亞馬遜碼農噩夢來襲,淪落「倉庫工人」,每天流水線分揀「AI 代碼」
當 AI 工具讓代碼飛速生成,程式師的創造力卻面臨前所未有的挑戰。 AI 是解放雙手的魔法,還是扼殺思考的牢籠? 揭秘亞馬遜工程師的真實心聲!
未來的程式設計世界,會是靈感與效率的完美平衡,還是流水線式的代碼工廠?
最近,亞馬遜的軟體工程師們發現,他們的日常工作正在發生微妙卻深刻的變化。
AI 工具被廣泛引入,從代碼生成到調試優化,程式師被要求以更快的速度交付成果。 聽起來很酷,對吧?
AI 寫代碼,效率翻倍! 現實卻沒那麼簡單。
一些程式師抱怨,AI 的介入讓他們感到時間被壓縮,思考的空間被擠佔,工作節奏越來越像倉庫里分揀包裹的工人:快速、機械、重複。
這種變化的背後,是亞馬遜對效率的無盡追求。 作為全球電商巨頭,亞馬遜的倉庫以其高效的自動化流程聞名。
如今,這種「流水線思維」似乎正在滲透到軟體開發領域。
程式師們被要求使用 AI 工具,如代碼補全助手和自動化測試框架,以縮短開發週期。
結果呢? 他們發現自己不再是「從0到1」的創造者,而是更像在流水線上組裝代碼的工人。
過去,做一個複雜的專案可能需要一個月,甚至兩個月。 現在,整個過程都受到監控,而且可以快速完成。
自工業革命以來,機器取代人類的焦慮從未消散。
歷史經驗顯示,技術變革更常見的影響並非裁員,而是工作降級——把複雜任務拆解為機械重複的簡單操作。
以前汽車廠的技工是老師傅帶徒弟,後來流水線一上,所有人都變成擰螺絲的工具人:每天重複幾百次同一個動作。
機器沒直接讓人失業,但把活都拆成了不用腦子的重複勞動。
創造力還是生產力?
現在這股風刮到程式師這裡了。
大家原本擔心 AI 會搶飯碗,結果發現更鬧心的是——活兒沒變少,反而變得又快又糙。
程式設計,本該是一場腦力與創造力的狂歡。
好的程式師不僅要寫出能跑的代碼,還要設計優雅的架構、預判潛在的 bug,為代碼擴展留足空間。
但在 AI 的「助力」下,這種深度思考的機會似乎越來越少。 工程師擔心因此失去重要的技能和晉陞機會。
在亞馬遜,管理層對 AI 的推崇幾乎到了狂熱的地步。
他們相信,AI 不僅能提升效率,還能讓代碼品質更穩定。
亞馬遜 CEO Andy Jassy 表示,AI 為我們節省了數千年的開發時間。
然而,程式師們卻有不同的感受。
有人吐槽:「AI 生成的代碼就像速食,填飽肚子,但吃不出滋味。」
更有甚者,覺得自己的工作正在被降維,從高創造性的腦力勞動變成了機械化的代碼搬運工。
亞馬遜 CEO 在股東信里明明白白寫著:用 AI 能讓程式師效率飆升,誰慢誰就被對手吃掉。
他認為「速度」是保持競爭優勢的關鍵,生成式 AI 可以節省很多成本。
底下的工程師可遭罪了:團隊人數砍了一半,代碼量要求不變,全靠 AI 生成代碼塊硬撐。
一些亞馬遜的工程師坦言,他們現在更像是在拼湊 AI 生成的代碼片段,而不是從頭設計解決方案。
該公司最近推出了可以自行生成大部分程式的 AI 工具。 一名工程師稱這些工具「好得可怕」。
有人表示,許多同事不願意使用這些新工具,因為它們需要大量的反覆檢查,而且工程師們希望有更多控制權。
有位小哥表示,以前做個新功能能磨兩星期,現在三天就得交差,每天瘋狂 ctrl+C/V,連跟同事討論方案的時間都沒了。
AI 給出代碼的速度很快,但總感覺少了點「靈魂」。
更讓人擔憂的是,這種高強度的節奏可能正在扼殺程式師的創造力。
過去,程式師們有時間去鑽研一個複雜問題,甚至花幾天時間優化一個演算法。
如今,AI 工具的快速輸出讓管理層對交付時間的期望水漲船高。
程式師們不得不在更短的時間內完成更多任務,思考的時間被壓縮到最低限度。
有人開玩笑:我們現在不是在寫代碼,而是在和 AI 賽跑!
原本需要幾周開發的代碼,幾天之內就要交付。 程式師必須依賴 AI 才能跟上專案進度,否則就會影響績效。
當然,AI 的引入並非全然壞事。
代碼補全、自動調試、甚至生成整段函數,AI 確實讓一些重複性工作變得更高效。 尤其是對於初學者或需要快速出原型的專案,AI 工具簡直是救命稻草。
程式師成了「審稿人」
亞馬遜的故事只是科技行業的一個縮影。
隨著 AI 的普及,越來越多的公司開始依賴這些工具來加速開發流程。
Shopify 直接把「會不會用 AI」寫進績效考核,谷歌更狠,搞了個 AI 生產力工具開發大賽,贏了直接發一萬刀獎金。
數據顯示,谷歌現在 30%的代碼都是 AI 自動生成的,程式師從創造者變成了「審稿人」。
但這也引發了一個深刻的疑問:當 AI 接管了越來越多的程式設計任務,程式師的未來會是什麼樣子?
是成為更高效的創造者,還是被困在流水線般的迴圈中?
亞馬遜管理層表示,AI 幫忙搞定無聊的底層代碼,程式師可以去搞架構優化、演算法升級這些高大上的工作。
通過用 AI 完成升級舊軟體這種吃力不討好的工作,公司節省了相當於 4500 個開發人員一年的人力。
亞馬遜表示,AI 是為了增強工程師的專業能力,而非取代,協作仍然重要。
對資深程序師來說,不用再浪費時間寫「hello world」確實能提升效率。
正如海外工廠的大量湧現使企業家能夠廉價、輕鬆地製造實體產品一樣,AI 的興起可能會使軟體開發民主化,降低開發新應用程式的成本。
引入 AI 的結果,可能類似於 19 世紀和 20 世紀從手工勞動向工廠勞動的轉變。
但新人就慘了——以前靠寫測試代碼、調介面練手,現在全被 AI 包辦了,好多初級工程師抱怨:都沒機會 debug,怎麼學真本事啊?
AI 可以是解放雙手的工具,也可以是壓榨思考的枷鎖。
程序師們看著倉庫里的機器人,彷彿看到了未來的自己。
以前亞馬遜倉管每天走十幾公里找貨,現在站在原地等機器人送貨架過來,雖然不用走路了,但每小時分揀量從30件漲到300件,累得腰都直不起來。
AI 幫著寫代碼是快了,但每天要審幾百行自動生成的代碼,眼睛都看花了,完全像是流水線質檢員。
令人擔憂的節奏加快
亞馬遜內部有個小組,本來是抗議公司碳排放的,最近成了程式師吐苦水的地方。
該組織發言人、前亞馬遜員工 Eliza Pan 表示,這些抱怨主要圍繞他們的職業生涯會是什麼樣子,不僅是他們的職業生涯,還有工作品質。
從寫代碼到讀代碼的轉變,會讓工程師感覺自己像是工作中的旁觀者。
每天幾百人在群裡聊:用 AI 寫代碼會不會讓我以後連簡歷都沒東西可寫? 老闆只看代碼量,不關心邏輯是否優化,這還有啥技術含量?
有人提到了1936年通用汽車大罷工,當年工人也是因為流水線逼得太緊,現在程式師好像也快走到這一步了。
當然也有樂觀派。
有人打比方,「以前造車靠鐵匠敲鐵皮,現在靠機器衝壓,能說造車工藝倒退了嗎? AI 只是把基礎工作標準化了,真正厲害的工程師應該去搞創新設計。」
對創業公司來說,AI 簡直是救星。
以前招 10 個程式師才能搭個 APP 框架,現在用 AI 工具,兩個人一周就能搞出原型。
在這個 AI 驅動的時代,程式師的角色正在被重新定義。
他們需要的不僅是更智慧的工具,還有更多的時間去思考、去創造、去賦予代碼以生命。
有人開玩笑說:以後面試該問啥?
不是「會不會寫演算法」,而是「能不能快速審完 AI 寫的代碼」。
至於這是好事還是壞事——就像當年流水線剛出來時一樣,有人罵罵咧咧,有人默默適應,最後所有人都得跟著時代走。
技術進步的背後,總是伴隨著對人性與創造力的考驗。
當 AI 走進程式師日常
普林斯頓大學、麻省理工學院等機構的研究者,在微軟、埃森哲和一家匿名公司開展了大規模實地實驗,試圖通過真實的工作場景,探究生成式 AI 對軟體開發人員生產力的影響。
這項研究聚焦於 GitHub Copilot,一款由 GitHub 與 OpenAI 合作開發的 AI 編碼助手,能根據上下文生成代碼補全建議,已被超過 130 萬使用者和 5 萬家企業使用。
實驗覆蓋了近5000名軟體開發人員,其中微軟1746人、埃森哲320人、匿名公司3054人。
這些人員涵蓋了從初級到高級的不同崗位,任務包括代碼編寫、測試和專案管理等多個環節。
研究者通過 GitHub 的版本控制數據,追蹤了三個核心指標:
任務完成量(拉取請求數):衡量開發人員完成的獨立工作單元,例如新增功能或修復漏洞。
代碼活躍度(提交次數):記錄代碼修改的頻率,反映開發過程中的反覆運算效率。
編譯效率(構建次數):評估代碼編譯的成功次數,間接反映代碼品質和開發流程的順暢度。
整體效率提升26%
研究者發現:用 Copilot 的開發人員每周完成的任務量平均增加 26.08%,代碼提交次數增加 13.55%,編譯次數大幅增加 38.38%。
這表明,AI 助手不僅加速了任務完成,還激發了更頻繁的代碼反覆運算和測試。
實驗揭示了一個有趣的現象:經驗較少的開發人員對 Copilot 的接受度更高,且生產力提升更明顯。
初級開發人員的產出提升21%-40%,高級人員僅提升7%-16%。
為什麼新手更受益於 AI?
新手更願意接受 Copilot 的代碼建議,他們將 AI 視為智慧助手,用於填補知識盲區。
新手常通過「試錯-編譯-調整」的循環學習,Copilot 的即時建議減少了無效嘗試。
編譯次數的激增(+38.38%)反映了他們更頻繁地驗證 AI 生成的代碼,而構建成功率未顯著下降,說明 AI 建議的整體品質可控。
儘管 Copilot 無需額外投資即可使用,仍有 30%-40%的開發人員從未嘗試。
資深開發者更依賴手工程式設計的掌控感,認為 AI 可能破壞代碼風格的一致性。
部分開發者擔心 AI 生成的代碼存在安全漏洞或版權風險,尤其是在處理敏感專案時。
企業應針對性地推動 AI 工具普及,例如為新手提供培訓,鼓勵團隊將 Copilot 用於重複性任務(如代碼範本生成),釋放高經驗員工的創新力。
新手可藉助 AI 加速基礎程式設計,騰出時間學習架構設計等高階技能; 資深開發者則應聚焦 AI 難以替代的領域,如複雜系統優化和需求分析。
隨著 AI 技術的反覆運算,如何平衡工具與人類創造力,將成為所有知識型工作者需要思考的命題。
參考資料
https://www.nytimes.com/2025/05/25/business/amazon-ai-coders.html
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566
本文來自微信公眾號 “新智元”,作者:英智 ,36 氪經授權發佈。