AI编程效率与程序员工作变化
AI科技 · 4 篇公开推文 · 3 位作者 · 曝光 353451 · 评论 82 · 点赞 464 · 书签 162
帖子将AI编程工具带来的效率和成本变化,与工程师实际工作内容、实习岗位及“替代程序员”说法放在一起讨论。
创作角度
- 比较Claude Code、Cursor、Codex等工具在真实项目中的效率
- 讨论AI替代程序员时,工程师工作中哪些环节仍需人力
- 从工资、订阅成本和产出衡量AI编程的实际收益
相关公开推文
周受资说的太对了:写代码本来就只占工程师约30%的时间 🤣 最近的星展亚洲未来前瞻大会上,提到AI技术的影响以及对软件工程师的“替代”这个议题,TikTok CEO周受资说: 我们谈到AI编程,在我们这个行业里,写代码过程本身是被AI颠覆了;但写代码只占大多数工程师30%的时间,其他很多工作依然非常依赖人——规划、与产品经理沟通、各种协调 等等,而且现在人的检查复核依然不可或缺。 周受资老板是真了解程序员工作的😂 我记得10多年前我在国内某一互联网大厂,码农们上午基本开会,下午很晚或者晚上才会有时间写代码,哈哈!而且当时这种现象在互联网大厂中是普遍的,事实上大家白天工作时间本来就没有多长时间写代码 🤣
曝光 40919 · 评论 38 · 点赞 152 · 书签 66
查看原帖这种感觉就像是我经常会在 HR 那边收到一些简历,说一些实习生愿意不要实习工资,希望来组内实习。但带实习生这件事情本身对我来说就是一件非常痛苦的事情,起码在 Opus 5.5 之后,我宁愿告诉老板给我更多的 token,我也不想再多带两个实习生。 GPU 的价格是远远高过人的成本的,几个不起眼的 B200 或者 B300 节点的价格,就已经是一个中厂一个组所有人员的薪资总和了。 所以还是那句非常极端的话:当你的motivation 并没有在几千卡甚至万卡的集群上去做适配的时候,这并不能算作是一个真正有 impact 的创新点。 什么才是他人真正认可你的工作?那就是为你的工作付出 巨额的GPU 卡时,也就是实打实的成本。
曝光 25743 · 评论 7 · 点赞 225 · 书签 61
查看原帖