47 年磨一剑的「法拉利大叔」：技术老炮在 AI 时代的稀缺性正在重估

行业变天 · 技术 · 2026-05-04

57 岁的许文飙最近爆火。北京体育大会比赛间隙，几十位身着正装的裁判临时起意，集体跳起拉丁舞。C 位领舞的中年人气质压过全场，被网友冠名"法拉利大叔"。一段几十秒的视频，几天内全网刷屏。

很多评论把这事归在"中年逆袭"的爽文叙事里。但它的本质不是逆袭——许文飙是北京舞蹈学院教授、深耕拉丁舞 45 年的专业舞者，沙溢、靳东、刘亦菲这些明星都跟他学过舞。

让大众震撼的不是"中年人也能跳"，而是他在一群同样穿正装的裁判里，气质和动作精度被瞬间识别出来。这背后是更冷的市场信号：大众开始为深度买单，专业主义在重新出现溢价。

这件事跟你做技术、跟你 35 岁焦虑、跟你纠结要不要转 AI 赛道，关系很大。

别把许文飙当鸡汤看

短视频时代制造了大量"7 天速成"的内容。过去三年，"3 个月转码农"、"30 天做小红书博主"、"一周搞定 AI 应用"——这些叙事吸引眼球，但实际产出极快地通货膨胀。

当任何技能的"看似入门"门槛都被速成内容拉到地板，真正稀缺的反而是另一极：47 年磨一剑的稳定性、连贯性、判断力。

许文飙现象不是个例。同一时间段你能看到：

内容平台上，"长视频深度解析"和"硬核行业研究"重新被算法加权
B 端市场，企业开始减少"AI 速成顾问"采购，回归"行业老兵"咨询
知识付费里，纯方法论卖不动了，"我做了 N 年 X 行业"的从业者复盘反而出爆款
投资圈，"大模型套壳"项目融资困难，但有真实行业数据/经验积累的项目反而抢手

这是同一个底层逻辑：当生产成本骤降，判断力变成定价的全部。这个规律，正在以加速度袭击互联网技术行业。

AI 杀死了浅层技能，但放大了深层判断

过去两年最痛的真相：1-3 年工程师的代码产出能力，被 AI 压缩到了几小时之内。

写一个 CRUD、调一个 API、加一个组件——这些工作 AI 干得跟初级工程师一样好甚至更好。所以初级工程师的市场议价能力被压扁了。这是事实，看招聘数据就能看到。

但同时发生的另一件事：资深工程师的稀缺度反而上升了。原因不是 AI 写不了代码，而是 AI 不会回答这些问题：

这个改动会不会引爆下游 3 个团队的依赖？
这个架构 3 年后还撑得住吗？还是又一笔技术债？
上次评审为什么过不了？这次的方案能避开同一个雷吗？
这个 P0 是真的需要现在解，还是技术团队在用"性能问题"自我救赎、躲避真正难的业务命题？
这个团队结构能不能撑住接下来 18 个月的需求加速？

这些问题不是技能问题，是工程判断力。判断力来自一类问题被反复处理 N 次的经验积累，AI 只能加强它，没法替代它。

结果：浅层技能贬值，深层判断升值。差距在拉大，不是缩小。

为什么"老炮"才有判断力

判断力听起来玄学，但它有具体来源。

许文飙能在几十秒里被网友一眼识别为"那个 C 位"，不是因为他比别人多学了几个舞步，是因为他对身体每个部位的精细控制——节奏感、肌肉张力、面部表情、停顿和爆发的微妙切换——这些是他在 45 年里反复打磨出来的肌肉记忆。看一万个跳舞教学视频也学不到。

资深工程师的判断力是一样的东西：

看到一个 PR，能在 3 分钟内嗅到"这个会出事"——因为你过去 10 年在类似 PR 上栽过 5 次
看到一个团队 plan，能立刻识别"这个 deadline 是不可能完成的"——因为你做过 30 个类似量级的项目
看到一个新技术 hype，能冷静判断"这是真趋势还是炒作周期"——因为你完整经历过区块链、元宇宙、Web3 的起落

这种"嗅觉"没法用 prompt 描述给 AI。它藏在你处理过的真实复杂度里。

我自己的例证：在团队内部系统性推 AI Coding 落地

我所在团队 20 人。系统性推 AI Coding 落地的过程中，遇到的真实阻力跟很多人想象的不一样。

最大的阻力不是"AI 能力不行"，是每个人都已经有自己的一套玩法，且都觉得自己的不错。

有人 Cursor 派，有人 Claude Code 派，有人 Copilot 派，有人坚持 IDE 自动补全
每个人都能拿出自己的 case "你看这就是我的方法解决的"
但全团队没有统一的方法论 —— 新人该学谁的？某个人离开，他的实践就消失？怎么把"个人技巧"变成"团队资产"？

第二个阻力是几位资深同学早期判定"AI 能力不行"。

他们试用过早期模型，得出"AI 只能写 demo，复杂业务不行"的结论，然后这个判断在脑子里固化下来，新模型出了也不愿意再试。后来才意识到：真正的问题不是模型不行，是用法（spec、上下文、工作流）不对。同样的模型，给一段模糊需求和给一份完整 spec，出来的代码差一个量级。

我做的事归结成一句：自建了基于 multi-coding-agent 的 harness 工程，把"个人玩法"变成"团队基础设施"。具体在这个工程外壳上落了 3 条工作流：

1. 任务分级 —— 按"大小需求"分两档

小需求（明确边界、典型 CRUD / 工具脚本 / bug fix）：走全 agent 流程
大需求（涉及架构调整、跨模块、不确定的业务逻辑）：必须人主导 spec 设计，agent 辅助实现

区别的核心不是"难度"，是spec 写得清楚不清楚。spec 模糊的需求让 agent 直接干，是给自己埋雷。

2. AI 输出必检清单 —— 三道关，不是看 unit test 过就行

spec 设计是否合理：不是"代码对不对"，是"agent 把需求理解成什么了"
冒烟效果：必须手跑几个关键路径，agent 自己说"已通过"不算
代码 diff：行级 review，看有没有"看似对但行为变了"的隐性修改（比如默认值改了、错误处理路径少了一个分支）

3. 失控回退 —— 修补的成本比重做高

哪怕走完三道关，如果 PR review 时发现 agent 改了你没意识到的地方、或者引入了非显式约定的依赖，立刻 revert 重做，不要修补。修补的认知成本比重做高得多 —— 因为你要先理解 agent 为啥这么改，再决定怎么不破坏其他逻辑地改回来，这中间的脑力消耗比重新让 agent 在更紧的 spec 下重做一次大得多。

这套 harness 工程把团队 AI Coding 产出的方差大幅降低 —— 资深同学不再因为某一次糟糕体验拒绝 AI，新人也不再"看着别人用 Cursor 但不知道自己该从哪开始"。

这套东西比单纯的"用 AI 写代码"值钱多了。它来自的是过去多年踩过的工程坑：怎么搭流程、怎么定 review 标准、怎么处理团队内部对工具的分歧，这些经验不是看模型 release notes 能复制的。

AI 时代，原本看起来"过时"的工程经验和组织判断力，反而成了真正的差异化能力 —— 因为模型谁都能用，但能把模型变成团队稳定产能的人才是稀缺品。

给 3 类人的具体动作

新人 0-3 年：别信"AI 让你弯道超车"

AI 让所有人能写代码，但不让所有人能做工程决策。你想跟老炮拉开差距：

不要花时间研究 100 个 prompt 模板——那些是任何人随手都能复制的东西，没有竞争力
要花时间在真实项目里被毒打——参与跨部门协作、主动接难活、被骂之后认真复盘
选公司时优先选业务复杂、技术债深、组织博弈强的团队——这些"难"是你长出判断力的土壤

新人最危险的状态是"用 AI 高效完成简单任务"，因为它让你误以为你在成长，其实只是在加速消费简单任务。

中阶 3-7 年：AI 是杠杆不是替代

你正处在最该利用 AI 的窗口。但用法跟新人不一样：

把 AI 当成你的"代码实习生"——派给它你不想花时间但必须做的事（写文档、改测试、写 boilerplate、查老 API）
把你的注意力释放给真正难的事——架构选型、跨团队协调、复杂 debugging、业务理解
每周问自己一次：这周我做的事，AI 能不能做？如果能，下周怎么换更难的事做？

中阶最大的陷阱是"用 AI 把工作做轻松了"。这没问题，但如果 6 个月后你做的事还跟 6 个月前一样，你就在为自己未来 2 年的失业铺路——因为公司迟早发现你能被 AI + 一个新人替代。

老炮 7+ 年：你的判断力第一次有市场溢价

过去你的"老炮经验"是公司的隐性资产，没法变现。现在变了：

AI 让"工程判断力"从内部能力变成外部商品——你脑子里的框架可以用文章、内训、咨询的形式直接定价
结构化输出你的判断——把你做工程多年踩过的具体坑，写成可被别人复用的方法论。哪怕只写 10 篇，你的 IP 价值就出来了
不要再焦虑"35 岁/40 岁要被裁"——那是 2022 年的叙事。2026 年的叙事是"招不到能在 AI 时代做技术决策的资深"

具体起手动作：

列出你过去 5 年最痛苦的 5 个工程决策（架构、人事、技术债、项目失败）
每个写一篇 1500 字的复盘，结论部分像一个咨询顾问那样总结成 3-5 条可被别人执行的判断准则
这是你的"老炮 IP 资产"——5 篇起步，10 篇成势

收尾

45 年打磨一项手艺听起来浪漫，但它的本质不是浪漫，是市场。当一切都在加速通货膨胀，慢工细活反而成了稀缺资产。

许文飙的爆火不是个体励志故事，是整个市场在重新给"专业主义"定价的早期信号。同样的故事正在互联网行业上演：浅层技能继续贬值，深层判断继续升值。

技术老炮们，AI 时代恰恰是你们的最佳出场时机。别再焦虑年龄了，去把你脑子里那些"理所当然"的判断框架，结构化、外化、产品化。