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。