竹科工程師的集體焦慮，三十年前鴻海「自動化裁員」早就演過一次:AI Coding 淘汰的不是會寫 Code 的人，而是當年那些笑機器手臂貴的老屁股

當 AI Coding 工具全面進入工程師日常工作，新竹科學園區掀起一波集體焦慮。但這齣戲碼，三十年前鴻海導入自動化產線時就已上演過一次——歷史證明，被淘汰的從來不是技術本身，而是那些嘲笑新工具太貴、太慢、不好用的人。

凌晨一點的新竹，園區二路的便利商店裡，兩個工程師盯著筆電螢幕。一個在跟 Claude Code 對話，另一個在改已經維護了八年的遺留程式碼。誰會先被淘汰？這個問題，最近在竹科的午休餐桌、匿名論壇 tech_job 板、甚至部門會議裡，被問了不下上百次。

但這齣戲，台灣演過一次。

三十年前，機器手臂也被笑過「太貴」

一九九〇年代，鴻海開始在生產線導入自動化設備。當時產線上的老師傅普遍不信:一台機器手臂要價數百萬台幣，動作又慢，故障率高，還要養一整批工程師維護。「我用人工，一個月薪水不到三萬，」這是當年產線最常聽到的反駁。

三十年後結果揭曉。自動化沒有消滅「製造」這門專業，它消滅的是「拒絕學會跟機器一起工作的那一批人」。留下來的技術員轉成了設備工程師、製程工程師，薪水翻了數倍；堅持只用手工作業的，在產線外移與升級的浪潮中第一批離場。

關鍵從來不是「機器手臂會不會取代人手」，而是「誰先把自己升級成機器手臂的操作者」。

AI Coding 是同一齣戲的第二幕

把場景換到今天。Gemini CLI、Claude Code、Cursor 這類 agentic 工具，已經能讀完整個 codebase、自己跑測試、自己發 PR。Anthropic 自己的公開資料顯示，其工程團隊已有相當比例的程式碼由 AI 生成。Google 也在開發者大會上明講:Gemini Code Assist 的目標是全生命週期覆蓋——debug、refactor、測試生成，一條龍。

焦慮因此蔓延。竹科某 IC 設計公司的資深工程師在內部論壇留言:「我花十年學會的 debugging 直覺，AI 三秒就給答案。」這條留言獲得數百則回覆。

但回到鴻海的故事。當年機器手臂貴、慢、不好用——全是事實。早期導入的良率甚至比人工差。可是成本曲線是單向的:工具只會越來越便宜、越來越快。嘲笑工具的現況，等於押注技術停止進步。三十年來，沒有一次押對過。

被淘汰的三種人，長得一樣

從自動化到 AI，歷史淘汰的其實是同一種姿態，可以拆成三種人:

第一種，是「工具否定者」。覺得 AI 生成的程式碼很髒、有幻覺、不能上 production——這些批評都對，但結論錯了。Copilot 的 inline 建議確實常出錯，Claude Code 也會在大型 codebase 裡迷路。正確的回應是學會 prompt 它、驗證它、把它當实习生用，而不是拒用它。拒用的人，等於一九九五年拒學 CNC 的師傅。

第二種，是「只會按按鈕的人」。這是 AI 時代新出現的風險。如果你只会让 AI 生程式碼、看不懂它寫了什麼、無法判斷架構好壞，那你的價值正在歸零——因為按按鈕這件事，每個人都會。當年自動化產線上，純粹「顧機器」的作業員，也是第一波被精簡的。

第三種，是「不換賽道的人」。自動化時代，存活下來的師傅轉向設備維護、製程改善——离机器更近、离纯手工更远。AI 時代的對應動作很清楚:往上移到系統設計、code review、AI 工具鏈的建置與治理。會用 AI 的工程師產出是不用者的數倍，這個差距只會擴大，不會縮小。

焦慮沒用，動作才有用

竹科的工程師其實握有一手好牌。台灣的硬體工程文化本來就是「跟機器協作」的文化——三十年前就是全球最適應自動化的勞動力之一。這一代人面對 AI Coding，缺的不是能力，是心態的切換速度。

鴻海後來成了全球自動化程度最高的代工廠之一，當年嘲笑機器手臂的人，多數沒有留下名字。三十年後，當 AI Agent 能獨立跑完整個 sprint，今天在論壇上發文取暖的工程師們，會是操作它的人，還是笑它的人？

工具不會等你笑完。