硅谷工程师的AI时代困境：效率倍增为何更疲惫？

本文来自微信公众号：腾讯科技，编辑：李海伦，作者：值得关注的

AI工具日益强大，人类却愈发疲惫，这或许才是效率革命背后值得深思的核心问题。

2026年初，软件工程领域出现了耐人寻味的现象。

以Claude Opus 4.6为代表的新一代AI编程工具，正将开发者效率推向新高。微软内部数据显示，工程师自主选择工具后，Claude Code迅速成为主流，被部分观察者视为“阻力最小路径”的自然选择。

但与此同时，“职业倦怠”的讨论在开发者社区密集涌现。曾任职谷歌、亚马逊的工程师史蒂夫·耶格（Steve Yegge）在自述文章中描述了“瞌睡攻击”现象：长时间编程后，白天会毫无预兆地突然入睡。

拥有40年硅谷经验的软件工程师耶格发文

如今，越来越多软件工程师公开谈论共同体验：工作产出大幅提升，疲惫感却更快积累。技术缩短了任务执行时间，却未减少人类决策负担，反而使其增加。

01

AI不知疲倦，人类却会

耶格认为，Claude Code搭配Opus 4.5及4.6投入使用后，“AI对实际工作帮助有限”的讨论已无参考价值。这套组合显著降低了从问题定义到可运行代码的转换成本，让熟练工程师单位时间产出达传统工作流数倍。

耶格指出，生产力提升超2倍时，“吸血鬼效应”开始显现，技术不再只是工具，反而塑造使用者的工作节奏和心理状态。

软件工程师西丹特·卡雷（Siddhant Khare）在《AI疲劳是真实存在的》一文中写道，上季度代码交付量创职业生涯峰值，精神疲惫也被拉满。

卡雷描述了工作模式的根本转变：使用AI前，他会用“整整一天”深度专注单一问题，保持连贯思维；引入AI后，一天需并行处理五到六个不同问题域，每个问题在AI协助下单独耗时缩至一小时左右，但问题间频繁切换构成新的认知负荷。

“AI不会在问题间隙感到累，”他写道，“但我会。”

卡雷将新角色比作“流水线上的质检员”：拉取请求持续涌入，每条都需审查、决策、确认。流程未中断，决策权未移交，他被固定在“审判席”上，案卷由AI递送，责任由人类承担。

《哈佛商业评论》近期研究提供了实证基础。

研究者跟踪美国科技公司200名员工，发现AI使用初期显著提升任务完成速度，但触发连锁反应：速度提升推高组织对交付周期的预期，更高预期促使员工更依赖AI，更深依赖扩大任务处理范围，范围扩张进一步加剧工作密度和认知负载。

研究者将这一机制称为“工作量蔓延”，它不是指令驱动的扩张，而是效率提升与预期调整间反复迭代、自我强化的过程。

数字产品设计从业者萨莫·科罗舍茨（Samo Korošec）在LinkedIn回复耶格时，表达了相似处境。

他指出，社交平台充斥“一分钟生成十个UI方案”的演示，这些内容反复推送给从业者和管理者，形成隐含标准。

既然工具能快速输出方案，方案产出就应如此快速。然而，演示极少展示后续筛选、落地、跨职能协调成本，这些仍完全由人类承担。

技术压缩了生产环节时间，却未压缩决策环节时间。后者正成为新瓶颈——人的注意力与意志力。

02

AI改变工作量级，未改变分配规则

耶格提出简化分析框架：假设工程师掌握AI工具后单位时间产出提升至10倍，9倍差额价值的归属取决于劳动供给配置。

情景A：工程师保持原工作时长，将全部增量产出交付雇主。此时雇主以不变人力成本获近10倍产出，工程师收入未同比例变化，劳动强度和精神消耗却显著上升，耶格称之为“被榨干”。

情景B：工程师大幅缩减工作时长，以原有10%劳动时间完成过去相当产出，增量价值全由个人获得，拥有更多闲暇。但竞争环境下此状态难持久，若组织成员普遍如此，整体产出将落后于竞争对手，长期面临生存风险。

耶格指出，理想状态应在两种极端间，但现行组织架构中调节权不对称，组织天然倾向将指针推向A端，个体需主动施加反作用力。

这一框架将技术效率问题转化为分配问题。AI未改变“价值由劳动创造”的事实，却改变了单位劳动创造的价值量级，原分配均衡必然受冲击。

耶格回忆2001年在亚马逊的经历：团队承受高强度交付压力，回报高度不确定。他在讨论中向同事写下公式：$/小时。解释道，分子（年度固定薪酬）短期内难改变，分母（实际工时）有弹性空间。

他主张将注意力从“如何赚更多”转向“如何减少工作时长”。这一视角转换当时令部分同事陌生，但数周后，他多次看到会议室白板上仍保留这组符号。

二十五年后，耶格认为该公式同样适用于AI时代。不同的是，AI大幅放大分母变化对分子的影响，个体对分母的控制力却未同步增强。

LinkedIn用户约瑟夫·埃莫森（Joseph Emison）从另一角度回应：大多数创意领域持续成就者，如知名作家、设计师、研究者，每日有效工作时长通常不超四小时，剩余时间用于恢复、漫游、输入。这不是效率问题，而是认知活动的生理极限问题。

若AI进一步切割“工作”与“有效工作”，或许需重新定义的不是工具使用方式，而是“工作日”长度。

03

能力上限扩张，下限却在消失

耶格坦承自己也是问题的一部分。

他有四十余年工程经验，领导过大型团队，阅读速度快，有充足时间和资源做技术实验。可连续数十小时用Claude Code构建可运行系统并发布至公共领域，工作成果被广泛传播，部分管理者将其视为“工程师应达水准”。

他写道：“雇主们很可能看着我和我们这些偏离常态的异类，说：‘嘿，我所有员工都能像那样’”。

LinkedIn等平台上，部分早期采用者公开分享AI使用强度：有人称所在组织为少数账户支付每月数千美元费用；有人展示同时运行数十个对话会话。这些内容获技术社区关注的同时，也在管理层面塑造了隐性参照系。

耶格称之为“不切实际的美丽标准”。他承认自己不具代表性，工作节奏难被多数人复现，甚至不确定能否长期维持。但当他站在讲台或写书时，传递的信息（至少在接收端）被简化为“这可以做到”。

LinkedIn用户利赫·阿绍夫（Leigh Aschoff）将问题引向深层：当代人与AI的互动方式，映射出人际互动中长期存在的边界识别障碍。许多人在人际关系中缺乏识别和表达自身极限的能力，这种缺失被平移到人机关系中。工具不会主动停止，也不具备感知使用者疲劳的能力。

技术不断拓宽能力上限，识别下限的能力反而更稀缺。

04

工作日需要重新定义

耶格提出具体主张：AI时代有效工作日应缩短至三到四小时。

这不是严谨验证的数字，而是经验推断。他观察到，AI将大量执行性任务自动化，却把决策、判断、问题重构等高阶认知活动留给人类。这些活动对注意力和情绪资源的消耗远高于执行性任务，且难以通过并行或压缩恢复。

耶格参观某科技园区时，见到“刻度盘调至合适位置”的工作环境：开放式空间、充足自然光、分布各处的社交与休息区域，员工自由切换工作与恢复状态。他不确定AI全面渗透后这一设置能否维持平衡，但确信当前许多组织采用的模式——不调整工作时长，仅增加单位时间产出密度，是不可持续的。

他不再将问题归结为“AI是吸血鬼”，而是“我需更清楚自己的极限在哪里”。

耶格文末表示，自己正尝试调低刻度盘：减少公开活动，拒绝大量会面邀请，不再追求每一个可见技术赛道。他仍在写作、构建产品、与同行交流，但下午会合上电脑与家人散步。他说不知能把指针往回拉多少，但确信方向是对的。

对更广泛从业者而言，这一问题尚未进入集体议程。AI生产力叙事仍占主流，疲劳讨论仍以个人化、碎片化方式存在。但越来越多信号表明，两条曲线正在交汇。

技术缩短了任务路径，却未缩短工作日；工具分担了执行，却未分担责任；效率提升了交付速度，也提升了消耗速度。

当AI不断告诉我们“还可以更快”，也许更需被听见的问题是：还可以更慢吗？