Gergely Orosz 的 AMA 真心話：AI 沒有讓工作變簡單，是你還不夠拚

TL;DR

Gergely Orosz 離開 Uber 時本來想創業，算完發現「創業成功後最想做的事就是寫東西」，於是直接跳過那十年
目前最接近 AI 原生開發的大公司是 Anthropic，但他認為這幾乎不可複製，因為 Anthropic 的產品就是模型本身，所有流程都圍繞這一件事運轉
大型科技公司裡，Google 在 AI 採用上最積極，Apple 的工程文化「到處都是膠帶」，Amazon 和 Microsoft 陷在內部政治裡
求職市場兩極化：有 AI 實戰經驗的工程師搶手到不行，沒有的人正在被卡住。Boot camp 出身的自學工程師處境比以前更難
他認為 AI 最大的用途可能就是省成本，這讓他有點沮喪。AI 更像雲端運算而不是行動網路，不會創造全新市場

這集在 2026 年七月八日播出的 The Pragmatic Engineer Podcast，是一集 AMA（Ask Me Anything）特別企劃。The Pragmatic Engineer 是目前 Substack 上最大的軟體工程電子報，超過一百一十萬訂閱者，由前 Uber 工程經理 Gergely Orosz 一手創辦和經營。這集的提問者是 Wordsmith 的 CTO Volodymyr Giginiak。Wordsmith 是一家總部在愛丁堡的法律 AI 新創，今年六月剛完成七千萬美金的 B 輪，客戶超過五百家，Gergely 本人也是早期投資人。兩個人認識很久，所以對話比一般訪談鬆很多，問題也問得比較直。

離開 Uber 那個決定

Gergely 在 Uber 待了四年，2020 年 COVID 砍掉 Uber 兩成的人，他的團隊也被拆散重組。當時他有一筆 Uber 上市後的股票，扣完稅大概還有幾十萬美金的存款，夠他兩三年不工作。

他本來的計畫是離職、花六個月寫完那本《The Software Engineer's Guidebook》，然後去創業。創業的想法是把 Uber 內部的 RFC 系統（Request for Comments，內部技術提案審核機制）做成產品。這不算瘋狂的想法，Temporal、Chronosphere 這些公司都是前 Uber 員工把內部平台工具拿出來商業化的案例。

但他跟哥哥聊了之後被潑了一盆冷水。哥哥當時在做第二間新創，跟他說：「如果你要創業，你現在就要相信自己願意花十年在這件事上。如果你不相信，別開始。」

Gergely 很誠實地問自己：我到底為什麼想創業？答案有兩個。第一是錢。2021 年到處都是前 Uber 員工的獨角獸新創，看起來太容易了。他算了一筆帳：十年做到獨角獸，稀釋到剩百分之五到十，出場拿個五千萬美金，扣完稅還有兩千五百萬。然後呢？拿到這筆錢之後最想做什麼？答案是：寫東西、拍影片、分享經驗。

他愣了一下。這些事情現在就可以做，不需要先花十年繞一圈。

第二個原因是他喜歡小團隊。但這個需求其實自己創業做內容也能滿足。於是他決定試試看，給自己六個月。結果第一週就有一百個付費訂閱者，六週破一千個，四五個月後年收入就超過他在 Uber 最好的那一年。現在付費訂閱者超過一萬人。

這段故事我覺得最值得記住的不是「他成功了」，而是他問自己那個問題的方式：如果終點是 X，我是不是可以直接走到 X，不需要先繞路走 A 到 W？

Anthropic 是異類，不是範本

被問到有沒有看到真正 AI 原生的開發流程，Gergely 的答案很直：最接近的就是 Anthropic，但它幾乎不可複製。

原因很簡單。Anthropic 的產品是 Claude 這個模型本身，Cloud Code 只是圍繞模型的副產品。整間公司像蜂巢一樣圍繞著同一件事運轉：訓練模型、前處理、後處理、工具開發。他們不寫設計文件，只做原型，快速迭代，社群上看到 bug 馬上修。但這套打法之所以能 work，是因為他們的產品本質就是 AI。

反過來看那些「想變成 AI 原生」的公司，Gergely 的觀察是：有沒有 AI 原生其實沒那麼重要。Coinbase 很努力做 AI 原生，但它終究是一家加密貨幣公司，市場漲它就好，市場跌它就裁員，跟 AI 原生不原生沒有太大關係。

他提了一個我很喜歡的說法：與其追求 AI 原生，不如追求「AI 是你自然會伸手拿的工具」。能用就用，不行就丟掉，不要太寶貴它。

之前在大家都在問 AI 賺不賺錢，Benedict Evans 說「我也不知道」，然後給了你一張地圖裡也聊過類似的觀點，AI 可能更像雲端運算，是基礎建設而不是創造全新市場的力量。Gergely 在這集明確表達了同樣的判斷。

五大科技公司的 AI 成績單

這段是整集最辛辣的部分。

Google：最積極。開放員工自由打造 AI 工具，雖然有點混亂但產出很多東西。而且 Google 是唯一一家同時有自己的前沿模型（Gemini）又有在吃 ChatGPT 市場份額的公司。

Meta：被自己訓練模型這件事拖住了，士氣持續下滑。Gergely 認為 Zuckerberg 可能覺得公司處於戰時狀態，但沒有人看得到敵人在哪裡。營收創新高、廣告業務很好、產品在成長。結果 CEO 把一批十年資歷的資深工程師重新分配去做資料標記，這些人現在正在考慮離開。

Microsoft：政治太多。Copilot 組織、核心 AI 組織、GitHub 被併入核心 AI。到底誰的任務是什麼？Azure 忙著搶算力。整體來說，Microsoft 花在政治上的精力比花在 AI 上多。

Apple：工程文化「到處都是膠帶」。Gergely 跟內部的人聊過，結論是他不確定 Apple 有太多事在發生。但他反而對 Apple 抱有一點希望，因為 Apple 沒有忘記自己的核心業務是做硬體和還過得去的軟體，搞不好本地端 AI 會是他們的贏面。

Amazon：跟 Microsoft 一樣是「改造困難」的典型案例。內部工具 Akiro 做了，自家模型也有，但都不夠好，工程師寧可用 Cloud Code。

反而是中型上市公司，像 Uber、Ramp、Intercom、Block，因為沒有身份危機，不需要擁有整個技術棧，直接拿最好的工具來用，聚焦在優化自己的業務，做得比五大都好。

求職市場：兩個世界正在拉開距離

搶手的工程師長什麼樣？在新創或知名科技公司工作、對商業有感覺、從 AI 出現開始就一直在用，現在已經能判斷該用 RAG 還是微調、用開源還是閉源模型、跑本地還是雲端。這種人現在極度搶手。

卡住的工程師呢？在現有工作裡完全沒有 AI 的曝光度，用 Cloud Code 跟 Codex 寫程式但大家都在用，沒什麼區別。公司名字不響亮，跳槽的時候沒有籌碼。

面試流程也在變。演算法面試因為 AI 可以秒解，遠端做已經沒意義了。Take-home 作業 AI 也能完成。Gergely 預測面試會更依賴面對面環節。Google 會繼續白板面試，新創會像 Wordsmith 那樣：讓你用 AI 做作業，但之後花很長時間討論你為什麼做了這些決定、你是不是真的理解。最好的模式是像 Linear 那樣的試工週，但很難規模化。

對求職者來說，這意味著更多摩擦、更多投入、更多主觀判斷。

另外他提到一個讓人有點不舒服的趨勢：學歷正在重新變得重要。不是因為學校教得多好，而是因為市場供過於求的時候，學歷變成最簡單的篩選器。Boot camp 出身的工程師處境比 2015 到 2020 年那段黃金期差很多。之前在科技業正在裂成兩半：六千人的調查告訴你，AI 時代誰在狂歡、誰在崩潰裡也聊過類似的兩極化現象。