26年哪些行业会变好/更差

天塌了，好不容易找到个实习，结果感觉没有什么高大上的技术，基本是crud，稍微带点微服务，也没有什么缓存分布式，产出该怎么写啊，只写接口优化可以吗，够找暑期实习用的吗真的是天塌了，没实习愁实习，有实习愁产出，愁的想死了，下辈子不学计算机😭😭😭

今天入职第二天，我记得我的舅舅在深圳做清洁工，舅舅说被公司裁员了，年底回家，以后不在来深圳，我今天提一瓶酒去舅舅哪里吃深圳最后一顿饭，我的舅舅刚刚满50岁左右，在深圳做清洁车工大约4年了。舅舅今年公司在年中突然要变更公司主体，大家纷纷都签字继续工作，不到半年大家就集体被裁员 拿到赔偿却是一个月的赔偿。看到舅舅50岁左右，却来到深圳卷的清洁工还被裁，而且每天3点起来拖垃圾，晚上大约8点才完成回家，由于长期劳累身上也长一些湿疹，身体也不如以前在家里硬朗，却遇到如此不公的待遇，我心非常心疼。今天是入职第二天，以一个半价入职新工作，心中众多不甘，但是也是坦然接受，希望大家且行且珍惜，碰到大龄程序员希望温柔对待。

大模型是预训练的产物，输出质量的好坏，大部分取决于输入。在程序员这一行，有个很好的文化，就是分享。我们把这些代码放到 github 上，渴望更多的 star，就像幼儿园的孩子们渴望小红花一样。同时这也是代码质量的证明，在采集代码数据时，可以将这些小红花数，粉丝数作为一个筛选。相对的，又会产生另一个问题：大模型在 C++，Rust 这样的语言上，没那么厉害，甚至一堆 bug。其实就是数据量过少的原因。不止是代码行业，任何行业，任何 topic，只要你在和大模型讨论中感到他在胡言乱语，那就是蓝海。

不是鸽们？ 上午看到有人说字节要和车企造车了鼠鼠一去搜就看到字节辟谣了==）之前听说豆包手机还蛮好用的，我还想着字节会造个什么样的东西出来呢

第一，房地产由于人口老龄化和基数特征，房地产的衰退已经不可避免，基建速度也在减缓，土木类毕业生除非选择去海外，在国内是不太可能有个光明的未来的。不管是什么类型的土木，就业缺口都在逐步变小，尤其是传统住宅，已经很多公司只发基本工资了。第二，新能源汽车新能源汽车行业已经开始洗牌了，就是越来越卷了。总结来说就是，好的更好，坏的更坏。没有自主研发能力的组装车厂，电动化转型滞后的老牌油车合资厂，还有背靠传统车企，但是市场推广稀烂的品牌，会被行业洗牌洗掉。其实这里我还是很看好比亚迪和特斯拉的，尤其是特斯拉，小米销量也很好，这里先不讨论发展好的了。一定要在行业快速发展的时候从事这个行业的工作，不要在一个下降期从事这个行业的工作。血泪建议，切记切记。

现如今是2026年元月，如果今年你还拿着2023年的“旧地图”找工作，那你大概率找不到“新大陆”，只会踩坑。 这两年，我们眼睁睁看着互联网大厂从“抢人才”变成“锁HC”，时代的底层逻辑已经变了。我把目前的行业划分为红（危）、绿（机）、黄（搏）三个区，希望能对大家的 择业提供一些参考价值。纯个人理解，说错了大家当个乐子。🔴衰退与高危（结构性坍塌）（这一区的行业建议非必要不入场，因为底层的供需逻辑已经坏了。）1. 传统房建与商业地产设计1.具体现状： 即使有政策托底，民用建筑总量封顶是既定事实。设计院还在降薪，施工单位回款周期极长。2.核心崩塌因素：城镇化率见顶： 房子够住了，没人接盘。资产负债...

最近国际上的编程圈都在热议AI编程的超强实力，连Midjourney创始人David都发文感慨：“这个圣诞假期，我一个人完成的编程项目，比过去十年加起来的都多！”评论区里大家同感，而且不少人直呼Claude Code的编程能力简直强到离谱。马斯克更是直接断言，今年就是AI发展的奇点之年。AI编程这么猛，估计以后公司里的不少活儿都能被它直接拿下。以前可能需要前端、后端、测试好几个人分工协作的项目，现在找一个全栈开发，再搭配AI辅助，大概率就能搞定，人力成本能省一大截。这么一想，公司会不会又要大规模裁员了？ 说到底还是程序员自己搞出了AI编程，结果反倒要被AI抢饭碗，这事儿想想真的太绝了。太难了

这些都是在牛客上看到别人发的面经中涉及到Caffeine的面经，我截取下来做了个汇总，可能不是很全面，也很感谢写面经的同学一、Caffeine 基础相关Caffeine 的原理、特性是什么？Caffeine 缓存主要存储什么数据？Caffeine 缓存的数据具体是怎么添加的？二、Caffeine 与其他组件的区别Caffeine 与 HashMap 的区别？Caffeine 与 Guava Cache 的区别？Caffeine 解决了 Guava 的哪些问题？Caffeine/Guava 等本地缓存与 Java 普通哈希方法的区别？Caffeine 与 Redis 缓存的区别？三、Caffei...

我认为互联网既是最能赚钱的行业，也是最难熬的行业。临近过年，短视频平台我刷到不少程序员被裁员的视频，另一方面又是今年秋招不断刷新薪资上限给校招生开出各种大包的互联网厂。这种对比鲜明的现象，让我对互联网行业有了更深刻的认识。互联网行业的发展速度极快，技术更新换代的频率高得令人咋舌。在这个行业里，只有不断学习、不断进步，才能跟上时代的步伐，否则就可能被淘汰。同时，互联网行业也充满了竞争和不确定性，裁员事件就是这种不确定性的体现。尽管如此，它依然吸引着无数人前赴后继，因为这里有着巨大的财富和成功的机会，有能力，就有机会脱颖而出，获得丰厚的回报。

作为1名大一的计科新生呢，我认为，AI在未来的至少10年之内，都会成为时代的变革技术。因为当AI可以把部分原本必须由人来做的事情做的很好甚至更好，那么人们就可以腾出更多的精力来研发更加优秀的产品，或者与AI合作让原本的产品变得更加完善。至于AI会不会打败程序员我觉得纯属无稽之谈，只要你用心地做过一个项目你就会发现人类有很多事情是AI不可能做得好的，因为人类有自己的情感，但是AI只是基于统计学的一种模型，在短期之内AI无法媲美人类也是这一点。以上就是我的个人见解，感觉比较没有逻辑，主要是为了锻炼写博客，勿喷^_^

目前大模型、AI应用、低空经济、出海、机器人……都挺火的，现在纠结要不要转AI相关，还是老老实实卷传统后端。

25年AI年，今年肯定还是AI作为前端开发者，从最开始接触字节青训项目LLM对话框记得当时要求就是刷算法题当时还是MarsCode（或许是现Trae初版）辅助刷题编码到后续LLM对话框项目用Coze平台搭建了简单的Agent，了解了AI基本的概念当时受限于API免费次数和找工作时间原因后续没更多学习AI内容了解的就是后来用Trae搭建个人网站从原始HTML三件套迁移到ReactAI辅助下z五一假期花了点时间就做好了现在想当时难点还是第三方如百度API的嵌入AI好像还没这么智能，能先去搜并学习API不同版本可能也会不一样当时的Trae还没能做到还要人机协同去编码到后来Trae SOLO、Claude、Gemini Nano banana 等2026，希望Jinger能系统学一下理清知识框架

变好的行业：1.人工智能。这不用细说了，这几年Ai技术大爆发，各行各业恨不得彻底用人工智能取代人力，已达到降本增效的效果。有风险的行业：1.传统制造业。若无法转型智能化，那大概率是不好受的。

摆在明面上的风口是AI应用, 但是感觉这东西又像一个泡沫. 但无论怎样, 未来3-5年内还是风口吧趁年轻, 找到风口, 努力进入吧最难熬的我估计是一些tog的行业吧, 因为我是学GIS的, GIS相关的一些企业真是快活不下去了, 常年欠薪

最能赚的行业：机器人：国产替代加速，嵌入式和AI算法结合成核心溢价点。AIoT：端侧AI爆发，智能家居、工业互联网催生低功耗嵌入式+边缘计算需求最难熬的行业：低端消费电子：同质化严重，嵌入式岗位收缩，企业倾向“砍项目保利润”，初级工程师内卷加剧。传统工业设备：未智能化改造的老旧产线需求萎缩，纯裸机开发岗位可能被RTOS/Linux边缘化

或许会更好吧  个人觉得新能源行业 ai应用行业  会有不错的前景 最烂的肯定有一个房地产 然后旧能源行业发展也挺有限的

计算机人找方向别瞎冲！2026 年有深度的赛道就 3 个：AI 算力与 Infra（国产 GPU、液冷爆发，推理需求激增）、半导体芯片（自主化加速，车载 / 工业芯片缺口大）、金融 IT（降息周期带动跨境支付与智能投研需求）。这些领域要的不是堆项目，是 “性能 + 落地”—— 比如写液冷项目，得说 “优化风道设计，PUE 降至 1.18，支持千卡集群稳定运行”。退潮的坑别踩：无壁垒的低端光伏储能（产能过剩）、纯流量型跨境电商（内卷无利润）。简历要深度，就锚定上行赛道，把技术细节和业务价值写透，比列 10 个泛泛项目管用多了！

通过前面几篇文章，我们深入学习了 Yjs 的核心概念、y-protocols 协议、y-websocket 网络同步和 y-indexeddb 本地持久化。现在让我们把这些知识串联起来，从零开始构建一个真实可用的协同流程图编辑器。想象一下这样的场景：多个用户同时打开同一个流程图，拖动节点、创建连接、实时看到彼此的光标位置，就像在同一块白板上协作一样流畅。这就是我们要实现的效果。这个案例会涵盖协同编辑的核心场景：数据同步、状态管理、光标协同，以及前后端的完整实现。项目架构让我们先看看整体架构。这个协同流程图应用由三个核心部分组成：前端使用 React + ReactFlow 构建可视化流程图界面...

秋招期间，面试经常被问到的一个问题：“在AI时代下，程序员如何自处”？最近看了马斯克在访谈中的一些观点，结合我的理解，总结一下我对这个问题的答案。马斯克最新访谈中将 AI 比作超音速海啸，这场不可逆转的技术奇点，正在重塑程序员的职业价值。对程序员而言，AI 不是取代者，而是强制性演化的催化剂 —— 它淘汰的不是程序员，而是停留在代码工匠层面的从业者。真正的自处之道，是跳出机械编码的陷阱，成为驾驭 AI、定义价值的智掌舵人。一、职业本质的迁移马斯克断言，所有涉及信息处理的白领工作都将被 AI 深度冲击，后端开发的基础编码、语法调试等工作首当其冲。但这并非职业终结，而是价值重心的向上迁移：从“做什么”到“为什么做”：AI 能精准执行 “如何实现接口”“如何优化 SQL” 等执行层问题，却无法替代对 “为什么选择微服务架构”“为什么优先保障数据一致性” 的价值判断。从“代码生产者”到“AI 训练师”：用 AI 的程序员会取代不用 AI 的程序员。后端开发者的核心不再是亲手写每一行代码，而是用精准的需求拆解、清晰的逻辑指令，让 AI 成为高效的 “代码合伙人”。从 “技术执行者” 到 “风险守护者”：当系统由 “人码 + AI 码” 共同构成，后端开发者需对 AI 生成代码的性能陷阱、安全漏洞、架构债务负责，这是 AI 无法自我完成的批判性审视。二、核心竞争力：构建 AI 无法突破的壁垒结合马斯克 “技术奇点” 视角与后端开发特性，真正的不可替代性源于三大高阶能力：系统架构的顶层设计力：AI 是卓越的 “砖瓦匠”，但人类才是 “建筑师”。后端开发者需精通分布式系统、CAP 定理权衡、中间件选型等底层逻辑，能将复杂业务抽象为高内聚低耦合的架构模型 —— 这是 AI 仅靠模板无法实现的创造性工作。业务与技术的跨界融合力：脱离业务的技术毫无价值，AI 无法理解行业痛点、商业模式的底层逻辑。后端开发者需深入业务场景，比如将金融风控规则转化为技术方案、将电商流量峰值需求拆解为可落地的架构设计，这种 “业务翻译 + 技术落地” 的能力无可替代。技术伦理与风险把控力：马斯克强调 AI 安全的核心是 “坚持真理、追求美感”，对后端开发者而言，就是在 AI 生成的代码中识别安全漏洞、在技术选型中平衡效率与合规、在数据处理中守护用户隐私，成为技术伦理的最后一道防线。三、在 AI 浪潮中逆势成长把 AI 当成 “超级外脑”，而非对手：用 Copilot 生成基础 CRUD 代码、用 CodeGuru 定位性能瓶颈、用 AI 工具快速学习新技术栈，将重复劳动的时间省下来，投入到架构设计、技术选型等高阶工作中，让 AI 成为提升效率的 “杠杆”。深耕垂直领域，打造 “T 型能力”：在分布式系统、数据库内核、云原生等后端核心领域建立深度壁垒，同时掌握提示工程、AI 代码评估等跨界技能。比如专注于 “AI + 金融风控”“AI + 工业互联网” 等垂直场景，成为既懂技术又懂行业的专家。总结：马斯克预测，AI 时代终将迎来物质极度丰盛的 “普遍高收入” 时代，但过渡期必然充满颠簸。对后端开发者而言，真正的安全感不在于 “不被 AI 替代”，而在于 “成为 AI 无法替代的人”。技术工具永远在迭代，但人类的创造性、批判性思维与跨界整合能力，是永恒的核心竞争力。开发者不必恐惧 AI 浪潮，而应主动驾驭它 —— 将 AI 作为解放双手的工具，将自己升级为定义问题、设计系统、创造价值的掌舵人，方能在技术的变革中，找到属于自己的立足之地。