亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」

亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」

文章图片

亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」

文章图片

亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」

文章图片

亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」

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 , 谷歌更狠 , 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 , 谷歌现在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?。 ?
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
【亚马逊码农噩梦来袭,沦落「仓库工人」,每天流水线分拣「AI代码」】https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566

    推荐阅读