Meta、微软都在“瞎折腾”？Gergely Orosz 谈 AI 正在重塑工程师价值

当 Meta、Microsoft 这样的一线巨头开始被点名“激励员工做蠢事”，软件工程真的出了问题。Pragmatic Engineer 作者 Gergely Orosz 在这场对话中，把 AI 带来的真实冲击摊开讲清：不是效率神话，而是角色、激励和招聘逻辑的系统性重构。

当顶级公司开始“做蠢事”，问题不在工程师

对话一开始，Gergely 就抛出一个极具杀伤力的判断：现在反而是 Meta、Microsoft 这些顶级公司，在激励员工去做一些“stupid stuff”。这句话之所以刺耳，是因为它完全反转了传统叙事——不是工程师不行了，而是组织在错误地使用 AI。

在 AI 工具快速铺开的背景下，很多公司选择了最容易量化、也最短视的指标：提交更多代码、消耗更多 token、看起来更“忙”。结果就是，工程师被推着去最大化输出，而不是最大化价值。Gergely 暗示，这种激励方式会制造大量技术债和无意义工作，却在短期内让管理层产生“生产力爆炸”的幻觉。

这也是为什么你会看到一些匪夷所思的内部故事：明明系统复杂度在上升，但所有报表都在变好。AI 没有让这些公司更聪明，只是让错误决策的放大器变得更强。

Token Maxing：半年前的“正确答案”，今天的隐患

关于 Token，Gergely 提醒大家不要忘记时间线：如果把时间拨回六个月前，几乎所有人都会认为“多用模型、多消耗 token”是正确方向。因为当时的主流叙事是：不用就会被淘汰，甚至“坏事会发生”。

正是在这种恐惧驱动下，Token Maxing 成了一种事实上的行业行为——不管是否真的需要，先把模型跑起来再说。但问题在于，这种逻辑很少有人认真计算长期成本。Gergely 提到，有一股力量在推动这种用法，而另一股力量迟早会出现：人们开始真正关心成本、关心边际收益。

一旦公司意识到，AI 带来的并不是线性收益，而是复杂的权衡，之前那些不计代价的实验就会被重新审视。到那时，真正有价值的工程判断，才会重新变得稀缺。

AI 真正提升的，不是产出，而是“PR 级别的判断力”

在谈到生产力时，Gergely 把焦点拉回到一个非常具体、但经常被忽略的层面：pull request。AI 工具的现实价值，并不是让一个工程师写出 10 倍代码，而是在 PR 级别上，帮助个人更快做出判断。

这是一种微妙但重要的变化。过去，PR 是经验和直觉的集中体现：哪些改动值得做，哪些风险可以接受。现在，AI 开始介入这个层级，放大个人能力。但它并不会自动产生好结果——前提是工程师愿意“be open to it”，同时保持自己的判断权。

换句话说，AI 更像是一个不断挑战你决策的搭档，而不是一个可以外包思考的工具。谁能在这种协作中保持清醒，谁就会变得异常高效。

从“一块披萨团队”到 MCP 网关，工程师角色正在迁移

当话题拉远，Gergely 直接点出了角色变化的现实性：软件工程师正在被这些工具重新定义。他用一个玩笑式的比喻来形容自己的变化——以前是“一块披萨团队”，现在“两个人就够了”。

规模不再是默认优势，架构和模式才是。对大公司来说，如果你现在还没在构建 MCP gateway，Gergely 的评价非常直白：“你在干嘛？”这句话背后，其实是对工程组织能力的重新排序：连接、编排、模式抽象，正在取代纯粹的实现能力。

这种变化也直接冲击招聘。问题已经不再是“谁会写代码”，而是“谁能在 AI 环境下做出正确决策”。Gergely 把它称为 innovation recruitment——招聘的不是技能，而是适应变化、利用工具的能力。

总结

这场对话最有价值的地方，不在于对 AI 的乐观或悲观，而在于它揭示了一个现实：AI 正在把“工程师的价值”从执行层，推向判断层。对个人来说，你需要问自己三个问题：我是否理解成本而不是盲目用工具？我是否在关键决策点保持主导权？我是否在构建可复用的模式，而不只是产出代码？

如果答案是否定的，那问题不是你不够努力，而是你还在用旧地图走新世界。AI 不会淘汰工程师，但一定会淘汰那些只会按激励行事的人。

关键词： AI软件工程， Gergely Orosz， Token成本， 工程师角色变化， 技术招聘

事实核查备注： 需要核查：1）视频完整时长以确认文章篇幅是否匹配；2）Gergely Orosz 对 Meta、Microsoft 的原话语境；3）“Token Maxing”相关表述是否为原视频中的明确说法；4）MCP gateway 的具体含义是否在视频中有进一步解释。