短结论：不会被“彻底淘汰”，但会被重塑。
AI 把“把控实现细节的体力活”越做越好，低代码从“拖拽拼装器”转型为规范/治理/集成平台：定义数据模型、权限、合规、连接遗留系统，剩下的代码交给 AI 生成与重构。
核心判断
- 简单 CRUD 与中小内部工具：AI 直写 > 传统低代码
这类应用需求清晰、变更频繁、技术复杂度低，AI 能直接生成全栈脚手架、API、前端表单与测试。传统低代码在可维护性/版本化上反而掣肘。 - 复杂业务与强合规场景：低代码“平台化”生存
牵涉主数据治理、审计追踪、跨系统事务、一致性、SLA、数据驻留/隐私等，需要模型驱动+策略即代码（policy-as-code）、统一身份权限、可观测性与发布管控。这里的“低代码”更像领域平台（Internal Developer Platform/IDP），而不是可视化拼图。 - 从“无代码界面”到“规范即源代码”
组织会把数据契约、工作流、风控规则、合规模板当作“源代码”管理（Git、评审、回滚、审计），AI 依据这些规范生成/迁移实现细节。低代码产品若能成为这层“规范真源（source of truth）”，价值更稳固。 - 角色迁移而非消失
- “公民开发者”→ 更像需求工程师/流程设计师，产出高质量规格与验收标准；
- 平台/架构团队提供模板、SDK、API 目录、数据契约与守护栏（guardrails）；
- 工程师把时间放在系统边界、弹性、安全、成本与可观测性上，而不是写表单/CRUD。
- 经济学逻辑
- 变更半衰期短（经常改）+ 复杂度低：AI 直写最快；
- 跨域复杂+ 强合规/强治理：选“AI 增强的低代码/领域平台”；
- 行业最佳实践固化（薪酬、报账、CRM 等）且差异化小：直接买成熟 SaaS。
12–18 个月可预见的融合
- Prompt/Spec-as-Code：用可版本化的需求与验收示例当“源”，AI 连续生成实现。
- 数据契约优先：以 API/事件与数据质量规则为中心，应用由 AI 围绕契约快速搭建。
- 测试/安全即默认：生成代码自动携带合规模板、审计日志、权限矩阵与负载基准。
- 低代码 UI 退居二线：从“拖拽器”转为AI 辅助的可视化审阅与发布闸门。
给团队的实操建议
- 先把领域模型、权限矩阵、审计要求、SLO/错误预算沉淀到仓库（即“规范即代码”）。
- 建一套模板化骨架（认证、观测、灰度、审计、国际化、支付/账单等），让 AI 基于模板扩展。
- 用内部开发者门户（IDP）统一 API 目录、数据契约、环境与一键发布；低代码工具用于编排工作流与跨系统集成，而不是写业务细节。
- 度量 TCO/变更速率/合规风险，用上面的决策表挑选：AI 直写 / AI+框架 / AI 增强低代码 / 直接 SaaS。
一句话收束：
AI 正在“消灭低价值实现”，而不是消灭“低代码”。能把业务规范、数据治理与合规做成“真源”的低代码平台会更重要；停留在“拖拽出界面”的，将被 AI 代码生成器边缘化。