在AI公司瘋狂吹噓“AI能寫80%代碼”時，AWS CEO Matt Garman 潑了一盆冷水。

他的態(tài)度相當直接：

“AI代碼占比？這是最愚蠢的指標?！?/p>

 “衡量代碼量從來不是好方法，很多時候，代碼越少越好。所以我完全不理解，為什么有人喜歡用這個指標來炫耀?！?nbsp;

這番言論迅速在 Hacker News 引發(fā)討論：

Garman 在播客中還反駁了另一種流行觀點——AI將取代初級工程師。

Garman 提到，AWS推出AI 輔助編碼工具 Kiro后，有企業(yè)高管興奮地告訴他：

“AI工具可以取代公司所有的初級員工”。

對此，Garman 回應道：

 “這是我聽過最蠢的事?！?nbsp;

原因很簡單：

 “初級員工可能是公司里成本最低的人力，而且他們是最積極擁抱 AI 的群體?！?/p>

這些觀點都來自他最近做客 Matthew Berman 的播客節(jié)目：

地址：https://www.youtube.com/watch?v=nfocTxMzOP4

當然，Hacker News 上也有人唱反調(diào)：

“我每天都看到有人批評 AI 編程，感覺像生活在平行世界?！?/p>

一位開發(fā)者分享了自己的實踐：

 “我寫過 20 萬行 B2B SaaS 代碼，用上 Sonnet 4 的 Agent 模式后，我只寫 20%，其余 80% 由 Sonnet 和 GitHub Copilot Agents 完成，然后我做嚴格檢查和測試?！?/p>

看完 Garman 的完整訪談后，你會發(fā)現(xiàn)，他不是反對 AI的保守者，而是提醒行業(yè)：別被指標綁架，別盲目砍人。

 真正的問題是：

AI 時代，開發(fā)者該怎么重新定義自己的價值？

1.AI不會讓人失業(yè)，砍初級崗反而愚蠢

幾個月前，Anthropic CEO Dario Amodei 警告：“AI 將引發(fā)白領(lǐng)大屠殺。”

他的預測是，未來十年，全球可能有 30% 的白領(lǐng)崗位被取代，客服、財務、法務等重復性強的崗位首當其沖。詳情可閱讀：Anthropic CEO失業(yè)暴論引爭議！AI將在5年內(nèi)消滅一半白領(lǐng)入門崗，失業(yè)率或飆升至20%！阿莫多：該征收Token稅了

這種悲觀論調(diào)在網(wǎng)絡(luò)上廣泛傳播，甚至有人斷言：“AI 會讓大學生找不到工作成為新常態(tài)。”

AWS CEO Matt Garman 卻不這么看。

 “我覺得這是科技界最令人興奮的時代。我個人非常樂觀。我認為 AI 和技術(shù)的進步，能夠顯著提高效率、生產(chǎn)力，并減少工作中的繁瑣任務。”

在他看來，AI 最大的價值在于解放人類，AI能帶給企業(yè)的“降本增效”，同樣能給到個人：

 “今天很多白領(lǐng)的日常，其實都在做一些他們自己并不喜歡的事，比如填報系統(tǒng)、匯總報表、收集信息。AI 能幫助我們縮短這些耗時任務，讓人們把更多時間放在創(chuàng)造性工作、深入分析和他們真正熱愛的部分?！?/p>

Garman 不否認 AI 演進的速度帶來挑戰(zhàn)，但他強調(diào)關(guān)鍵不在“抗拒”，而在學習和適應。

 “如果你愿意擁抱它，AI 會讓你更有競爭力?！?/p>

至于“砍掉初級崗位”，他毫不客氣：

“這是我聽過最蠢的想法?！?/p>

他們是公司里成本最低的員工，而且對 AI 工具最積極。

“如果你十年后公司沒人學過東西，這怎么行？所以我的觀點是，你仍然需要招聘應屆生，教他們?nèi)绾螛?gòu)建軟件、拆解問題、正確思考。這點和以前一樣重要。”

2.AI代碼率毫無意義，Coding不是量的游戲

在硅谷，“AI代碼率”常被視為衡量模型編程能力的核心指標。

似乎這個數(shù)字越高，AI就越接近人類工程師，甚至逼近AGI。

Anthropic CEO Dario Amodei 曾預測：“未來三到六個月 AI 會寫 90% 代碼；再過一年，幾乎所有代碼都可能由 AI 完成?！?/p>

Google CEO劈柴哥也在財報會上夸耀：

目前已有超過 25% 的 Google 新代碼是由 AI 自動生成。

不過，AWS CEO Matt Garman 卻對這種“代碼量炫耀”嗤之以鼻，直呼“我不理解”：

“我從來不理解為什么大家喜歡用這個指標炫耀。”

“過去一兩年，大家喜歡炫耀‘AI 寫了多少行代碼’——這是個愚蠢的指標。AI 可以寫無限多的代碼，但可能是垃圾代碼。很多時候，更少的代碼反而更好?！?/p>

在他看來，代碼量從來不是生產(chǎn)力的代名詞，真正的價值在于：AI是否解決了真問題。

Garman 同時披露，超過 80% 的 AWS 開發(fā)者已將 AI 工具融入日常工作：無論是寫測試、補文檔，還是通過 Q CLI 和新 IDE Kiro 做“代理式工作流”。但他也坦言：沒有所謂的“完美指標”去衡量開發(fā)者使用AI的成功度。

與其死盯代碼量，不如鼓勵試驗：

“今天的衡量標準和以前差不多，部分還是生產(chǎn)力。但我們?nèi)栽谔剿髯罴褜嵺`，因為技術(shù)在快速演變。所以我們鼓勵試驗，讓團隊嘗試不同的工具、方法論，也嘗試不同的組織方式?！?/p>

3.有了AI賦能，未來開發(fā)者的價值只會更高

“編程無用論”最近很流行——有人斷言，程序員終將被AI全面取代。

對此，AWS CEO Matt Garman 的回答很直接：

未來開發(fā)者角色的價值只會更高，因為他們被工具賦能了。

不過，他并不贊同進入大學學習了“編程”技能，就能一輩子高枕無憂：

 “以現(xiàn)在技術(shù)進步的速度，如果你把全部精力押在某一項技能上，并打算靠它吃30年飯，我?guī)缀蹩梢钥隙?，?0年后已毫無價值?！?/p>

真正值得投入的，不是某門語言，而是底層能力：

如何獨立思考？如何培養(yǎng)解決問題的批判性推理？如何培養(yǎng)創(chuàng)造力？如何建立一種學習心態(tài)，讓你不斷學習新的東西？

Garman預測，兩三年后，開發(fā)者的日常會徹底改變：

 那種“在地下室獨自寫代碼幾周”的刻板印象可能不復存在，但我們?nèi)匀恍枰ㄜ浖娜?。未來可能會有大量懂軟件的人，他們手里會有智能代理去完成部分編碼任務。我認為兩三年后，你可能不需要再自己寫 Java 代碼了，因為這些工具會非常擅長寫代碼。你的工作會更像是：拆解問題、決定開發(fā)什么、整合系統(tǒng)、審查生成的代碼是否符合預期，并調(diào)度多個 AI 代理完成任務。這才是未來開發(fā)者的角色。

AI賦能會讓創(chuàng)造者告別“腦子里有想法、落地卻要熬幾周代碼”的挫敗感。

"AI 能幫你解鎖生產(chǎn)力，讓有創(chuàng)造力的人更快解決問題，開發(fā)出有趣的應用和成果?！?/p>

4.亞馬遜如何實踐：拆分小團隊 + 快速學習曲線

在談到AI如何重塑組織方式時，AWS CEO Matt Garman 提出了一個鮮明對比：

 “過去，要開發(fā)一個大型復雜系統(tǒng)，需要龐大的團隊，每個人負責一小塊。而現(xiàn)在，AI帶來的最大好處之一是——你能擁有更大的視野和掌控力。” 

亞馬遜的做法是，把大項目拆成模塊，交給更小、更敏捷的團隊來推進。

 “創(chuàng)業(yè)公司比大企業(yè)快，這一直是它們的優(yōu)勢。但其實這并不是“天生”的差距，而是組織方式不同。我們現(xiàn)在學習的一點是，AI 工具能讓大公司也采用小團隊作戰(zhàn)的模式，大公司也能跑得很快。如果組織方式和工具都支持快速行動，就能交付卓越的客戶價值。這對像我們這樣的大企業(yè)來說，是巨大的機會。”

除了組織創(chuàng)新，AI也在重塑開發(fā)者的學習模式。

 如今，亞馬遜開發(fā)者對AI的滲透率極高：

“絕大多數(shù)開發(fā)者都很有好奇心。我認為從沒用過 AI 編碼工具的人基本等于零。問題在于，有多少人把它用于徹底改造工作，而不僅是輔助?！?/p>

這就帶來了新的學習曲線。Garman強調(diào)：

•  開發(fā)者需要學會如何改變工作方式
•  明白哪些環(huán)節(jié)能用AI加速，哪些反而會拖慢

他舉了個例子：

 “第一代工具的‘線性模式’很容易讓人掉進兔子洞，一旦生成代碼不符合預期，回退非常困難?！?/p>

為了解決這個問題，亞馬遜在新一代IDE Kiro的“代理式開發(fā)”理念中做了創(chuàng)新：

以規(guī)范（spec）文檔為開始，過程中可以動態(tài)調(diào)整，但始終保留核心規(guī)范，可以隨時修改。

5.寫在最后

盲目追逐“AI代碼率”，沒有意義。

真正能把 AI 編程的價值榨干的，是那些在協(xié)作中不斷成長的人。

正如 Hacker News 上的一條高贊評論所說：

“最大的區(qū)別在于：能從 AI 工具中獲得最大價值的人，預期 AI 會犯錯，因此他們總是仔細審查代碼，并且在很多時候，更像編輯而不是作者。他們知道 AI 擅長哪里（實現(xiàn)明確函數(shù)、寫測試），也知道它容易翻車的場景（大規(guī)模上下文的復雜邏輯）。

而那些得不到好處的人，看起來更不能容忍 AI 的錯誤，不愿與 AI 迭代，過度關(guān)注失敗案例，而不是限制 AI 在合適的場景中發(fā)揮作用。”

圖片

這場變革不只是關(guān)于工具，而是關(guān)于思維模式：

拆解問題、設(shè)計系統(tǒng)、驗證結(jié)果、持續(xù)學習——這些能力，將決定誰能成為真正的 AI 原生開發(fā)者。

最后想問大家一個問題：

你會去刻意追蹤自己的“AI代碼率”嗎？

在你看來，這個數(shù)字真的能代表對 AI 工具的掌握程度嗎？歡迎在評論區(qū)聊聊你的觀點！

參考：https://news.ycombinator.com/item?id=44972151