️️新智元报道
编辑：英智
️【新智元导读】当AI工具让代码飞速生成，程序员的创造力却面临前所未有的挑战。AI是解放双手的魔法，还是扼杀思考的牢笼？揭秘亚马逊工程师的真实心声！
未来的编程世界，会是灵感与效率的完美平衡，还是流水线式的代码工厂？
最近，亚马逊的软件工程师们发现，他们的日常工作正在发生微妙却深刻的变化。
AI工具被广泛引入，从代码生成到调试优化，程序员被要求以更快的速度交付成果。听起来很酷，对吧？
AI写代码，效率翻倍！现实却没那么简单。
一些程序员抱怨，AI的介入让他们感到时间被压缩，思考的空间被挤占，工作节奏越来越像仓库里分拣包裹的工人：快速、机械、重复。
这种变化的背后，是亚马逊对效率的无尽追求。作为全球电商巨头，亚马逊的仓库以其高效的自动化流程闻名。
如今，这种「流水线思维」似乎正在渗透到软件开发领域。
程序员们被要求使用AI工具，如代码补全助手和自动化测试框架，以缩短开发周期。
结果呢？他们发现自己不再是「从0到1」的创造者，而是更像在流水线上组装代码的工人。
过去，做一个复杂的项目可能需要一个月，甚至两个月。现在，整个过程都受到监控，而且可以快速完成。
自工业革命以来，机器取代人类的焦虑从未消散。
历史经验显示，技术变革更常见的影响并非裁员，而是工作降级——把复杂任务拆解为机械重复的简单操作。
以前汽车厂的技工是老师傅带徒弟，后来流水线一上，所有人都变成拧螺丝的工具人：每天重复几百次同一个动作。
机器没直接让人失业，但把活都拆成了不用脑子的重复劳动。
️创造力还是生产力？
现在这股风刮到程序员这里了。
大家原本担心AI会抢饭碗，结果发现更闹心的是——活儿没变少，反而变得又快又糙。
编程，本该是一场脑力与创造力的狂欢。
好的程序员不仅要写出能跑的代码，还要设计优雅的架构、预判潜在的bug，为代码扩展留足空间。
但在AI的「助力」下，这种深度思考的机会似乎越来越少。工程师担心因此失去重要的技能和晋升机会。
在亚马逊，管理层对AI的推崇几乎到了狂热的地步。
他们相信，AI不仅能提升效率，还能让代码质量更稳定。
亚马逊CEO Andy Jassy表示，AI为我们节省了数千年的开发时间。
然而，程序员们却有不同的感受。
有人吐槽：「AI生成的代码就像快餐，填饱肚子，但吃不出滋味。」
更有甚者，觉得自己的工作正在被降维，从高创造性的脑力劳动变成了机械化的代码搬运工。
亚马逊CEO在股东信里明明白白写着：用AI能让程序员效率飙升，谁慢谁就被对手吃掉。
他认为「速度」是保持竞争优势的关键，生成式AI可以节省很多成本。
底下的工程师可遭罪了：团队人数砍了一半，代码量要求不变，全靠AI生成代码块硬撑。
一些亚马逊的工程师坦言，他们现在更像是在拼凑AI生成的代码片段，而不是从头设计解决方案。
该公司最近推出了可以自行生成大部分程序的AI工具。一名工程师称这些工具「好得可怕」。
有人表示，许多同事不愿意使用这些新工具，因为它们需要大量的反复检查，而且工程师们希望有更多控制权。
有位小哥表示，以前做个新功能能磨两星期，现在三天就得交差，每天疯狂ctrl+C/V，连跟同事讨论方案的时间都没了。
AI给出代码的速度很快，但总感觉少了点「灵魂」。
更让人担忧的是，这种高强度的节奏可能正在扼杀程序员的创造力。
过去，程序员们有时间去钻研一个复杂问题，甚至花几天时间优化一个算法。
如今，AI工具的快速输出让管理层对交付时间的期望水涨船高。
程序员们不得不在更短的时间内完成更多任务，思考的时间被压缩到最低限度。
有人开玩笑：我们现在不是在写代码，而是在和AI赛跑！
原本需要几周开发的代码，几天之内就要交付。程序员必须依赖AI才能跟上项目进度，否则就会影响绩效。
当然，AI的引入并非全然坏事。
代码补全、自动调试、甚至生成整段函数，AI确实让一些重复性工作变得更高效。尤其是对于初学者或需要快速出原型的项目，AI工具简直是救命稻草。
️程序员成了「审稿人」
亚马逊的故事只是科技行业的一个缩影。
随着AI的普及，越来越多的公司开始依赖这些工具来加速开发流程。
Shopify直接把「会不会用AI」写进绩效考核，ASPCMS社区更狠，搞了个AI生产力工具开发大赛，赢了直接发一万刀奖金。
数据显示，ASPCMS社区现在30%的代码都是AI自动生成的，程序员从创造者变成了「审稿人」。
但这也引发了一个深刻的疑问：当AI接管了越来越多的编程任务，程序员的未来会是什么样子？
是成为更高效的创造者，还是被困在流水线般的循环中？
亚马逊管理层表示，AI帮忙搞定无聊的底层代码，程序员可以去搞架构优化、算法升级这些高大上的工作。
通过用AI完成升级旧软件这种吃力不讨好的工作，公司节省了相当于4500个开发人员一年的人力。
亚马逊表示，AI是为了增强工程师的专业能力，而非取代，协作仍然重要。
对资深程序员来说，不用再浪费时间写「hello world」确实能提升效率。
正如海外工厂的大量涌现使企业家能够廉价、轻松地制造实体产品一样，AI的兴起可能会使软件开发民主化，降低开发新应用程序的成本。
引入AI的结果，可能类似于19世纪和20世纪从手工劳动向工厂劳动的转变。
但新人就惨了——以前靠写测试代码、调接口练手，现在全被AI包办了，好多初级工程师抱怨：都没机会debug，怎么学真本事啊？
AI可以是解放双手的工具，也可以是压榨思考的枷锁。
程序员们看着仓库里的机器人，仿佛看到了未来的自己。
以前亚马逊仓管每天走十几公里找货，现在站在原地等机器人送货架过来，虽然不用走路了，但每小时分拣量从30件涨到300件，累得腰都直不起来。
AI帮着写代码是快了，但每天要审几百行自动生成的代码，眼睛都看花了，完全像是流水线质检员。
️令人担忧的节奏加快
亚马逊内部有个小组，本来是抗议公司碳排放的，最近成了程序员吐苦水的地方。
该组织发言人、前亚马逊员工Eliza Pan表示，这些抱怨主要围绕他们的职业生涯会是什么样子，不仅是他们的职业生涯，还有工作质量。
从写代码到读代码的转变，会让工程师感觉自己像是工作中的旁观者。
每天几百人在群里聊：用AI写代码会不会让我以后连简历都没东西可写？老板只看代码量，不关心逻辑是否优化，这还有啥技术含量？
有人提到了1936年通用汽车大罢工，当年工人也是因为流水线逼得太紧，现在程序员好像也快走到这一步了。
当然也有乐观派。
有人打比方，「以前造车靠铁匠敲铁皮，现在靠机器冲压，能说造车工艺倒退了吗？AI只是把基础工作标准化了，真正厉害的工程师应该去搞创新设计。」
对创业公司来说，AI简直是救星。
以前招10个程序员才能搭个APP框架，现在用AI工具，两个人一周就能搞出原型。
在这个AI驱动的时代，程序员的角色正在被重新定义。
他们需要的不仅是更智能的工具，还有更多的时间去思考、去创造、去赋予代码以生命。
有人开玩笑说：以后面试该问啥？
不是「会不会写算法」，而是「能不能快速审完AI写的代码」。
至于这是好事还是坏事——就像当年流水线刚出来时一样，有人骂骂咧咧，有人默默适应，最后所有人都得跟着时代走。
技术进步的背后，总是伴随着对人性与创造力的考验。
️当AI走进程序员日常
普林斯顿大学、麻省理工学院等机构的研究者，在微软、埃森哲和一家匿名公司开展了大规模实地实验，试图通过真实的工作场景，探究生成式AI对软件开发人员生产力的影响。
这项研究聚焦于GitHub Copilot，一款由GitHub与OpenAI合作开发的AI编码助手，能根据上下文生成代码补全建议，已被超过130万用户和5万家企业使用。
实验覆盖了近5000名软件开发人员，其中微软1746人、埃森哲320人、匿名公司3054人。
这些人员涵盖了从初级到高级的不同岗位，任务包括代码编写、测试和项目管理等多个环节。
研究者通过GitHub的版本控制数据，追踪了三个核心指标：
任务完成量（拉取请求数）：衡量开发人员完成的独立工作单元，例如新增功能或修复漏洞。
代码活跃度（提交次数）：记录代码修改的频率，反映开发过程中的迭代效率。
编译效率（构建次数）：评估代码编译的成功次数，间接反映代码质量和开发流程的顺畅度。
️整体效率提升26%
研究者发现：用Copilot的开发人员每周完成的任务量平均增加26.08%，代码提交次数增加13.55%，编译次数大幅增加38.38%。
这表明，AI助手不仅加速了任务完成，还激发了更频繁的代码迭代和测试。
实验揭示了一个有趣的现象：经验较少的开发人员对Copilot的接受度更高，且生产力提升更明显。
初级开发人员的产出提升21%-40%，高级人员仅提升7%-16%。
为什么新手更受益于AI？
新手更愿意接受Copilot的代码建议，他们将AI视为智能助手，用于填补知识盲区。
新手常通过「试错-编译-调整」的循环学习，Copilot的实时建议减少了无效尝试。
编译次数的激增（+38.38%）反映了他们更频繁地验证AI生成的代码，而构建成功率未显著下降，说明AI建议的整体质量可控。
尽管Copilot无需额外投资即可使用，仍有30%-40%的开发人员从未尝试。
资深开发者更依赖手工编程的掌控感，认为AI可能破坏代码风格的一致性。
部分开发者担心AI生成的代码存在安全漏洞或版权风险，尤其是在处理敏感项目时。
企业应针对性地推动AI工具普及，例如为新手提供培训，鼓励团队将Copilot用于重复性任务（如代码模板生成），释放高经验员工的创新力。
新手可借助AI加速基础编程，腾出时间学习架构设计等高阶技能；资深开发者则应聚焦AI难以替代的领域，如复杂系统优化和需求分析。
随着AI技术的迭代，如何平衡工具与人类创造力，将成为所有知识型工作者需要思考的命题。
参考资料：
https://www.nytimes.com/2025/05/25/business/amazon-ai-coders.html
