编辑：Aeneas 好困
【新智元导读】亚马逊工程师一个周末辛苦写出的代码，因为项目最终被降级而白白浪费了。AI爆火的背面，是一众硅谷大厂员工的疯狂内耗。越来越密集的活动日程表，越来越不可思议的deadline，为董事会准备毫无用途的AI产品展示……被迫「内卷」的大厂AI工程师们，已经感到窒息。
AI爆火之后，硅谷的工程师们已经被「内卷」搞得精疲力竭，苦不堪言！
放弃整个周末休息辛苦写出的代码，因为项目降低优先级全部白费。
大家你追我赶，争取比竞家更快发布产品，一切都向速度看齐。领导疯狂发号施令，但对项目的实际影响漠不关心。
为了赶工AI项目，毫无经验、也未经受培训的成员被纷纷拉进来；而另一边，许多人都在deadline前疯狂内耗，即使旁边就是技术大牛，也根本没有机会向他们学习……
以上，就是生成式AI爆火的硅谷大厂中，正在发生的种种怪相。
「内卷」永不停歇
比如一位亚马逊的工程师。
去年末，他在结束了几周的工作后，本来打算轻松地过一个周末。
然而，当他收到一个Slack消息时，一切都变了：上司要求他，必须在周一早上6点前完成一个项目。
于是，他的周末计划就这样泡汤了。他不得不取消朋友们的聚会，夜以继日地赶工。
这件事情的结局，以项目被降低优先级而结束。这意味着，他的所有努力都白费了……
其实，这种情况对他来说已经司空见惯了。
AI领域的专家们经常紧急开发出一个新功能，然而这些功能往往会突然被暂停，然后让他们去应对其他AI项目的紧急需求。
这位亚马逊工程师就透露，自己就曾在一个没有任何错误检测的环境中，为新的AI功能写了几千行代码。
然而，因为代码在缺乏必要测试的情况下极易出错，团队成员有时不得不在深夜互相联系，修复AI软件问题。
在他看来，亚马逊的高层更注重形式上的「我全都要」，然而当他们想要尽最大速度尝试复刻微软和OpenAI的产品时，产品质量就很难跟上了。
对于这些深陷大厂「内耗」的AI工程师，外媒给出了一个非常形象的比喻——「老鼠赛跑」（Rat race）。
在「老鼠赛跑」中，人们就仿佛试图获得奶酪奖励的老鼠，疲于奔命，但徒劳无功。为了获得眼前的奶酪，他们过着重复的生活，没有时间休息。
谷歌、微软工程师，都卷麻了
同样怨声载道、苦不堪言的，还有谷歌和微软的工程师。
由于担心技术落后于对手，他们时刻悬着这根弦，需要迅速推出工具。
英伟达CEO老黄说，AI正处于「iPhone时刻」。
这也就意味着：整个硅谷都处于巨大压力的笼罩之下。
项目进度不断加快，每一个AI发布都拼命抢在竞争对手之前。更荒唐的是，领导层对许多项目的实际影响也并不关心。
以上并不是某家特定公司的做法，而是整个行业的普遍趋势。
谷歌的一名员工表示，在高强度工作了大约六个月后，她感觉自己终于能喘口气了。
但在公司「边飞边造飞机」的产品开发策略之下，压力仍在不断增加。
一位亚马逊的AI工程师表示，为了赶工一个进度落后的项目，他的团队都被临时拉了进去。但问题是，成员既没有经验，也没有接受过相关的培训……
而管理层则为了push员工，经常举办「振奋人心」的演讲：「你们的工作将会革新整个行业！」
无论是工程师还是其他职位的人，都有这样一种感觉：自己的工作越来越集中于满足投资者的期望，以及保持行业竞争力，而非解决用户的实际问题。
而且，为了追求开发速度，雇主们也忽略了监控上的影响，以及AI可能造成的其他负面效果。
因为长时间的工作、巨大的压力、不断变化的工作要求，他们普遍面临着职业倦怠。
许多员工因为无法忍受这种高压和快节奏的工作环境， 已经选择离开AI部门，或者正在寻找下家。
是的，这就是生成式AI淘金热不为人知的一面。
为了在未来十年内预计收入超过1万亿美元的市场中保持竞争力，科技公司正竞相开发着各种聊天机器人、AI智能体和图像生成器，为了训练LLM投入数十亿美元。
另一面，是卷到窒息的硅谷大厂员工。
巨头们，纷纷为AI疯狂
而大科技公司的高管们，也毫不避讳地向投资者和员工们宣扬着AI对自己重大决策的影响。
微软的首席财务官Amy Hood在今年的某次财报电话会议上提到，公司正在调整人手，优先专注AI。而且，微软还将继续优先投资AI，因为这是「塑造未来十年的关键因素」。
Meta CEO小扎也是如此。在最近的财报电话会议上，他大部分时间都谈论产品和服务，以及Llama 3的最新进展。
「我坚信，在未来几年里，我们应该大力投资，开发更先进的模型和世界上规模最大的AI服务，」小扎表示。
在亚马逊，CEO Andy Jassy也对投资者表示，生成式AI机遇空前，因此需要增加资本投入，绝不可错过这次机遇。
「我认为，我们中任何人在技术领域都很少见到这样的机会，至少自从云计算出现以来，甚至自从互联网问世以来，」Jassy给出这样的判断。
速度，一切都为了速度！
如今在AI竞赛中，这些大厂一边在裁员，一边在尽最大努力挖来更多AI专家。
曾在苹果工作四年的老员工Eric Gu，参与了包括Vision Pro头显在内的关键性项目。
他表示，自己越来越强烈地感觉到，自己的发展十分受限。虽然身边到处都是人才和大牛，自己却没机会向他们学习。
「苹果非常注重产品，因此我们总是面临着巨大压力，需要高效工作、快速推出产品、增加功能……」
这种快节奏的压力，让Eric Gu不堪重负。
终于，大概在一年前他选择离开苹果，加入了AI初创公司Imbue。在那里，他也能够参与野心勃勃的项目，只是节奏可以更平和。
一位微软的AI工程师也透露，公司正深陷激烈的AI竞争之中。
而且，为了追求速度，微软也忽略了伦理和安全保障，这导致团队还没来得及考虑潜在后果，产品就在仓促之间被推出。
他还指出，由于所有科技大厂都能接触到几乎相同的数据，因此AI领域实际上并不存在真正的竞争优势。
的确，拥有超20万用户热门项目的独立软件工程师兼数字艺术家Morry Kolman表示，在AI技术迅速发展的今天，很难去判断哪些领域值得投入时间。
而这就非常容易导致职业倦怠，因为你很难对一件事情保持持续的热情。
在谷歌，一名AI团队成员表示，职业倦怠主要来自于竞争压力、更紧迫的时间表和资源短缺，尤其是在预算和人员配置上。
尽管许多顶尖科技公司都表示正在追加对AI的投入，但在紧迫的时间表下，所需的人力往往难以实现，即使在谷歌也是如此。
匆忙的产出，导致谷歌数次面临尴尬的翻车。
Gemini图像生成工具在今年二月发布后，因为犯了历史错误而仓皇下线。
而在2023年初，谷歌员工也批评了公司领导层，尤其是CEO劈柴。明眼人都能看出，为了跟ChatGPT对打，谷歌匆忙推出的Bard明显处理不当。
这名十多年的谷歌老员工表示，不仅如此，行业普遍都在削减成本，众多公司也不得不为了满足投资者的期望、提高净利润而采取大裁员。
紧凑的会议日程安排，也让团队面临着巨大的压力。
AI团队的日程表上，是2023年5月的Google I/O开发者大会、8月的Cloud Next以及2024年4月的另一场Cloud Next大会。
比起以前，这些活动的间隔大大缩短。对于一个需要按照会议时间线推出功能的团队来说，这意味着巨大的压力。
同样的压力，也存在于政府机构和初创公司中。
一位政府机构的AI研究员表示，尽管政府行动较慢，但他仍感受到必须快速跟进的压力。因为如今生成式AI的影响力已经破圈，波及到了各个圈层。
初创公司同样如此。
数据科学家兼AI政策顾问Ayodele Odubela提到，一些初创公司获得了大型风投的投资，正在趁热打铁地加班加点。
这些投资者期望的，是高达十倍的投资回报。
为了用AI而用AI
除此之外，大厂的AI工程师们，还有很大一部分工作只是为了使用AI而使用AI，而不是为了解决商业问题或直接服务于客户。
一位微软的AI工程师表示，在自己接触到的任务中，有不少就只是在为AI的炒作贡献素材而已，并没有任何实际的应用价值。
比如，对于明明不涉及生成式AI的问题，也要想办法用大语言模型去解决，即便这样会让效率更低、成本更高。
另一位在互联网大厂工作的软件工程师，也被调到了一个研究LLM新团队，原因只是「AI太火了」。
这位有多年机器学习经验的工程师认为，当前生成式AI领域的工作，充斥着大量虚假的承诺和过度的宣传。
外界看来，似乎每两周都会有重大进展，但其实大家都在重复相同的工作。
比如，他就经常需要在三周的时间内，为公司董事会准备好全新的AI产品演示，即便这些产品实际上「毫无用途」。
此外，为了取悦投资者并获得资金，他还特地制作了一个网页应用。当然，这与团队正在进行的工作并无关系，而且在演示完成之后也再也没有人用过。
一位金融科技初创公司的产品经理表示，高层想要推出一些AI加持的解决方案，但却不知道针对问题是什么。
比如，他曾参与的一个项目是将公司一直在用的算法重新包装成「人工智能」。并且，还开发了一个供客户使用的ChatGPT插件。
一位在零售监控初创公司工作的AI工程师表示，公司总共只有40个人，而他是其中唯一的AI工程师。
在这里，他除了要负责处理所有与AI相关的任务外，还需要面对由那些完全不了解AI的投资者提出的「根本无法完成的需求」。
如今，饱受折磨的他一心只想离职去读个研究生，然后进行独立研究并发表成果。
车速太快容易翻
正如前面提到的，各个大厂在快速推出产品的压力下，纷纷缩减常规测试，并搁置了对AI准确性的验证。
然而，为了赶超竞争对手而急推的AI项目，很容易「翻车」。
还是以不止一次深陷「歧视」风波的谷歌Gemini图像生成为例。
比如，当用户要求生成「1943年的德国士兵」时，它就会给出各种不同肤色的人穿着当时的德国军装的图像。
而在生成「19世纪的美国参议员」时，甚至同时给出了黑人、拉丁裔，以及土著女性的形象。
然而，美国第一位女参议员是一位白人女性，于1922年任职。
这显然是枉顾了种族和性别歧视的真实历史。
对此，Odubela表示，随着AI技术迭代速度越来越快，审慎的思考和严格的评估比以往任何时候都更为重要，但一些大厂似乎不仅不care，甚至还在做着相反的事情。