SWE 資深軟體工程師 and CTO 技術長 會被AI平替嗎？
-
我举个例子, 我曾经主导过一个新业务, 这个新业务是从外部引进的一个成熟的软件服务.
我想当然地认为它应该融合入整个集团的服务板块. 需要打通它的SSO 和计费.于是我们投入了大量的资源, 想办法进行融合. 最终确实成功了, 但是代价很高.
但是我后来一直是存疑的. 这个业务版块相对独立, 用户重合度有多高? 真的需要统一的认证和计费么? 会不会给用户反而带来了困惑. 会不会投入太高了? 耦合更松一点儿会怎么样? 应该如何找这个度?
这些问题, 我相信AI是没办法判断的, 起码短期内无法取代人去做判断.
-
关于代码方面, 我同意你的判断.
我们不要去和AI拼代码, 而是去拼对这个世界的洞察和判断.
指挥AI编码即可, 普通的工程师会被替代. 但是对资源,业务,用户,商业有深入理解的 架构人员, CTO等, 很难取代. 就算被取代, 也是被能够了解一些软件工程的 市场, 客服, 销售, BD的人 来取代.
-
在论坛里，大部分人的年薪应该可以买几块rtx pro 6000....但是这块rtx pro 6000不是拿来代替我们，而是无限地复制我们当下的skill.....
等我们有一天可以把rtxpro 换成b200...
到时候每个人都使用超过120b 的模型
其实所谓的cto 是负责什么的。。。如果他做了30年cto 然而手上拿不出一款可以让自己赚钱的产品，这样他只不过把以前的学问不断loop 30年，就好像大学讲师那样，如果你拿不出可以看的论文，那样一生人本质上只不过是不断附靠着大学找一份长粮，然后每年求神拜佛校方去renew 那张合约 -
在论坛里，大部分人的年薪应该可以买几块rtx pro 6000....但是这块rtx pro 6000不是拿来代替我们，而是无限地复制我们当下的skill.....
等我们有一天可以把rtxpro 换成b200...
到时候每个人都使用超过120b 的模型
其实所谓的cto 是负责什么的。。。如果他做了30年cto 然而手上拿不出一款可以让自己赚钱的产品，这样他只不过把以前的学问不断loop 30年，就好像大学讲师那样，如果你拿不出可以看的论文，那样一生人本质上只不过是不断附靠着大学找一份长粮，然后每年求神拜佛校方去renew 那张合约@imbiplaza-ASUS 我弟为何总能如此优秀，直击心理，B都让你装完了，那我走？
-
@imbiplaza-ASUS 我弟为何总能如此优秀，直击心理，B都让你装完了，那我走？
-
未来有可能。
现在肯定是不行的。作为执行工作还出错的AI 完全信任是不可能的。 -
從chatgpt release以來
AI智商x模型縮小倍數 == 大約每年是10
以這速度來看
未來人類就只剩下『職場政治』『出事背黑鍋』是 AI無法取代的
只是我們不用怕...美國那些成本高到不合理的碼農會先死
那些人就是礦場裡面的金絲雀
他們沒死之前都不用怕
看看美國碼農年初大裁員，年中大招聘就知道，暫時還死不了 -
從chatgpt release以來
AI智商x模型縮小倍數 == 大約每年是10
以這速度來看
未來人類就只剩下『職場政治』『出事背黑鍋』是 AI無法取代的
只是我們不用怕...美國那些成本高到不合理的碼農會先死
那些人就是礦場裡面的金絲雀
他們沒死之前都不用怕
看看美國碼農年初大裁員，年中大招聘就知道，暫時還死不了從chatgpt release以來
AI智商x模型縮小倍數 == 大約每年是10
以這速度來看AI 在自我迭代下一代的AI (Recursive Self-Improvement) 所以才會出現 GPT6-Astra
" Claude Opus 4.6 是由 Anthropic 於 2026 年 2 月 5 日發布的旗艦級大型語言模型，專為複雜的代理式工作、程式碼編寫、金融與法律推理而設計。
核心特色與升級Agent Teams（多代理協作）：引入代理團隊功能，可將大型任務自動拆分並由多個 AI 代理共同執行。
超大上下文視窗：支援高達 1M（100萬）token 的上下文容量，大幅提升長文本與大型程式碼庫的處理能力。自適應思考（Adaptive Thinking）：強化複雜的多步驟推理與真實世界系統操作表現。
AI 訓練 AI 時代來臨，Anthropic 最新研究展現 Claude「自動化對齊」潛力
2026 年 08 月 31 日AI 研發公司 Anthropic 日前發表最新早期研究，證實其 AI 模型 Claude 已具備一定程度的「自動化 AI 對齊」（Alignment）能力。它能獨立執行文獻查找、構思訓練方法、實際訓練到模型評估，建構出可持續迭代的自動化實驗迴圈。儘管這被視為邁向「AI 自我進化」的關鍵里程碑，但 Anthropic 也強調，這目前仍是實驗室階段的初步成果，並不代表 AI 對齊的根本問題已被解決。
此外，該研究更展示了趨近「遞迴自我改良」（Recursive Self-Improvement）的驚人潛力。Anthropic 嘗試讓能力較弱的 Claude Sonnet 5，去協助訓練更強大的早期 Claude Opus 4.8 檢查點。在短短 60 小時內，Sonnet 5 測試了逾 50 種配置，且僅利用 2,000 多筆訓練樣本，就將該模型的對齊分數拉升至 65%，一路逼近正式版 Opus 4.8 的 72%。官方指出，此流程的樣本效率，比一般生產環境下的對齊作業高出了驚人的 15,000 倍。
Source : https://technews.tw/2026/08/31/anthropic-claude-self-evolving/
