当前位置: 首页 > news >正文

从Anthropic 内部报告,看 AI 时代的「工程师三阶跃迁」

截至2026年5月,Anthropic合并到代码库中的代码,超过80%由Claude编写。

一个季度内,普通工程师的代码合并量较两年前基线飙升了8倍。Claude提交了800多个自动修复程序,将某一类API错误直接减少了1000倍——Anthropic主管工程师估算,如果由人类来还,需要整整4年。

6月5日,《When AI Builds Itself》报告在内部流转。

它传递的信号不是"AI替代工程师"。

**它传递的信号是:代码正在不可逆地沦为廉价商品。 *

你的工程师团队里,80%的人正在经历价值归零

Boris Cherny,Claude Code的创造者。

自2025年10月起,他没有亲手写过一行代码。每天用手机提交几十个PR,曾创下一天150个PR的记录。左侧标签页同时运行5-10个会话,每个会话挂载一批Agent。每晚有几千个Agent在后台运行。

"即使你关上笔记本,它也会继续跑。这就是未来工作流的基础。"Boris说。

Boris的存在,撕开了传统人才评价体系的遮羞布。

如果你的公司里有Boris这样的员工,而HR还在用2021年的旧标尺——用代码行数算绩效、用完成任务数量定KPI、在面试时手写快排算法——这不仅是荒谬,更是对企业算力资产的严重浪费。

但问题不止于Boris。 真正的危机是:你的工程师团队里,80%的人还在"编码者"阶段。但AI已经把编码者的价值归零了。

这不是裁员叙事。这是结构性危机——当AI能以指数级速度产出代码,而工程师的学习速度是线性的,组织里的大多数人正在经历"价值归零"。


代码正在沦为廉价商品:一个反常识的判断

Anthropic报告的核心发现不是"AI写得代码很快"。

核心发现是:当AI写代码的成本趋近于零时,"写代码"这个行为本身就不再具有稀缺性了。

这是商品。

商品的价值由边际成本决定。当AI能把代码的边际成本压低到接近零时,"写代码"就不再是工程师的核心价值。

这听起来残酷,但数据支持这个判断:

  • Claude的800多个自动修复程序,将某一类API错误减少了1000倍。

  • Anthropic估算:人类还这些技术债需要4年。Claude用了几天。

  • 一个季度内,普通工程师的代码合并量飙升8倍。

这些不是"AI提升了效率"的故事。这是"编码行为被商品化"的故事。

当编码变成商品,工程师还剩什么?

答案是:判断力。

不是"会不会用AI写代码"——这只是工具使用能力。

判断AI该往哪个方向写、判断AI输出是否够好、判断什么不该写

这三件事,AI在可预见的未来做不了。因为它们不依赖技术能力,依赖的是对人、对业务、对系统的理解


技术迭代的速度永远快于组织学习

这才是Anthropic报告最该被HR看见的部分。

技术迭代的速度是指数级的:Claude从10%代码占比到80%,只用了18个月。

组织学习速度是线性的:一个工程师从"编码者"到"审核者",需要数月的刻意练习。

指数级永远快于线性。

这意味着:HR不可能通过培训追上AI迭代的脚步。

所以HR必须从"培训"转向"筛选"——不教新人怎么学,筛出已经在用AI的人。

面试的考题,应该从"写一段代码"变成"审查一段AI生成的漏洞代码并重写Prompt"。

绩效的考核,应该从"任务完成数"升级为"AI工具链杠杆率"——一个人带5个Agent完成一个模块,和一个人带50个Agent重构一个系统,这才是核心标尺。

人才发展的预算,停止采购传统编程语言培训课。向"系统架构设计"和"跨领域业务拆解"倾斜。所谓品味和价值观,在商业语境下就是极高ROI的商业洞察力。


终局不是裁员,是人机配平

Anthropic报告不是在拉响"AI裁员"的警报。

是在吹响"价值重构"的号角。

技术跑得太快。如果你的度量衡还停留在旧世界,你的组织注定要在新浪潮中搁浅。


|
阶段
|
核心价值
|
招聘标准
|
绩效评估
|
人才发展
|
| — | — | — | — | — |
|
编码者
|
写代码
|
会不会写代码
|
代码量/完成数
|
学新语言/新框架
|
|
审核者
|
判断AI输出
|
会不会用AI+判断力
|
人机协作效率
|
培养判断力
|
|
需求提出者
|
知道该往哪走
|
能不能定义问题
|
方向判断力+商业洞察
|
价值观+商业洞察
|

关联阅读:

AI组织进化论:拆解微软、英伟达、Anthropic与Open AI如何重写组织

微软砸碎架构,Anthropic消灭中层:AI时代的组织底层代码如何重构

黄仁勋GTC Taipei 2026 | 智能体时代下的人力资源新逻辑

AI in HR,一份全面的AI在HR领域应用指南

麦肯锡发布的《2026年组织状况报告》深度解读:AI时代的组织进化论

人力资源部AI转型路线实施指南(HRD实践版)

李开复对谈苏姿丰:未来HR只有一个核心岗位,叫DRI

http://www.rkmt.cn/news/1503519.html

相关文章:

  • FPGA精准时序驱动WS2812:从协议解析到实战避坑
  • 如何用BiliTools免费快速下载B站视频:从入门到精通
  • 5分钟快速上手:ncmppGui网易云音乐NCM格式解密转换终极指南
  • 3个让你彻底告别华硕原厂控制软件的实用理由:G-Helper深度体验
  • 3步解锁Windows AirPlay接收功能:跨设备投屏终极方案
  • 数据的加密与解密(11:10)
  • 通达信缠论笔段中枢+欧奈尔趋势买点一体化指标(含四类买点预警与做T辅助)
  • 大模型的幻觉是什么?为什么会产生幻觉
  • 无人机+数字孪生:光伏电站运维迈入智能化新阶段
  • 跨平台MSG邮件查看器:3步免费解决Outlook格式困扰的终极指南
  • GHelper深度解析:5个核心功能助你全面掌控华硕笔记本性能
  • 用FPGA玩转直流电机:从PWM原理到Quartus II工程实战(附Verilog源码)
  • Anthropic Claude Fable 5 Mythos 5: 双轨发布背后的技术革命与安全博弈
  • 如何用Charticulator零代码设计专业图表:微软开源的数据可视化神器
  • GD32单片机ADC实战:从传感器到上位机,一步步搞定50kg压力采集(附源码/原理图/避坑点)
  • 游戏Bug与边界异常校验
  • 测评|苏州健身连锁店做GEO应该怎么选服务商?靠谱GEO服务商推荐? - 极义GEO
  • 深度解析:Drawio桌面版如何用Electron构建企业级安全绘图工具
  • DSP28335参数掉电保存:我的Flash存储方案与CCS工程配置全记录
  • API 中转还能做吗
  • 东南大学齿轮箱数据集:从试验台到智能诊断的实战指南
  • 全部功能,最新演示 | AllData可定义数据中台全量产品核心功能效果展示,全部功能尽收眼底!
  • Findroid技术深度解析:构建跨设备原生Jellyfin播放器的架构设计与实现
  • 2026 年专业的土工膜厂家推荐:TOP5 榜单独家揭秘 - 思溯深度专栏
  • [MAF的Harness-02]HarnessAgent究竟整合了哪些Harness手段?
  • 3步解锁Mac桌面歌词:LyricsX让你的音乐体验升级
  • 从正交载波到星座图:IQ调制解调原理及其在BPSK、QPSK、QAM中的统一框架解析
  • 模型选择:速度、成本、上下文长度和工具能力
  • 5个简单步骤:Thanos与Alertmanager完美集成构建企业级告警系统
  • 每个孩子成长快慢各不相同,少盲目对比接纳自身节奏