原文作者: Amy Tam

原文链接: The Cost of Staying

我认识的每一个技术人员现在都在做同样的算术题。他们不会明说。他们会说自己在“探索机会”或“思考下一步”。但在这些话语之下，是同一个计算：留在我现在的位置，要付出多少代价？

代价不是金钱。是时间。空气中弥漫着一种感觉：做出正确举动的窗口正在缩小，你在错误的座位上多待一个季度，你要追赶那些更早行动的人的差距就越难弥合。一年前，科技行业的职业决策感觉是可逆的。选错了工作？十八个月后修正就好。这个假设正在崩溃。那些早早重新定位的人和那些仍在权衡选择的人之间的分歧正变得肉眼可见，而且这种分歧正在加速。

我在近距离观察这一切。我是 Bloomberg Beta 的投资人，我把大部分时间都花在处于转型期的人身上：离开现有角色、完成项目、决定下一步。我不是职业顾问。但我坐在“你要离开什么”和“你在追逐什么”的十字路口。

科技行业中有价值的技能从“你能解决这个问题吗”变成了“你能分辨哪些问题值得解决，以及哪些解决方案才是好的吗”。稀缺的东西从执行力 (Execution) 翻转为判断力 (Judgment)：你能否编排系统、进行并行下注，并拥有品味去知道哪些结果是重要的？那些早早想明白这一点的人正站在一条不断扩大的 K 型曲线的上扬臂上。而其他所有人，只是变得更擅长做那些即将被机器替代的事情。

从执行力到判断力的转变正在随处发生，但根据你所处的位置，“留下的代价”和“移动的收益”看起来完全不同。

FAANG (大型科技公司)

这是大厂员工现在面临的权衡：系统已经建成，薪酬很棒，工作……还行。 越来越多的时候，你是在审查 AI 生成的输出，而不是从头开始构建。对某些人来说，这是礼物。这是杠杆，是可持续的，是美好的生活。权衡在于，“还行”有一个不会出现在你工资单上的成本。

那些离开的人并不是不快乐。他们是焦躁不安 (Restless)。他们描述这种特定的感觉：最难的问题不再这里了，而组织还没意识到这个事实。留下的人在打赌：稳定性和薪酬比接近前沿更有价值。离开的人在打赌：前沿是未来十年职业价值被构建的地方，他们每等待一个季度，就错过了一个季度的复利。

这两个赌注都是理性的。但只有其中一个是时间敏感的。

量化交易 (Quant)

量化交易依然有效。荒谬的高薪，困难的问题，即时的反馈。如果你很强，你知道自己很强，因为损益表 (P&L) 不会撒谎。

正在出现的权衡是：整个量化工具包（ML 基础设施、数据痴迷、统计直觉）结果正是 AI 实验室和研究型初创公司所需要的。同样的肌肉，不同的问题。 区别在于表面积。在量化中，你在优化一个策略。在 AI 中，你在构建能够推理的系统。即使是量化相邻的世界也感受到了这一点：预测市场和稳定币中最有趣的工作正日益成为一个 AI 基础设施问题。一个有天花板。另一个没有，或者至少还没人找到它。

大多数量化人员都留下了，他们也没错。但在离开的人描述了一些具体的东西：他们到了一个点，金融的智力挑战感觉在某种程度上是有界限的，而以前并非如此。他们不是在追逐金钱。他们在追逐致力于某种上界不可见的事物的感觉。

学术界 (Academia)

这是权衡最痛苦的地方，因为它根本不应该是一个权衡。

发表新颖的结果曾经是智力声望的最纯粹形式。你做这项工作是因为工作本身是美丽的。这一点没有变。变的是，你在获得资助的初创公司能做的事和你在大学实验室能做的事之间的界限正在模糊，而且对学术界不利。 一个 20 人的研究型初创公司现在可以在一个周末完成学术实验室一个学期才能做的事，因为计算力需要钱，而大学没有那么多钱。

我交谈过的最有野心的博士生们并不是在学术界和工业界之间做选择。他们是在关于实验的理论化和实际运行实验之间做选择。投向获得资助的初创公司和实验室并不是为了“出卖灵魂”。是为了做科学，而科学需要学术界无法提供的资源。

出于正确原因（开放科学、长期视野、真正的智力自由）留在学术界的人是值得钦佩的。但他们也应该知道，时钟对他们来说也在以不同的方式滴答作响：计算差距拉得越大，从大学内部做出有竞争力的工作就越难。

AI 初创公司（应用层）

如果你是在模型之上构建产品，你已经知道这种感觉：你在三月发布的聪明功能，到了六月就被模型更新商品化了。地面每个季度都在移动，你的护城河在蒸发。

这里的权衡是在追逐令人兴奋的东西和构建持久的东西之间。现在蓬勃发展的创始人不再关心模型能力，而是开始关心那些模型无法带走的东西：数据护城河、工作流捕获、集成深度。在晚宴上谈论这些不那么有趣。但这是实际建立公司的地方。

在这个世界上做出最敏锐举动的人，是那些对管道 (Plumbing) 感兴趣的人。不是演示，不是推销，不是能力。而是那些丑陋、无聊的基础设施，它们让产品具有粘性，无论底层坐着哪个模型。

研究型初创公司：新的重力中心

这是 K 型曲线最明显的地方。

Prime Intellect, SSI, Humans&. 10-30 人在做真正的、与规模是他们五十倍的组织竞争的前沿研究。这在三年前是不可能的。现在之所以发生，是因为工具变得足够好，以至于极少数拥有伟大判断力的人可以跑赢拥有更多资源的官僚机构。

这里的日常工作流程最清晰地展示了 K 型曲线的上扬臂在实践中是什么样子的。你启动训练运行，启动实验，让事情通宵通过。你早上回来，你的工作不是写代码。而是知道该如何处理回来的结果。是拥有品味去从系统递给你的一墙结果中区分信号与噪音。这是被动杠杆。你启动实验，无论你是否在办公桌前，复利都在发生。

人们正在权衡的：这些公司很小，未经证实，许多会失败。赌注在于，处于前沿中心，你的判断力直接接触工作，比在大组织的安全性中复利得更快，即使具体的公司没有成功。技能是可转移的。网络是可转移的。 而你在大公司花三年时间审查别人的输出，并不能以同样的方式转移。

大模型实验室：收窄的前沿

“我们在构建 AGI”的口号仍然有效。它可能对某一类人永远有效。

但内部的体验已经变了。最有趣的研究集中在极少数高级人员手中。其他所有人都在做重要的支持工作（评估、基础设施、产品），但这感觉不像他们签约时所承诺的前沿。你加入是为了通过双手接触那个东西，结果你离它有三层之远。

权衡在于声望 (Prestige) vs. 接近度 (Proximity)。简历上的大实验室经历仍然能敲开每一扇门。但离开的人正在做一个特定的计算：“我在 [顶级实验室]”的简历价值随着实验室变得更大、更企业化而贬值，而“我在一个我的判断力塑造了方向的地方做前沿研究”的价值正在升值。大实验室血统是最佳凭证的窗口正在关闭，看到这一点的人正在移动。

时钟 (The Clock)

每一个权衡里面都藏着同一个变量：时间。

一年前，你可以坐在舒适的椅子上深思熟虑。等待的成本很低，因为分歧很慢。这不再是真的了。工具正在复利。 早早行动的人正在他们上个季度学到的东西之上构建。六个月前行动的人和现在仍在权衡选择的人之间的差异已经在复利。

上扬臂并没有关闭。人们每周都在跳跃，雇佣他们的人不在乎你去过哪里。他们只在乎你能不能做这项工作。但数学是定向的：你为了舒适而优化的时间越长，切换的代价就越昂贵。 不是因为机会消失了，而是因为已经在那里的人正在复利，而你没有。

现在赢得人才战争的公司不是那些拥有最好品牌或最高薪酬的公司。而是那些你的判断力拥有最大表面积的地方，你的品味和实际构建出的东西之间的距离为零的地方，以及你被那些知道你还不知道的事情的人包围的地方。最优秀的人想接近其他拥有他们尚未学会的技巧的人，在那些有足够计算力实际运行实验的地方。

问题不在于你是否足够聪明。 问题在于你已经算过这笔账了。 你只是还没有据此采取行动。

原文作者: Chris Gregori

原文链接: Code Is Cheap Now. Software Isn’t.

构建软件的准入门槛已经崩塌。但构建真正有价值的东西的门槛，却从未降低分毫。

Claude Code 和 Claude Opus 4.5 为这场 AI 热潮火上浇油。虽然 LLM（大语言模型）工具早已有之，但现在的它们比以往任何时候都更强大，因此吸引了更多人的目光。但我们并没有进入 SaaS 的黄金时代。我们正在进入一个个人化、一次性软件的时代——在这个时代，工程学的重心从“编写代码”转移到了“塑造系统”，而这也正是工程师依然无可替代的原因。

现代开发的转变

Claude Code 现在占据了我的信息流，这并非没有理由。有趣的不只是开发者们正在蜂拥而至，而是那些以前依赖 Lovable 或 Replit 等平台的“构建者”和创客们也正在迁移过来。

别误会，这些工具对于快速发布产品来说仍然非常出色。但我们看到通过 CLI（命令行界面）互动的范式转变，揭示了一种被重新发现的美感：CLI 优先的工作流。当你将交互转移到终端时，抽象层变薄了。你不再只是沿着管理界面设计好的“快乐路径”走，而是你在掌控一切。

准入门槛的崩塌

人们实际上在用这些工具构建什么？如果你环顾四周，答案是：几乎所有东西。事实上，我们已经达到了一个饱和点。一方面，我们见证了软件创造的真正民主化。准入门槛实际上已经崩塌。第一次，非开发者不仅仅是软件的消费者——他们成为了自己工具的架构师。

在过去，如果你有一个特定的问题，你会花几个小时寻找一个能解决 80% 问题的 SaaS 产品。今天，工作流已经转变。人们打开命令行或语音接口，简单描述他们需要的。我们看到了“个人软件”的激增：

• 一个为特定预算风格量身定制的订阅追踪器
• 一个解决非常利基的数据录入问题的 Chrome 扩展
• 一个界面完全符合用户心意的健身应用

这是一个巨大的转变。软件正在变成你生成的个人效用工具，而不是你购买的商品。

从 SaaS 到“草稿本”

我们正在进入软件开发的新时代，在这个时代，目标并不总是“长久”。多年来，行业一直痴迷于构建“平台”和“生态系统”，但潮流正在转向更短暂的东西。我们正在从 SaaS 转向草稿本 (Scratchpads)。

许多这种新软件并不是为了永生。事实上，恰恰相反。人们越来越多地构建工具来解决单一、具体的问题，而且只用一次——然后就丢弃它们。这是作为一次性效用工具的软件，是为紧迫的“现在”而设计，而不是为遥远的“未来”。

让这一切在今天变得可行的，是一种特定的技术哲学：CLI 优先的接口、本地数据和零上手成本。当你消除了注册、配置数据库或浏览复杂 UI 的摩擦时，创建一个工具的成本降得如此之低，以至于“临时性”成了一种特性，而不是 Bug。如果花五分钟就能为一个一次性任务启动一个定制解决方案，你就不需要它持久存在。

这与传统的 SaaS 模式形成了鲜明对比。SaaS 本质上是为了优化留存、锁定和扩展而构建的。它是一种商业模式，旨在将你留在生态系统中并扩大你的足迹。另一方面，定制工具优化的是即时性和控制权。它们不关心你作为客户的终身价值 (LTV)；它们只关心解决手头的任务。

在许多方面，这是回归了电子表格最初的用法。你打开电子表格不是为了建立一个永久的、多年的数据库；你用它作为草稿本来理清问题、计算结果，然后继续前进。

在这个新格局中，Claude Code 是开发者的 Excel——一个解决即时问题的强大、灵活的实用工具——而不是创始人的 Shopify，后者是为了成为企业的永久基石而构建的。它的核心在于搞定工作，然后放手。

这也解释了为什么下一部分很重要：快速生成软件是一回事；让它在现实世界的碰撞中存活下来是另一回事。

代码是廉价的。软件依然昂贵。

这就是当前“AI 原生”时代的残酷现实：代码变得廉价了，但软件依然极其昂贵。

LLM 有效地消灭了生成代码行的成本，但它们丝毫没有触及真正理解一个问题的成本。我们看到大量“周末构建的 App”泛滥，但其中大多数只是围绕基本 CRUD 操作和第三方 API 的薄壳。它们在 Twitter 演示中看起来令人印象深刻，但一旦遇到现实世界的摩擦，它们往往瞬间崩溃。

软件的真正成本不是最初的编写；而是维护、边缘情况、日益增加的 UX 债务以及数据所有权的复杂性。这些“快速”解决方案是脆弱的。当银行更改其 CSV 导出格式时，订阅追踪器就会崩溃。当目标网站的 DOM 变动时，Chrome 扩展就会失效。一旦用户需要强大的离线支持或可靠的数据同步，健身应用就变得无法使用。

最近，我在 Hacker News、Reddit 和 Twitter 上看到了大量关于“软件工程终结”的末日言论。这完全没抓到重点。我们并没有见证这个职业的终结；我们正在进入它的一个新时代。

工程师的价值正在从语法的“如何做 (How)”转移到系统的“是什么 (What)”和“为什么 (Why)”。真正的工程在于抽象和架构。它是关于知道如何构建一个持久的系统，理解为什么需要特定的限流策略，知道如何管理分布式缓存，以及清楚地知道在哪里不该存储你的环境变量。

AI 往往让人感觉强大，因为它隐藏了复杂性，但作为一名工程师，你的工作是管理这种复杂性，而不是忽视它。工具变了，但对工程严谨性的根本要求从未像现在这样高。

流量的假象 (The Distribution Illusion)

但这也有其另一面。随着准入门槛的消失，噪音水平达到了历史最高点。我的信息流目前充斥着“AI 创业者”，声称他们在一个下午构建的 App 获得了五位数的月经常性收入 (MRR)。

在许多情况下，这些说法非常可疑。当你看到一个没有任何现有分发渠道、没有明显“护城河”的创作者声称一个周末项目获得了 10,000 美元的 MRR 时，这通常是为了博取流量 (Engagement)，而不是商业现实的反映。其中一些故事几乎可以肯定是真实的，但在大多数情况下，这些并不是技术创新的蓝图。它们是营销案例研究。这些人之所以成功，是因为他们掌握了在拥挤的景观中捕捉注意力的艺术，而不仅仅是因为他们有一个 AI 副驾驶。

我们已经进入了一个时代，生成代码的能力不再是瓶颈。真正的挑战已经转移到了分发，更重要的是，从行业中如此普遍的“快速致富”姿态中甄别出真正的效用。

这些人并没有偶然发现什么秘密捷径；他们只是找到了一种方法来更快地执行他们原本就拥有的优势（如果学习编码对于一个副业想法来说曾经是一个太过巨大的工程，那么现在他们可能确实解锁了这种能力）。

对于这种转变，有一个有用的框架：AI 实际上已经消除了作为主要差异化因素的“工程杠杆”。 当任何开发者都可以使用 LLM 在以前所需时间的一小部分内构建和部署复杂功能时，编写代码的能力不再是曾经的竞争优势。仅仅做一个“构建者 (Builder)”已经不够了。

相反，成功现在取决于那些更难自动化的因素。品味 (Taste)、时机 (Timing) 以及对受众深刻、直观的理解比以往任何时候都更重要。你可以在一个周末生成一个产品，但如果你构建的是错误的东西，或者把它发布给一屋子根本不听的人，那是毫无价值的。

在这个新环境中，代码变成了容易的部分。困难的部分依然是它一直以来的样子：找到一种方法让人们在乎。

谁是赢家

首先，是那些被枯燥、重复性问题困扰的领域专家。 其次，是构建一次性工具的内部团队，那些需要立即工作而不需要看起来完美的脚本和内部应用。 高级用户 (Power Users) 在这里也看到了巨大的收益，特别是当他们希望用更健壮的东西替换脆弱的手动工作流时。 最后，这是那些把**“解决方案的所有权”**置于“高光打磨”之上的工程师的胜利。

是的——像 Claude Opus 4.5、Claude Code 和 Cursor 这样的工具对工程师来说确实很有用。它们在消除样板代码、实现功能和编写单元测试方面表现出色。最近我最喜欢的一个用例（特别是因为我刚开始一份新工作），是生成个性化的文档和功能演练，以便快速熟悉产品代码库和所有细节是如何运作的——这对于快速上手非常有帮助。

但现实是：LLM 在编写代码方面并不完美——即使它第一次就能编译通过。即使有高质量的提示词和明确的规则，这些模型仍然会犯错。作为一个每天使用这些工具的人，我可以告诉你：你不能简单地完全信任输出。 你仍然必须像审查队友的 Pull Request 一样审查代码。你必须阅读逻辑，检查假设，并经常进行手动编辑以使其正确。

毕竟，你很可能会把这个发给队友进行审查（或者可能是 Code Rabbit，我猜）——让他们审查你没写甚至没费心检查的东西，这公平吗？这些工具通过帮助你走得更快，但它们并不能取代批判性眼光或你多年的经验，它们也不比你更了解整体的问题空间。

炒作让它看起来像我们正在进入 SaaS 的黄金时代。我们没有。 我们正在进入个人软件的时代：你生成工具来解决问题，然后继续前进。

哪怕只有二十美元、几个小时的空闲时间和一点耐心，几乎任何人都可以发布一个功能性的应用程序。我们正在进入“个人软件”时代，从最初的想法到工作产品的差距从未如此之窄。

在这个新现实中，工程专业知识依然极其宝贵，但角色的性质正在转变。相关性并没有消退。相反，它是关于利用这些工具在比以前更高的层次上进行构建。现在需要真正的专业知识来驾驭这些系统，并提供 LLM 目前缺乏的技术监督。

虽然 AI 在编写代码方面无可否认地擅长，但在架构可维护、可分发和可扩展的系统方面仍然很差。这就是那些认为可以解雇开发团队的非技术领导者犯下重大错误的地方。除非如果我们看到一种能让整个讨论变得毫无意义的人工智能出现，否则相信技术专业知识可以被提示词取代是一个战略错误。构建健壮的软件仍然需要一个理解手艺底层原则的人类。

归根结底，虽然工具变了，但优秀工程的基础没有变。 虽然准入门槛可能已经消失——但判断力、品味和责任感依然是这份工作的核心。