1. 首頁 > 生活百科 > >

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」

創投圈it芯片芯片risc-v

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」

文章圖片

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」

文章圖片

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」

文章圖片

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 ， 程序員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！
未來的編程世界 ， 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 ， 亞馬遜的軟件工程師們發現 ， 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 ， 程序員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！現實卻沒那么簡單 。
一些程序員抱怨 ， AI的介入讓他們感到時間被壓縮 ， 思考的空間被擠占 ， 工作節奏越來越像倉庫里分揀包裹的工人：快速、機械、重復 。
這種變化的背后 ， 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」似乎正在滲透到軟件開發領域 。
程序員們被要求使用AI工具 ， 如代碼補全助手和自動化測試框架 ， 以縮短開發周期 。
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 ， 做一個復雜的項目可能需要一個月 ， 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并非裁員 ， 而是工作降級——把復雜任務拆解為機械重復的簡單操作 。
以前汽車廠的技工是老師傅帶徒弟 ， 后來流水線一上 ， 所有人都變成擰螺絲的工具人：每天重復幾百次同一個動作 。
機器沒直接讓人失業 ， 但把活都拆成了不用腦子的重復勞動 。

創造力還是生產力？現在這股風刮到程序員這里了 。
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 。
編程 ， 本該是一場腦力與創造力的狂歡 。
好的程序員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升機會 。
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 ， 還能讓代碼質量更穩定 。
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 ， 程序員們卻有不同的感受 。
有人吐槽：「AI生成的代碼就像快餐 ， 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能讓程序員效率飆升 ， 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序的AI工具 。 一名工程師稱這些工具「好得可怕」 。
有人表示 ， 許多同事不愿意使用這些新工具 ， 因為它們需要大量的反復檢查 ， 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序員的創造力 。
過去 ， 程序員們有時間去鉆研一個復雜問題 ， 甚至花幾天時間優化一個算法 。
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 。
程序員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 。 程序員必須依賴AI才能跟上項目進度 ， 否則就會影響績效 。
當然 ， AI的引入并非全然壞事 。
代碼補全、自動調試、甚至生成整段函數 ， AI確實讓一些重復性工作變得更高效 。 尤其是對于初學者或需要快速出原型的項目 ， AI工具簡直是救命稻草 。

程序員成了「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 ， 程序員從創造者變成了「審稿人」 。
但這也引發了一個深刻的疑問：當AI接管了越來越多的編程任務 ， 程序員的未來會是什么樣子？
是成為更高效的創造者 ， 還是被困在流水線般的循環中？
亞馬遜管理層表示 ， AI幫忙搞定無聊的底層代碼 ， 程序員可以去搞架構優化、算法升級這些高大上的工作 。
通過用AI完成升級舊軟件這種吃力不討好的工作 ， 公司節省了相當于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 。
對資深程序員來說 ， 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涌現使企業家能夠廉價、輕松地制造實體產品一樣 ， AI的興起可能會使軟件開發民主化 ， 降低開發新應用程序的成本 。
引入AI的結果 ， 可能類似于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、調接口練手 ， 現在全被AI包辦了 ， 好多初級工程師抱怨：都沒機會debug ， 怎么學真本事?。 ?
AI可以是解放雙手的工具 ， 也可以是壓榨思考的枷鎖 。
程序員們看著倉庫里的機器人 ， 仿佛看到了未來的自己 。
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 ， 最近成了程序員吐苦水的地方 。
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么樣子 ， 不僅是他們的職業生涯 ， 還有工作質量 。
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 。
每天幾百人在群里聊：用AI寫代碼會不會讓我以后連簡歷都沒東西可寫？老板只看代碼量 ， 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 ， 現在程序員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 ， 現在靠機器沖壓 ， 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個程序員才能搭個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 ， 程序員的角色正在被重新定義 。
他們需要的不僅是更智能的工具 ， 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：以后面試該問啥？
不是「會不會寫算法」 ， 而是「能不能快速審完AI寫的代碼」 。
至于這是好事還是壞事——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 ， 最后所有人都得跟著時代走 。
技術進步的背后 ， 總是伴隨著對人性與創造力的考驗 。

當AI走進程序員日常普林斯頓大學、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對軟件開發人員生產力的影響 。
這項研究聚焦于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130萬用戶和5萬家企業使用 。
實驗覆蓋了近5000名軟件開發人員 ， 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、測試和項目管理等多個環節 。
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 ， 反映開發過程中的迭代效率 。編譯效率（構建次數）：評估代碼編譯的成功次數 ， 間接反映代碼質量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迭代和測試 。
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% 。
為什么新手更受益于AI？
新手更愿意接受Copilot的代碼建議 ， 他們將AI視為智能助手 ， 用于填補知識盲區 。
新手常通過「試錯-編譯-調整」的循環學習 ， Copilot的實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建議的整體質量可控 。
盡管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編程的掌控感 ， 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 ， 尤其是在處理敏感項目時 。
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用于重復性任務（如代碼模板生成） ， 釋放高經驗員工的創新力 。
新手可借助AI加速基礎編程 ， 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 ， 如復雜系統優化和需求分析 。
隨著AI技術的迭代 ， 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
【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」】https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566

    推薦閱讀