当前位置: 首页 > news >正文

我们在焦虑什么

AI时代,年轻工程师为什么越来越迷茫?真正的“以不变应万变”,不是停留原地,而是持续成长

最近这段时间,和身边不少年轻工程师聊天,发现大家都有一个共同的话题——迷茫

有人担心:“AI现在已经可以写代码了,我们每天学习还有意义吗?”

有人担心:“我现在做的是射频、驱动、嵌入式这些比较垂直的方向,技术专用性太强,以后如果跳槽是不是越来越难?”

还有人觉得:“AI一天一个版本,一个月一个大更新,感觉自己学得再快,也追不上它发展的速度。”

其实,我非常理解这种焦虑。因为每一次技术革命来临的时候,人们都会产生类似的情绪,总觉得自己辛辛苦苦积累的经验,可能一夜之间就变得没有价值了。

但是,如果我们把时间拉长一点,把目光放到过去三十年,你会发现,这种事情并不是第一次发生。

1995年,微软发布了Windows 95,个人电脑开始真正进入普通家庭。当时很多人觉得,电脑只是程序员、科研机构和大型企业才需要的设备,普通人一辈子都用不到电脑。甚至不少企业老板认为,买电脑就是增加成本,根本创造不了价值。然而短短几年之后,电脑开始进入办公室、学校和家庭,互联网产业迅速崛起,软件开发、网页设计、电子商务等一个又一个新行业开始出现。今天再回头看,当年电脑并没有让人失业,反而创造了更多新的职业。

时间来到2007年,苹果发布了第一代iPhone。这一年后来被很多人称为智能手机时代真正开始的标志。当时诺基亚依然占据着全球手机市场的绝对优势,很多业内人士甚至认为,没有实体按键的手机根本不会成为主流。但事实大家都看到了,仅仅几年时间,智能手机彻底改变了整个世界。移动互联网兴起,微信出现了,支付宝普及了,滴滴、美团、短视频、直播、电商,一个又一个新的行业迅速成长。曾经很多功能机软件开发公司消失了,但与此同时,又诞生了Android开发、iOS开发、移动互联网开发等全新的岗位。真正被淘汰的,并不是程序员,而是不愿意进入新时代的人。

再后来,大约2010年前后,云计算开始快速发展。Amazon持续投入AWS,阿里巴巴也开始布局阿里云。当时很多企业依然坚持购买服务器,认为自己的数据必须放在自己的机房里才安全。很多人甚至觉得云计算只是一个概念,不可能成为主流。可是十几年过去,越来越多企业把业务迁移到了云平台,大数据、云原生、容器化、DevOps等技术不断出现,企业的开发模式再次发生改变。技术变了,岗位变了,工具变了,但是那些愿意学习的人,依然在新的行业里找到了自己的位置。

如今,我们又迎来了AI时代。2022年底,ChatGPT正式发布,仅仅几个月时间,生成式AI席卷全球。2025年以来,以DeepSeek为代表的国产大模型快速发展,让越来越多普通人真正开始使用AI。写代码、写文档、分析日志、翻译资料、生成图片,AI几乎无所不能。于是,很多工程师开始担心:“AI这么厉害,我们是不是很快就会失业?”

说实话,我并没有这么悲观。

因为我觉得,AI改变的首先是开发方式,而不是工程师本身。

以前,一个嵌入式工程师可能需要花几个小时查阅英文Datasheet,翻论坛,阅读芯片手册,分析寄存器,一个Bug可能需要排查两三天。现在,AI可以帮助我们快速理解资料、分析代码、定位问题,大大提高了开发效率。这就像当年的搜索引擎代替了纸质资料,GitHub代替了代码仓库,IDE代替了记事本一样,AI只是又一次提升了工具的能力。

但是,它终究只是工具。

它可以帮你生成SPI驱动代码,却无法真正理解你的整个项目架构;它可以帮你分析一段程序,却无法知道你的业务逻辑为什么要这样设计;它可以根据经验告诉你某个硬件故障可能是什么原因,但真正拿着示波器测波形、拿着逻辑分析仪抓时序、拿着万用表排查电源问题的人,依然只能是工程师自己。

尤其是嵌入式行业,本身就是一个软件和硬件深度结合的行业。你需要调试CAN总线,需要分析EMC问题,需要优化PCB布局,需要处理高速信号完整性,需要驱动电机、调试机械臂,需要把一个产品真正从实验室做到量产。这些能力,绝不仅仅是生成几段代码就能够解决的,它们更多来自于长期项目积累、工程经验以及解决复杂问题的能力。

所以,在我看来,AI真正淘汰的,并不是工程师,而是那些一直停留在过去开发方式的人。

其实,这几年互联网行业经历了不少调整,一些公司裁员,一些岗位减少,于是很多人开始说程序员没有未来了。但与此同时,我们依然能够看到很多优秀的前端工程师、后端工程师、嵌入式工程师,在行业里依然非常抢手。他们并不是没有受到AI的影响,而是一直保持着学习的状态。技术更新了,他们就学习新的技术;工具升级了,他们就使用新的工具;行业发生变化,他们就主动调整自己的方向。真正决定一个人竞争力的,从来不是掌握了某一种技术,而是有没有持续学习的能力。

这让我越来越理解一句话——以不变应万变。

以前,我一直觉得这句话的意思是坚持自己的节奏,不轻易改变。后来工作时间长了,我发现,很多人都理解错了。

这里的不变,并不是知识不变,也不是技术不变,更不是拒绝学习。

真正不变的,是一个人的底层能力,是面对问题时的思考能力,是持续学习的习惯,是解决问题的方法,是面对未知依然愿意尝试的勇气。

时代一直在变,技术一直在变,今天是AI,也许十年之后,又会出现一种全新的技术。如果每一次技术革命,我们都重新开始焦虑,那这种焦虑永远不会结束。真正能够穿越每一个技术周期的人,不是因为他掌握了某一种技术,而是因为他始终保持成长。

很多人觉得,下班之后还要学习很累,研究一个新的框架、新的芯片、新的工具很痛苦。我并不否认这一点,因为成长本身就是一件需要付出成本的事情。但同样的一件事情,不同的人,会有完全不同的理解。有人把学习看成压力,有人却把学习看成投资;有人觉得解决Bug是在折磨自己,有人却觉得,每解决一个复杂的问题,自己的能力就提高了一点。事情本身没有变化,真正不同的是每个人看待它的方式。

所以,面对AI,我觉得我们真正需要做的,不是抗拒它,而是学会使用它,让它成为自己的助手,把那些重复性的工作交给AI,把更多时间放在系统设计、架构思考、产品创新和工程实践上。未来真正有价值的工程师,一定不是代码写得最快的人,而是最懂得利用AI提升效率,同时又拥有扎实工程能力的人。

回头看看过去三十年的发展,从Windows 95让电脑走进家庭,到iPhone开启智能手机时代,再到云计算改变企业开发方式,如今AI正在开启下一轮科技革命。没有人能够阻止时代的发展,也没有人能够准确预测未来十年还会发生什么。但历史一直告诉我们,每一次技术革命,都会淘汰旧的工具、旧的方法,却很少淘汰那些愿意成长的人。

所以,我越来越相信一句话:真正的"以不变应万变",不是停留在原地,而是在不断变化的世界里,始终保持学习的能力、开放的心态和持续成长的习惯。当你的底层能力足够扎实,当你愿意顺应时代、拥抱变化,无论未来AI发展到什么程度,它都不会成为你的竞争对手,而会成为你最好的工具。真正能够决定一个人工程生命力的,从来不是某一种技术,而是那个始终愿意突破昨天自己的你。

http://www.cnnetsun.cn/news/3156331.html

相关文章:

  • AI算力调度新方案:动态评分机制解析与工程实践
  • 百考通AI高质量开题报告开启智慧新篇章
  • 硅基流动递表港交所冲击“Token工厂第一股”:高估值背后是AI水电煤还是资本泡沫?
  • 从零实战京东JoyAI-VL-Interaction:构建实时视频交互AI助手
  • 为什么有些人学什么都很快?
  • 安卓修改大师:Receiver属性详解与屏幕亮灭监听实战
  • 计算机视觉会议/期刊缩写速查:CVPR/ECCV/TPAMI 等 50+ 项 BibTeX 格式一键生成
  • 同城跑腿行业痛点与数字化解决方案探讨
  • 集人脸、刷卡、掌静脉、密码多模态于一体的嵌入式智能门禁梯控
  • 使用langgraph的意义是什么
  • 基于32维Cayley_Dickson超复数的全域拓扑统一场论——反重力、真空自持供能、维度瞬移与星际宇宙脑秩序体系
  • 通信与接口协议面试二、UART
  • 未来已来:KubeHawk的 roadmap 与云原生监控趋势
  • 告别白嫖困扰,让软件真正变现——乾坤云网络验证,一键守护你的劳动成果
  • api-guarder项目详解:从安装到使用的完整教程
  • KPL-gmssl性能测试报告:鲲鹏芯片加密速度提升300%的秘密
  • Wireshark网络流量分析实战:从TCP故障排查到安全威胁识别
  • openEuler-lsb核心组件详解:理解LSB规范的关键模块
  • SoftBR多线程支持详解:如何跟踪复杂并发程序的分支执行
  • 2026年性能测试平台选型指南:核心能力、趋势与四大平台实测
  • 大模型中的各种并行:TP DP EP PP
  • 鸿蒙 CodeGenie:技能(Skills)配置
  • openEuler-pkginfo错误排查指南:常见问题与解决方案
  • WhatsApp 自动回复规则引擎的设计与实现
  • openEuler-pkginfo性能优化:如何高效处理大规模仓库数据的10个技巧
  • openEuler-pkginfo扩展开发:5个步骤轻松添加自定义功能模块
  • openeuler/cloudphone_kernel 常见问题解答:新手必看的10个实用技巧
  • openeuler/riscv-kernel项目架构深度解析:如何实现多SoC平台统一支持
  • 08_检查点
  • AI驱动的钱包交易风险解释:让链上操作在签名前可理解