我是做了六年 iOS 开发的老兵，前四年写 OC，后两年转 Swift。今天不想灌鸡汤，就聊聊我这岗位这两年怎么被两头夹的，以及我自己后来怎么挪了一步。

一、困境：原生岗被夹在中间

我刚入行那会儿，iOS 原生是真吃香。一家做 App 的公司招人，JD 清一色写"精通 Objective-C/Swift，熟悉 AutoLayout 与多线程"。那时候会写原生，基本不愁饭吃。

变天是从两头一起来的。一头是跨端框架，Flutter、React Native 这些年把大量业务页吞了。很多公司算过账：一套代码跑双端，何必养两支原生队。另一头更狠，是 2025 年之后 AI 编码工具彻底成熟。我记得特别清楚，2024 年初大家还吐槽 AI 生成的代码能直接用的不到 5%，到 2025 年底，靠谱的已经稳定在九成以上。到了 2026 年，我们组里真有同事基本不写代码了，整天就给 AI 下指令、审输出，人变成了一道最后把关的闸。

招聘侧的变化最刺眼。2026 年初我帮朋友看机会，搜"iOS 原生"，出来的岗位比三年前少了一截，满屏倒是写着"35 岁以下"“精通 AI 大模型应用”。我一个做后端的朋友说得更直白，他们公司把技术文档岗整组裁了，改让 AI 出文档。

最让我后背发凉的，是圈子里传的那些样本。一个 35 岁前端被优化，理由就一句——他干的活，一个应届生用 Cursor 就能搞定。还有脉脉那组数据，35 岁以上的程序员只占 17.2%。我不是前端，但这些话平移到我身上一样扎心。原生开发干的很多重复活，AI 加跨端确实能替掉一大半。

我们组内部也开始卷。排行榜不只排代码量，连 Token 用量都上榜。谁用 AI 产出的行数少、谁没跟上工具节奏，三个月一评，末位压力直接顶到头上。我那段时间天天焦虑：离线就怕漏消息，人坐工位上却总怀疑自己下个季度还在不在。原生这碗饭，忽然不那么稳了。

还有件事让我提前慌了神。组里一个新项目，本来按老规矩该原生团队做，结果直接交给了跨端组，理由是"用 AI 加跨端，两个人一周出双端"。我那套 OC 老经验，忽然就成了一套不好挪用的旧手艺。

还有个细节。2026 年我刷招聘软件，发现连"移动端"的岗都在改口，要么要跨端，要么要会接 AI 功能。纯原生写得再溜，投出去回音也稀。我第一次体会到，手艺没退步，是市场先退了。

我那阵子还干过一件蠢事——偷偷用 AI 重写了一遍自己负责的老模块，想证明原生手写更稳。结果 leader 看了说，AI 版快是快，但边界处理不如我细。这反而点醒我：价值不在"手写"本身，而在于我知道哪里不能省。圈子里还有个更沉的样本：一个干了十五年的 Java 老哥，年薪七十万，2026 年初被裁，投三十份简历只拿到三个面试。我虽不是他，但年龄这根弦，从那以后一直绷着。

二、接触：我从抗拒到真用上 AI

得承认，前面我是抵触的。觉得原生是我的老本行，AI 写 SwiftUI 哪有我手写稳当。转折点是一次赶版本。

那次要赶一个带智能搜索的页面，按以前我得写三四天视图加接口联调。组里一个年轻同事看我苦哈哈，甩来一句："你让 Cursor 把骨架搭了，你改不就完了。"我半信半疑试了一把。AI 给出的 SwiftUI 结构大体能跑，错也就几处类型不匹配，我改改就上了真机。那是我第一次真切觉得，审代码比从零写快太多了。

也不是一路顺。有回 AI 给的列表刷新逻辑看着没问题，真机上一滑就崩，我追了半天才发现是它漏了空数组的判断。这反而让我笃定一件事：AI 出活快，但最后那道闸必须还是人。

prompt 这块也费了我一阵。一开始我以为把需求扔给 AI 就行，结果它东拉西扯。后来我学着把任务拆细、把约束写清、把出错样例喂回去，产出才稳。这活不像写代码有编译器兜底，得靠人把话说准。

后来我主动去摸 AI 的另一面。不是让它替我写业务页，而是接大模型能力做智能功能。我们 App 要加一个本地问答入口，我花两周研究怎么在端上调小模型、怎么用流式接口接云端 LLM、怎么处理弱网下的降级。过程中我越来越清楚一个事实：会用 AI 的程序员，和只会手写的，效率差出好几倍。我们组现在整体产出是以前的 3 到 5 倍，靠的就是人把关、AI 出活。

工具上，我日常从 Xcode 单打，变成 Cursor 加 Copilot，再加几个自己攒的内部提示词模板。契机其实挺被动——不跟上，下次优化名单可能就有我。但用顺了之后，我反而踏实了点：至少手里的家伙换了，不是光挨打。

三、现状改变：从纯原生，变成 AI 增强的移动开发

接触大半年下来，我自己的状态确实变了。但我想把话说实，绝不是什么一夜翻身的戏码。

第一，我的日常从手写代码，变成了审和改。现在一个功能我先用 AI 出初稿，再逐行看逻辑、调边界、补测试。对人负责这件事一点没少，反而更累——每行都得自己担着，AI 写错我也得背。离线焦虑没消失，只是换了种形式。

第二，我的定位从"纯原生开发"挪到了"AI 增强的移动开发"。我会的东西多了一块：怎么在移动端接大模型、怎么做端云协同的智能功能、怎么用 AI 把跨端和原生揉在一起。这让我现在能接一些带智能模块的活，组里排活也愿意分我，因为既懂原生又懂接 AI 的人不多。

组里现在排活也有变化。以前按模块分，现在按"会不会用 AI"分。能用 AI 把活打包的人，接的活更杂也更靠近业务；只会手写的，慢慢被挤到边角。我这半年算是被推到了中间那层。

上个月我用 AI 搭了个带语音问件的模块，原先这种活我要折腾一周，这次三天出了能演示的版本，组里演示完直接进了下个迭代。这种"我能接更杂的活"的感觉，是半年前没有的。

第三，岗位池这件事我得直说——变小了，不是变大。原生岗本身在收缩，能留下来的是会原生又会用 AI 的窄路人。我算是踩在了这条窄路上，但路有多宽，我心里没底。

收入结构也有点微调。我外面接了点小私活，帮两三个小团队做带 AI 功能的 App 模块，一个月多挣两三千补贴家用。谈不上翻身，就是多一层缓冲，真要再遇优化，不至于措手不及。

说句实在的，我现在下班也比以前累。AI 把产出门槛拉高，组内默认你能接更多。活多了，但单价没变，甚至因为"产出高"被压得更紧。这就是真实的一面，不是用了 AI 就轻松了。

结尾

回头看，AI 没让我失业，也没让我凭空多挣一大笔。它把我原来稳稳的手艺，变成了一门要不断重新学的新手艺。我现在不太敢拍胸脯说"我吃定这行了"，只敢说，至少这半年，我还在牌桌上。明年会怎样，谁也算不准。如果你也在原生岗，我的建议不是恐慌，是先把手边的 AI 工具用熟——不是为转行，是为别被那张优化名单先点到名。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！