化规则——一个非程序员可以搭建出一个中等复杂度的业务系统。2023 年，多家 SaaS 公司的客户成功团队已经开始用低代码平台为客户做定制化开发——不需要工程师介入，交付周期从数周缩短到数天。

第三阶段（2024-至今）：AI 原生低代码。 这一阶段的标志性变化是生成式 AI 与低代码平台的深度融合。用户不再需要拖拽组件——只需要用自然语言描述"我想要一个订单管理系统，包含订单录入、审批流程和报表展示"。AI 自动生成数据模型、页面布局、业务逻辑和自动化规则。用户在此基础上做微调。拖拽操作本身——低代码平台的核心交互方式——正在被 AI 的自然语言交互替代。

百度在 WAIC 2026 上展示的"百度秒哒 3.5"，就是这一阶段的典型产品。用户输入一段文字描述，系统自动生成完整的业务应用。不需要编程，不需要拖拽，甚至不需要理解"什么是数据库"。当自然语言足以驱动应用创建，"开发"这个词本身的含义被根本性地改变了。

低代码 + AI 正在吃掉哪些市场

低代码和 AI 的叠加，不是一个渐进式的效率提升。它正在系统性地侵蚀几个原本属于程序员的市场层级。

企业内部管理系统——已经被吃掉了。 每个公司都有大量的内部工具需求：报销审批系统、客户管理后台、库存管理工具、数据看板。过去，这些需求要么由内部 IT 团队承接（排队数月），要么由业务团队用 Excel 凑合（体验极差）。低代码平台解决了这个矛盾——业务团队自己搭建，IT 团队只负责审批数据权限。在这一层，低代码的替代率已经极高。AI 的加入进一步降低了搭建门槛——业务人员不需要学习低代码平台的操作，只需要描述需求。

中小企业的 MVP 开发——正在被吃掉。 对于创业公司，开发一个"最小可行产品"（MVP）来验证商业假设，传统上需要 1-2 个全栈开发者工作 2-4 周。Bubble + ChatGPT 的组合已经将这个周期缩短到 3-5 天，且不需要专业开发者。当 MVP 的试错成本趋近于零，依赖外部开发者或组建技术团队来验证商业假设的必要性就大幅降低了。

SaaS 的轻量级定制——正在被吃掉。 企业级 SaaS 产品通常提供 API 和定制能力，但定制开发仍然需要专业工程师。低代码平台正在成为 SaaS 产品与客户之间的"最后一公里定制层"——客户成功团队使用低代码平台在 SaaS 产品之上搭建客户专属的定制功能，不需要动到核心代码也不需要后端工程师介入。这一层的市场空间极其巨大——全球 SaaS 定制化开发的市场规模据估算超过 500 亿美元。

但有一个重要的市场没有被吃掉：核心业务系统。 银行的交易系统、电商的订单引擎、物流的调度算法、社交平台的消息推送——这些高并发、高可靠性、高度复杂的核心系统，低代码和 AI 都无法替代。它们需要的不仅是"能跑起来"，而是 99.999% 的可用性、毫秒级的响应、以及极端边缘情况下不崩溃的鲁棒性。这是专业软件工程的领地，低代码和 AI 暂时还够不到。

程序员面对的双重挤压

低代码 + AI 对程序员群体的影响，不是"替代所有程序员"——这个结论过于简单。更精确的描述是"双重挤压"。

底层被低代码上移。 那些简单的、标准化的、不需要深度定制的开发需求——企业内部系统、简单网站、小程序、数据看板——正在从"找程序员开发"变为"业务人员自己搭建"。这一层原本是大量初中级开发者的主要收入来源。当这一层的需求从开发者市场消失，初中级开发者的生存空间被直接压缩。

中高层被 AI 提效压缩。 留在程序员手中的需求——那些复杂到低代码无法覆盖的核心系统——正在被 AI 大幅提效。一个高级开发者 + AI 的产出相当于过去 2-3 个高级开发者的产出。这意味着企业用更少的高级开发者就能完成同样的开发量。被压缩的不是高级开发者的需求——是"需要几个高级开发者"的编制数量。

两端同时受挤压的结果是：程序员群体的总就业规模可能面临持续的温和收缩，而非突然的崩溃。这种收缩的特征是——初级岗位加速消失，高级岗位编制缩减，只有能够跨越多个技术栈、理解业务全局、做出架构决策的"超级个体"开发者，才能在收缩的市场中维持竞争力。

低代码 + AI 的天花板在哪里

尽管低代码 + AI 在快速侵蚀程序员的传统领地，但它有一个内在的、物理级别的天花板：复杂系统的不可简化性。

任何足够复杂的软件系统，都会出现"浮现复杂性"——当组件的数量和交互达到一定规模后，系统行为不再能被拆解为单个组件行为的简单加总。缓存一致性问题、分布式事务冲突、竞态条件下的数据错乱——这些问题无法通过"拖拽组件"或"描述需求"来预防和解决。它们需要在系统设计阶段就做出正确的架构决策，需要在问题发生时进行深度调试和根因分析。

低代码平台天然地将底层实现抽象掉——拖拽一个"数据库查询"组件，你不知道它背后是哪种数据库、用了哪种索引、执行了怎样的查询计划。在简单场景下，这种抽象是优势——它让非专业人员也能完成工作。在复杂场景下，这种抽象是致命的——当系统出现性能问题或数据不一致时，抽象层让问题无法被定位和修复。

低代码和 AI 能覆盖的是"已知的简单"。它们无法覆盖的是"未知的复杂"。 而软件工程的核心价值——至少在当前和可预见的未来——恰恰在于处理"未知的复杂"。

对于程序员，这意味着一个清晰的生存策略：将自己的能力定位在低代码和 AI 的"抽象层之下"——不做那些可以被拖拽组件替代的工作，而做那些需要穿透抽象层、理解底层原理、处理浮现复杂性的工作。系统架构、性能工程、分布式系统、安全设计、算法优化——这些领域不仅不会被低代码替代，反而会随着低代码覆盖面的扩大而变得更加稀缺和更有价值。

因为低代码搭建的系统越多、越复杂，就越需要有人能理解这些系统在抽象层之下到底发生了什么。 那个人，就是真正不可替代的程序员。