567
11当生成代码越来越容易，工程师要靠什么证明自己不可替代？
这一期我们邀请到在 Stability AI 担任软件工程师的思思 Yisi Lu，聊她从 Bloomberg、Google 到 AI 创业公司的职业转向，也聊她身处 AI 行业一线，看到的真实变化。
Sisi 加入 Stability AI 时，这家公司刚经历管理层震荡，外界最常问的是：它还行不行？但身在其中，思思看到的却是另一个更现实的问题：在今天的 AI 行业里，光有模型已经不够了，真正难的是，怎么活下来，怎么商业化，怎么把技术变成有人买单的产品。这一期里，她分享了 Stability AI 如何从 research-driven lab 转向更重产品和商业的方向，也解释了为什么今天的小公司，已经很难再靠“做一个更强的通用模型”赢下比赛。
后半段，我们把话题转到每个工程师都会关心的问题：AI coding 已经把软件工程师的工作改成什么样了？在 AI-assisted coding interview 里，真正被考察的到底是什么？一个“很会用 AI”的候选人，为什么反而可能拿不到 offer？当生成代码越来越容易，真正稀缺的，也许不是执行力，而是判断力、ownership，以及对结果负责的能力。
这一期里我们一直在讨论的一个问题是：AI 和人类，到底谁在做真正的创意工作？当 AI 可以快速生成图片、视频、代码，甚至第一版草稿，人类到底是在创造，还是慢慢退回到审核、筛选和把关的位置？如果创意工作的入口正在变化，那什么才是人类最后不能放手的部分？也许不是产出本身，而是提出问题、做判断、承担责任，以及决定什么值得被做出来。
如果你正在做软件、关注 AI、考虑转向 AI 行业，或者只是隐约感觉到这套职业规则已经开始变化，这一期会很有共鸣。
本期提到的 Chase 的AI生成网站图片：
时间线
00:02:07 嘉宾介绍：从 Bloomberg、Google 到 Stability AI
00:03:39 Stability AI 是一家什么样的公司：开源模型、平台和商业化转型
00:06:24 为什么在公司动荡之后，仍然选择加入 Stability AI
00:09:42 在 AI 公司做 applied engineering，具体是在做什么
00:13:01 小公司做通用模型为什么越来越难，image model 赛道现在怎么竞争
00:18:01 从大厂到 AI 创业公司，一年半后回看这个职业选择
00:20:08 AI 行业变化太快，公司和个人要怎么应对这种不确定性
00:24:29 Image generation、图片编辑、视频与影视特效，哪些方向更接近真实落地
00:30:47 谁来做“第一稿”：AI 负责生成，人负责判断，还是反过来？
00:38:53 AI 已经如何进入软件工程师的日常工作流
00:44:23 AI coding 时代，工程师不能放弃的能力：ownership、review 和判断力
00:51:49 AI-assisted coding interview：什么样的候选人会脱颖而出
01:03:00 给 junior engineer 的建议：这是更难的一代，也是被 AI 赋能的一代
01:20:50 当效率越来越高之后，人怎么继续寻找意义感与快乐
