“如果你遇到这种稀有的工程师，一定要抓住他们。如果你的初创团队中有一位 10 倍工程师，你的创业成功概率将大大提高。”2019 年 7 月，印度风投公司 Accel 的合伙人 Shekhar Kirani 在 X 上发布了一条关于“10 倍工程师”（10x engineer）的长推文，引发了科技圈的激烈讨论，有相当一部分人不同意这一观点，许多资深开发者对此嗤之以鼻，认为这种说法不仅过于简化，更助长了科技行业中的精英主义和有毒文化。
这场争议一度让“10 倍工程师”这一概念成为了一个反社会的 meme（模因），甚至有许多人称之为“最糟糕的 meme”。
然而，时过境迁，AI 的发展似乎给这个争议性话题带来了新的注解。在 AI 逐渐重塑工作方式的今天，10x 效能似乎不再是遥不可及的神话。知名学者、斯坦福大学教授吴恩达（Andrew Ng）近日发表文章指出，AI 正在创造一个前所未有的可能：不仅是工程师，未来各行各业都可能出现“10 倍专业人士”，这些人将凭借对 AI 的深度理解和创新应用，在各自领域创造出远超常人的价值。
“10 倍工程师”这个概念由来已久，其历史可以追溯到上世纪 60 年代。1968 年，Sackman、Erikson 和 Grant 等人发表了论文《比较在线和离线编程性能的实验研究》（Exploratory experimental studies comparing online and offline programming performance）。这项研究首次揭示了程序员之间存在“数量级”的效率差异。不过，这项研究的局限性在于，它主要考察的是特定的数学问题，比如解决 20x20 的迷宫和处理代数方程，这些任务更偏向于考验程序员的数学能力。
这一概念的实证研究在 1977 年得到了进一步发展。Tom DeMarco 和 Tim Lister 开展了一项名为“编程战争游戏”的生产力调查，邀请来自不同组织的 600 多名软件开发者参与。研究发现，最优秀的组织的工作效率可以达到最差组织的 11.1 倍。有趣的是，研究还发现编程语言的选择对效率影响不大，工作环境才是关键因素——安静、私密的工作空间能显著提升开发效率。
与此同时，软件工程领域还出现了一个相反的概念：“净负产出程序员”（NNPP，Net Negative Producing Programmer）。这类程序员会产生相当多的代码错误，如果将他们从团队中移除，反而会提高生产力。这个极端的对比某种程度上也佐证了开发者之间确实存在巨大的效能差异。
尽管这些研究为“10 倍工程师”概念提供了一定的学术支持，但在实践中，这个概念的内涵一直存在争议。2019 年 7 月，这场争议达到了顶峰。印度风投公司 Accel 的合伙人 Shekhar Kirani 在 X 上发布了一条描述“10 倍工程师”特征的长推文，引发了科技圈的激烈讨论。
在 Kirani 的描述中，“10 倍工程师”是一个能够像写英语一样轻松编写代码、讨厌开会、工作时间不规律、能在大脑中将想法直接转换为代码的“稀有物种”。
这种描述立即在开发者社区引发强烈抵触，许多人认为这样的工程师往往是“天才混蛋”，“很多人之所以强烈反对这种说法，是因为我们都有过与这样的人共事的经历。我们不得不重写他们的代码、编写文档、修复问题，总的来说就是收拾他们留下的烂摊子。”
而吴恩达认为，随着 AI 技术的发展，不仅会出现越来越多的“10 倍工程师”，且“10 倍效能”这一现象将突破工程领域的边界，扩展到更广泛的职业领域。未来将会出现“10 倍营销人员”“10 倍招聘专员”“10 倍财务分析师”等各类“10 倍专业人士”。
吴恩达解释说，在很多传统工作中，人与人之间的效率差距往往受到物理限制。例如，即便是最优秀的超市收银员，也不可能让顾客结账速度提高 10 倍。
然而，在那些主要依赖知识应用和信息处理的工作中，AI 的引入将彻底改变游戏规则。
一个“10 倍工程师”的价值并不在于写代码的速度比别人快 10 倍，而在于他们能做出更高瞻远瞩的技术架构决策，更准确地发现问题并确定优先级。
比如，在面对一个复杂问题时，普通工程师可能会写上万行代码，而“10 倍工程师”却能想出只用百行代码就解决问题的优雅方案。
这种思维方式的转变，在 AI 时代将延伸到更多职业领域。
以营销人员为例，传统营销人员可能会反复撰写社交媒体文案，而未来的“10 倍营销人员”不会仅仅用 AI 来协助写作，而是会利用 AI 进行更多的市场实验，获得更深入的客户洞察，制作更精准的个性化信息。这种本质的工作方式转变将带来效能的指数级提升。
同样地，10 倍效率的招聘人员不仅会使用生成式 AI 来帮助撰写候选人邮件或总结面试，这种使用提示式 AI 的水平在许多知识岗位中很快就会成为标准。他们可能会协调一套 AI 工具，有效地识别和进行大量候选人的研究，从而比普通招聘人员产生更大的影响。
而 10 倍效率的分析师也不仅仅会使用生成式 AI 来编辑他们的报告，他们可能会编写代码来协调一套 AI Agent，深入研究产品、市场和公司，从而得出远比传统研究方式更有价值的结论。
这种转变的威力已经开始显现。美国哈佛商学院和波士顿咨询公司 2023 年的研究显示，在使用 GPT-4 的情况下，咨询顾问可以完成 12% 更多的任务，完成任务的速度提高了 25%。吴恩达认为，这仅仅是开始。随着 AI 技术的进步，以及人们对 AI 工具的使用越来越纯熟，这种效能差距还将进一步扩大。
在硅谷，越来越多的 AI 原生团队正在展示这种转变的可能性。他们完全重新设计工作流程，以前所未有的方式开展工作。正如软件工程领域长期推崇最优秀的工程师，因为他们能产生巨大影响，并激励更多人不断学习和努力。
如今，随着 AI 在更多岗位中发挥作用，这种通过持续学习实现重大突破的路径，将向更广泛的职业群体开放。未来的“10 倍专业人士”，将是那些能够驾驭 AI、重新定义工作方式的行业先行者。
Keep Learning！
参考资料：
1.https://www.deeplearning.ai/the-batch/how-ai-can-make-you-a-10x-professional/
2.https://x.com/skirani/status/1149302828420067328
3.https://dl.acm.org/doi/10.1145/362851.362858
运营/排版：何晨龙