AI 对马来西亚科技工作的冲击：很少人谈的那个矛盾

马来西亚科技圈现在正在发生一件很分裂的事。

国际新闻很难看。Oracle 据报在 2026 年裁掉约 30,000 个职位。Block 裁掉大约四成员工。Meta 在 AI 大手笔投入之后，砍掉约十分之一的工作。Layoffs.fyi 追踪到今年至今已有超过 140 家科技公司裁掉六万多个职位。

另一边，你在吉隆坡随便找个科技猎头坐下来聊，他讲的是完全相反的故事。马来西亚某些科技专才的薪水，现在已经高过日本的同行。跨国企业正涌进半导体领域。数据中心项目撑起了 cloud、networking 和基础建设职位的需求。

两个故事都是真的。这个矛盾，多数报道都漏掉了。

我们在 Gotchaa Lab 每天用 Cursor、Claude 和 Copilot 帮马来西亚企业写软件。团队没有因为这些工具缩编，工作只是换了形状。下面写的东西，都是从这个经验来的。

AI 会取代马来西亚的开发者吗？

短答案：不是标题写的那种取代。会，但是以一种更安静、单看某一周新闻看不出来的方式。

Hays Malaysia 指出，随着公司用 AI 自动化重复性工作，纯软件开发的招聘在放缓。马来西亚战略与国际研究所（ISIS）在 2025 年年中警告，生成式 AI 可能加速职位两极化，冲击最大的是例行性高的岗位。《New Straits Times》2025 年 12 月的一篇报道点出同一个担忧：海外由 AI 带动的重组，未必会停在马来西亚边境外，本地公司会跟着全球的做法走。

没有发生的，是马来西亚开发者被干净利落地大规模取代。真正在发生的事安静得多：

• 有人离职，公司不再补初级职位
• 每个项目的团队编制比 18 个月前更精简
• 初级薪资带停滞，资深薪资带继续往上
• 入门职位的门槛一路在抬高

如果你的职称是“开发者”，你不会被删掉。被削下去的，是一家公司要做出同样产出所需要的开发者人数。

马来西亚哪些科技岗位真的有风险

先诚实面对自己站在哪一格。风险不是平均分布的。

2026 到 2027 年风险较高：

• 跑脚本回归测试的人工 QA
• 做 Figma 转 HTML 切图的初级前端
• 只做 CRUD、把表单接上数据库的后端
• 基础资料录入、爬虫、内容审核
• 第一线客服和通用内容写作
• 通用素材的英文转马来文或中文翻译

这些岗位 AI 现在能做掉六到八成，品质过得去，剩下的一个中级人加上工具就能吃下来。Anthropic 的劳动市场研究（我们在马来西亚的 AI 就业冲击那篇写过）发现，在 AI 高暴露的职业里，22 到 25 岁工作者的录用率大约掉了 14%。

到 2028 年风险较低：

• 处理杂乱企业数据的 data engineering 和 pipeline 工作
• 规模化的 cloud、DevOps 和平台工程
• 安全与合规，尤其是 PDPA 和 Bank Negara 的指引
• 对接马来西亚老旧系统的整合工程师
• 企业流程的 AI 落地
• 靠判断力和架构撑起来的资深全栈职位

规律很一致。牵涉马来西亚在地情境、受监管环境、或者一堆杂事要协调的，都比较难自动化。而“同样的通用产出，做得更多更快”，正好就是 AI 被造出来做的事。

马来西亚这层缓冲（以及它为什么有期限）

马来西亚目前被三个本地因素挡着。

第一，半导体和数据中心的热潮。光是柔佛，就有来自 hyperscaler 数十亿的数据中心资本开支已经落定。建设期需要 cloud 架构师、networking 工程师和平台团队。

第二，共享服务中心和 global capability centre（GCC）的区域枢纽角色。这些还是需要同时懂马来西亚合规和全球企业系统的工程师。

第三，时间差。很多马来西亚中小企业的 AI 采用进度，比新加坡、美国或西欧慢 12 到 24 个月。冲击是被延后了，不是不会来。

问题在于：建设期会结束。数据中心跑顺了之后，营运只需要建设期一小部分的人手。而共享服务本身就是 AI 暴露度最高的行业之一：工单分派、基础会计、HR 查询、例行合规报告，正好都是 LLM 拿手的。那个时间差也在收窄。

我们的看法：接下来 18 个月是一个窗口。把这段时间当成“情况还好”的马来西亚科技人，2028 年会比较难过。

在马来西亚的情境里，AI 做不了什么

人做的工作会集中在这些地方，薪水往上跑的也是这些地方。

PDPA 和法规判断。 在马来西亚 PDPA 底下，什么算个人资料；跨境传输规定怎么套用在一个架在 AWS 新加坡的 SaaS 上；资料保留要怎么设计才撑得过 Bank Negara 的审计。这些都不是套模板的事。Cyber Security Act 又多加一层。AI 可以起草一份政策文件，但它没办法告诉你，你这套架构放在你这个行业里，有没有符合法律的本意。

老旧系统整合。 多数马来西亚大机构跑的系统有 10 到 25 年历史：银行的 AS/400 核心、GLC 里用了很多年的 ERP、走 SOAP 和 FTP 传文件的政府端点。我们遇过客户，接一个老旧端点花的时间比做完整个前台应用还长。这种活需要有人能读懂没有文档的系统，而且改完不会弄坏月结批次。

马来文与双语 UX。 AI 翻译已经很好了。但要 AI 判断语气、俚语，以及在同一个产品里马来文、英文、中文之间的夹杂切换，还是不太稳。医疗、银行和政府类产品尤其还是需要人来看过。

本地中小企业的生意逻辑。 马来西亚零售中小企业的跑法跟美国不一样。WhatsApp 是主要销售渠道，巴生谷以外货到付款是常态，备货计划要跟着宗教节庆走。这些东西不会预装在一个通用 AI agent 里。懂这些的工程师写出来的软件就是更好用，没什么好争的。

责任归属。 凌晨两点的线上事故，没有人会 escalate 给一个 chatbot。最后扛的还是人组成的团队，而马来西亚企业很愿意继续为这一层付钱。

“AI 加一个人”的取代模式

我们看过最有用的一个框架是：公司不是拿 AI 取代 10 个开发者，是拿 2 个开发者加 AI 取代 10 个开发者。

团队净人数下降，团队产出上升，留下来的每个人门槛大幅提高。

对马来西亚科技人来说，有几个实际影响：

1. 中级是被挤压最狠的一层。 资深的人靠 AI 放大产能，初级的人被取代。只会照着工单做、不碰范围界定和架构的中级工程师，会被推进被取代那一边。
2. 有判断力的通才赢过窄专才。 一个能想清楚部署、成本和产品取舍的后端工程师，比一个只照规格写 Java service 的人难压缩得多。
3. 软技能一点都不软。 跟各方利益相关者打交道、把需求写清楚、带人、跨团队边界调试，这些都还没被自动化好。
4. 端到端比单一层的深度更重要。 自己做的小项目、内部工具，任何能证明你可以把一个模糊的问题做成一个上线方案的东西。公司现在还愿意付钱的，就是这个信号。

马来西亚科技人实际上该做什么

别再听“去学 Python”那种通用建议。真正的问题是，把时间投在哪一类工作上。几个具体的押注：

AI 整合工程。 不是把“prompt engineering”当一份工作，那个已经商品化了。我们讲的是更麻烦的那部分：把 AI 接进现有的企业流程，agent 要能跟内部系统对话，要能对公司文件做 RAG，还要处理权限、审计日志、fallback 路径和成本控制。需求高，供给少。

Data engineering 和平台工作。 在马来西亚认真做 AI 的人，都会撞到同一堵墙：数据是乱的。能把 pipeline 做干净、能撑起 AI 功能实际跑的基础设施的工程师，薪水拿得不错。这活不光鲜，但会一直在。

安全与合规专长。 PDPA、Cyber Security Act、银行业指引、ISO 27001。挑一两个做深。2025 年开始铺开的新合规制度，未来十年都会一直生出工作来。

Fintech、healthtech 或 govtech 的行业深度。 这些领域马来西亚在地情境很重，责任归属也重要。懂领域而不只是懂技术栈的工程师，是顾问公司一直想挖的那批人。

带人和带事。 如果你已经做了 5 到 10 年，还在问“我该做哪张工单”，那是个问题。撑得过 AI 压缩的团队，带头的都是能定优先级、也能把下一代带出来的人。

这对要请人的马来西亚企业意味着什么

如果你在经营马来西亚企业，有两点要注意。

第一，招聘市场正在两极化。初级科技薪资持平或下滑，资深和专才薪资涨得很快。“请五个初级慢慢栽培”这套模式会越来越难走，因为初级过去用来练功的那些工作，被 AI 吃掉了。

第二，你现有的团队才是杠杆。我们看过客户把三个资深工程师送去做一轮扎实的 AI 工具训练，得到的价值比再请第四个人高。厂商那一边，我们写在AI 时代怎么挑软件开发公司。

2026 年，马来西亚的科技职涯还是走得通

我们不认同“AI 会悄悄把马来西亚科技业删掉”这种说法。半导体资本开支、数据中心建设、GCC 成长、一团乱的法规环境，加上老旧系统的现实，会思考的工程师有的是长期需求。

在变的是需求的形状。大批量的职位变少，需要专长和判断的工作变多，入门门槛变高。还有一道越拉越开的差距：每天把 AI 当工具用的工程师，和站在旁边看的工程师。

马来西亚科技人现在最贵的一个决定，就是先观望。从上面挑一个耐久的押注，这一季就开始花时间进去。

在想 AI 要怎么放进你的团队？找我们聊，实话实说，不推销。

本文只提供一般资讯，不构成法律、财务或职涯意见。招聘趋势、薪资数字和法规细节都会改变。行动之前，请向相关雇主、机构或专业顾问查证。

参考资料

1. BBC: Meta to cut one in 10 jobs after spending billions on AI
2. NST: Malaysia may not be immune to AI-led job cuts
3. The Edge Malaysia: HSBC mulls deep job cuts from multi-year AI-fuelled overhaul
4. Hays Malaysia: Future of work, technology, AI impact
5. ISIS Malaysia: Novel AI technologies and the future of work in Malaysia
6. Anthropic: Labor market impacts of AI, a new measure and early evidence
7. Layoffs.fyi: Tech industry layoffs tracker