亚马逊CTO:淘汰你的不是AI,而是不肯进化的自己

2025-12-06 | 来源: AI深度研究员 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

2025 年 12 月 5 日，拉斯维加斯。

AWS re:Invent 全球开发者大会进入最后一场主旨演讲。

主舞台上，67岁的亚马逊副总裁 CTO Werner Vogels（领导AWS超过20年的云计算奠基人）登场。

但这一次，他没有先放新产品的 PPT，而是给每一位观众发了一份纸质报纸《The Kernel》（大会特刊）。

在这个什么都上云的时代，这位让云计算普及的人，却让你先读纸质报纸，再谈 AI。

然后，他抛出两个问题：

AI 会抢我饭碗吗？

AI 会让我被淘汰吗？

这是 Vogels 在亚马逊 Re:Invent 的第 14 次主题演讲，也是最后一次。

不是退休。他特意澄清：我不会离开亚马逊，我只是要把这个舞台让给更新鲜、更年轻的声音。

这不是一场产品发布会。没有模型参数，没有 API，没有芯片性能对比。

他讲的，是每个人在 AI 时代的生存法则。

AI 不会淘汰所有人，但它一定会淘汰某一类人。

第一节｜会不会用工具，决定你会不会被淘汰

在演讲刚开始，Vogels 就问了那个大家最关心的问题： AI 会不会夺走我的工作？

他给出的答案不是肯定也不是否定，而是：也许会。也许不会。但你一定要学会自己学习、自己进化。

因为他接下来的近 80 分钟，几乎都在解释：什么叫“进化”。

在他看来，判断一个职场人会不会被淘汰，关键看一点：面对新工具，你是习惯性抗拒，还是能快速上手，甚至反过来改造它的用法？

工具一直在变，每次都有人跟不上

他上学时，学的是 Pascal、COBOL、汇编语言。但今天没人再用这些了。

后来有了开发工具，从命令行到图形界面，再到今天的智能编辑器。

云计算出现后，开发从本地跳到云端，不再需要等硬件采购、配置服务器，而是随用随取。

工具一直在升级，但他表示：我们一直都在进化，只是这一次的进化速度，被 AI 加速了几十倍。

这一轮变化有多快？

他说，现在的 AI 工具不是辅助，而是协作者：像Cursor、Kiro 这样的 AI 编程工具，已经可以根据一份需求文档自动完成编码、测试、整合。

这不是更快写代码，而是重新定义什么叫写代码。

但问题来了：AI 很快，你跟得上吗？Werner 说，关键不是你会不会用 ChatGPT，也不是你有没有试过 Copilot，而是：你能不能为了用好 AI，调整自己的工作习惯？

亚马逊 AI 编程工具 Kiro IDE 团队的核心开发者 Claire Liguori 分享了自己的经历。她在开发产品时发现，随口对 AI 说一句话，结果完全不对。

为什么？不是模型不行，是她说得不够清楚。

后来，她改变了做法：先写文档，把需求、设计、任务一步步列清楚，再让 AI 动手。

输出立刻不一样了：AI 生成的代码准确率大幅提升，更干净，bug 更少。

Werner 称这种方式为规范驱动开发（spec driven development）。通俗来说，就是不是随口跟 AI 说做个网页，而是清楚告诉它：

页面分几块

每块放什么

用户点击后发生什么

出错了怎么提示

你说得越清楚，AI 做得越准。你含糊其辞，它也就会胡乱回答。

这就是工具适应力的本质：

AI 不会因为你用了它，就认为你会用它。

你要懂它的边界，知道它会在哪里出错，愿意为它调整自己的表达方式。

反过来说，那些还在等 AI 变得完全听话、每天靠碰运气试提示词的人，可能已经在被悄悄淘汰了。

Vogels 说：真正的进步，不是让你少干活，而是让作为人更有价值。

第二节｜什么样的人会被淘汰？看不懂全局的人

AI 时代真正的危险，不是你不会提示词，而是你看不到系统的连锁反应。

Werner Vogels 在台上讲了一个和编程毫无关系的故事。

故事从一个国家公园开始。

20世纪初，美国黄石国家公园决定清除所有狼群。他们以为少了捕食者，麋鹿数量会变多，生态会更好。

结果正好相反：

麋鹿太多，把植被啃光了

树木减少，土地裸露

河岸崩塌、水流改道

连鸟、海狸、鱼类都开始减少

几十年后，他们把狼放回来。

狼改变了麋鹿的行为，植被开始恢复，河流重新稳定，整个生态系统重建平衡。

Vogels 讲完这段，说了一句：狼没有碰河流。但它改变了整条河的路径。

这背后，是一个被忽视却关键的概念：系统思维（System Thinking）。

这不是生态课，而是软件工程的基本功。

Werner 引用了生态学家 Donella Meadows 的定义：一个系统，是一组彼此连接的元素，它们通过相互作用，在时间中产生自己的行为模式。

听起来抽象，但放到现实中，就是：

你改了一个参数，流量峰值突然放大。

你调整了一个接口，另一个环节开始堵塞。

你拆分了一个模块，错误反而更难定位。

一个小改动，可能让整条河流改道。

Werner 强调：AI 系统，不是死的零件拼在一起，而是活的，会互相影响。

你做的每一个选择，都可能引发连锁反应。

他举例说：你加了一层智能处理，以为提高了效率，结果数据传递变慢，用户体验反而下降。

你调整了 AI 的回复方式，以为只影响显示，结果改变了用户习惯，连带影响了后续所有互动。

没有全局视角，你就不是在解决问题而是在正在制造问题。

所以，Werner 说系统思维是一种生存能力。不仅要知道做了什么，更要提前推演会发生什么。真正能适应 AI 时代的人，必须学会：

看见连锁反应有多长

判断一个改动是会放大还是会抑制

找到系统中真正的关键点，用最小的动作撬动最大的稳定

Vogels 说：改变布局，会改变行为；改变反馈，会改变结果。

第三节｜AI 写代码很快，那谁来承担责任？

如果说前两节讲的是你如何进化，那么这一节问的是：如果 AI 写错了，算谁的？

亚马逊高层建议:做这两件事可在AI浪潮中胜出

前亚马逊高层教求职新鲜人:好好发挥这点 AI赢不了你

亚马逊在美测试30分钟超快送货中国外卖已实现

Werner 没有给任何模糊空间。

他在台上说了一句让所有工程师都安静的话：工作是你的，不是工具的。

他说得很慢，很用力。像是在提醒所有把 AI 当自动驾驶的开发者： AI 会犯错，但责任永远不能外包。

1、AI 帮你写的代码，你真的看懂了吗？

Werner 举了个非常现实的例子：你让 AI 生成一段代码，它写得飞快，看起来也很完美。

但你没注意到：AI 悄悄改了错误处理的方式。

结果呢？

一个小问题没被及时发现，引发了连锁反应，任务越堆越多，整个系统开始变慢、卡顿。

你以为只是让 AI 帮你写一点，没想到它动了整个系统的关键环节。

上一节说过，只要一个节点变了，整条河流都可能改道。

Werner 说到关键：你可以让 AI 写代码，但你不能跳过理解代码。

AI 让执行变快，但也让犯大错的速度变快。不停地试、不停地碰运气，那不是做开发，那是抽奖。

现在大量开发者的做法是：

不思考

不验证

一句不行换一句，一段不行换一段

如果你无法复现 AI 为什么给出某个答案，你就无法控制结果。你只是在赌 AI 这次会不会给对。

2、自动化越多，人工检查越要深

他讲到 Amazon S3 团队的一个制度：可靠性审查。

每次系统改动，不管多小，都要有工程师能回答三个问题：

这段代码在最坏情况下会怎样？

它和系统中其他部分会怎样相互影响？

如果它悄悄出错，我们多久能发现？

注意，不是 AI 回答，是工程师回答。

在 Werner 看来，自动化越多，人工检查越要深入。

因为自动化的错误，会以更快、更隐蔽的方式扩散。

谁能喊停？Werner 引用了 Amazon 内部一个真实机制：安灯系统（Andon Cord）。

这是从丰田借鉴的做法：生产线上任意员工发现异常，都可以拉下绳子，让整条线停下来。

贝索斯把它移植到软件团队：只要有工程师判断问题可能影响用户，就能立即叫停、暂停、撤回，哪怕只是怀疑。

为什么？

因为系统太复杂了，已经超过任何一个人能完全理解的程度。最早发现问题的人，比职位最高的人更有价值。

这套机制传递的文化是：

犯错不可怕

看不见错误才可怕

在 AI 时代，我们需要更多紧急刹车，而不是更快的发布。

AI 不会替你承担责任。只有你能。

第四节｜谁会被 AI 放大？既专且广的 T 型人才

你想在 AI 时代进化成功吗？光靠技术深不够，还得懂得连接、表达和跨界思考。

Werner 在演讲最后，讲了他最看重的一种开发者形态：T 型人才：一方面在专业领域足够深，另一方面能横向理解系统、沟通意图、跨学科思考。

这类人，在 AI 时代会被指数级放大。

而只会低头干活、不懂全局、不擅表达的人，会被 AI 轻松替代。

1、不只是写代码，更要知道在造什么

Werner 提到图灵奖得主 Jim Gray 的故事。有一次，他走进一个天文数据中心，听了一下机器运行声，30秒后就说：数据库结构不对。

所有工程师都懵了。他怎么知道？

Jim 说：磁盘声音不对，是典型的数据读取方式错了。

这就是系统直觉。这种判断能力，不来自某种更高深的技术，而来自跨越领域、连接原理与现实的经验积累。

跨界不只是概念，而是真实影响世界的能力

Werner 花了很多时间讲他在非洲、拉美等地的走访经历：

卢旺达卫生系统：年轻工程师做出可视化健康平台，结合地理数据和孕产妇分布，推动国家级政策资源分配。

KOKO Networks：用乙醇智能补给机解决城市贫民区的燃料污染问题，AI 优化补给路径。

Ocean Cleanup：用传感器和 AI 模型预测垃圾流向，设计清理机制。

这些系统都不是纯靠写代码写出来的，而是工程师具备了理解人、理解数据、构建系统的复合能力。

他们不是完成任务的员工，而是能站在系统上游，看清路径的人。

Werner 称他们为：

新时代的文艺复兴开发者。

他们像达芬奇一样：会素描，也会解剖；会画图，也会造工具；不是精英，而是通才。

2、 T 型开发者：深度让你不被替代，广度让你能带人

AI 不会偏爱谁，但会放大那些既专精又开阔的人。

Werner 在结尾引用了诗人 Walt Whitman 的话：定义你的，不是你知道什么，而是你愿意学什么。

AI 时代，学习不是追着工具跑，而是让自己能把不同领域的东西连起来。

Werner 说：我不要求你成为达芬奇。但你应该拓展你的视野，拓展你的能力边界。

深度让你不被替代，广度让你能带别人。

结语｜不是 AI 淘汰你，是你不肯变

这场演讲很特别。

Werner Vogels 只讲了一件事：AI 不会让你失业，但如果你不进化，它不会等你。

他讲工具，问你会不会改变做事方法；

讲系统，问你能不能看清影响；

讲责任，问你会不会留后手；

讲 T 型能力，问你能不能跨行。

AI 不会区分谁努力，谁努力过。

它只放大一个变量：谁能真正用好它。

Vogels 最后只留下一句话：We are still the builders.

工具在变，但造东西的人还在。