首页
/
行业洞察
/
正文
INDUSTRY INSIGHT · 深度
不重回一线,就准备退休:前 Stripe 工程高管的三年警告
📅 2026/11/1 1:56:00
✍️ 爱科研究院
👁 阅读 3,247
前 Stripe、Uber 工程高管 Will Larson 的三年警告当 AI 让写代码变便宜中层技术经理的旧能力正在快速贬值。工程管理的价值正从协调规模迁移到技术判断力与系统权衡。| 250→25 | 500 | 14 | 3 年 ||—|—|—|—|| 主动选择的管理规模从 Carta 到 Imprint | 一年半内提交的生产级 PRImprint | 直属下属其中 4–5 人为 IC管理者与工程师同层汇报 | 他预测我们所熟悉的工程管理职业或将不复存在 |一、一条反向曲线管理幅度在缩小技术深度在回归从 Yahoo 到 Uber、Stripe、Carta再到 ImprintLarson 的团队规模曾是职业生涯的勋章而在 Imprint他主动把这数字砍到约 25 人并兼任工程、产品与设计——这不是退步而是一次能力结构的重新配置。阶段团队规模关键意义Yahoo远程合同技术博客换来的机会服务器黑市的管理启蒙Uber · 2014–20166 → 70 人6 人撑起全公司基础设施两年全部外招扩张Stripe · 2016–2020≈255 人反对给高工找有趣活的行业共识Carta · CTO≈250 人Staff Engineer 比例上限坦承这就是控成本Imprint · CTO≈25 人转向点兼管工程/产品/设计500 生产 PR注250 → 25 的下降来自主动的职业选择用于印证小规模、高技术深度的角色演进而非被裁撤。二、价值迁移旧共识正在失效ZIRP零利率时代行业默认管理者不该参与技术决策于是经理把精力投向流程、排期与人头。AI 降低了执行层协调的需求却放大了架构决策、业务理解与结果验证的难度。下面是这次访谈里最值得对照的一升一降。维度旧共识ZIRP 时代AI 时代的新判断管理者的价值流程、排期、隔离业务压力、协调人头技术判断力、系统权衡、跨职能对齐团队规模Headcount 增长成绩与影响力稳定的团队 不断塞人清晰责任边界TLM 岗位“职业死胡同”劝工程师远离需求旺盛的抢手形态企业实际刚需经理画像远离一线、专注管理不写代码反而难受的技术负责人兼经理招人解决法进度落后就加人“招人几乎是解决问题的最后手段”工程师剩余价值编写代码本身判断该做什么、理解业务、验证结果三、加人的代价沟通通道随人数二次增长“为什么给一个落后的项目再加 15 名工程师反而让事情更糟”——答案藏在沟通成本里。团队内的沟通通道数约为n(n−1)/2人数线性增加协调点却近似平方级膨胀。这正是 Larson 反对以 Headcount 为核心指标、强调稳定团队的底层逻辑。团队规模 vs. 沟通通道数示意按 n(n−1)/2 估算团队规模沟通通道数示意7 人小组Uber 起步21 条██12 人经理常管规模66 条███████22 人再加 10 人后231 条███████████████30 人再加 15 人后435 条████████████████████████▲ 从 15 人加到 30 人沟通通道约放大4 倍105 → 435。所以真正的高效来自长期稳定 明确责任边界 控制沟通成本而不是遇事加人。四、谁在升值TLM 画像与 CTO 的双重能力理想工程经理不写代码反而难受的人有能力处理复杂管理事务却更愿意把时间花在写代码上。需要时能建流程、协调资源平时亲自做技术、创造价值。最难招要按优秀经理标准面试再判断**“不给他写代码的机会他会不会不满”**。Imprint 最优秀的人才恰恰来自过去纯管理岗——他们重新回到一线后表现极佳。优秀 CTO技术专家 or 管理专家“两者都必须是”技术侧懂技术 / 产品 / 软件交付。组织侧懂组织运作 / 激励机制 / 管理流程。只擅长其中一面都难成为优秀高管。让 IC 与管理者直接向自己汇报是保持技术 组织双触感的刻意设计。AI 无法替代的三层壁垒判断该做什么——在模糊环境中决定方向而不是把已知的事做得更快。长期领域知识——AI 能复制 Slack 的界面却难复制其产品能力与积累。验证结果 担责——敢推动不受欢迎的决策并按结果接受评价。五、太长不看版Q · 中层技术经理还有前途吗要么重新深入技术一线要么考虑退休。未来三年传统工程管理的那套能力可能不再被市场需要。Q · 为什么 TLM 从坑变抢手企业需要既懂管理、又能亲自写代码的人最理想者能处理复杂管理事务却更愿把时间花在软件开发上。Q · AI 都写代码了工程师还剩什么实现成本骤降但理解业务、判断该做什么、处理复杂约束并验证结果仍然离不开工程师。Q · 为何加人反而更糟更多人意味着更多沟通协调成本高效团队靠长期稳定与清晰边界而不是不断塞人。Q · 优秀 CTO 该是技术专家还是管理专家两者都是。既懂技术、产品和交付也懂组织、激励与流程——只精一面难成优秀高管。结语软件实现会越来越便宜判断力却会越来越贵这次访谈的锋利之处在于它不把 AI 当成又要多学一个工具而是重新划线哪些能力会被商品化哪些能力反而升值。对中层技术经理而言真正的问题不是要不要转管理或转技术而是能否同时握住技术判断力与组织运作能力——而那需要一点谦逊和愿意重新回到一线的勇气。基于 Will Larson 访谈Gergely Orosz 主持内容整理 · 图表数据为现场估算仅作示意
📌 标签:
工业官网
设计趋势
AI 建站
SEO
获取完整报告 →
RELATED ARTICLES
推荐阅读
2026/11/1 1:56:00
绿色工厂拿到牌子只是开始,长效合规才是多数制造企业容易忽略的难题
2026/11/1 1:51:00
注塑机数据采集网关联网对接 MES 系统:如何保障 WiFi 传输数据稳定性
2026/11/1 1:51:00
Flue SDK 事件流完整指南:3 步实时消费 Agent 执行进度
2026/11/1 2:01:01
1.c++入门篇
2026/11/1 2:01:01
《江灯合声》:有可行的分框版,也仍可以选择连续鸣谢
2026/11/1 2:01:01
关于“贾子猜想”的数学地位、结构特征与讨论边界
2026/11/1 2:01:01
启动报Port 8088 was already in use?先查是谁占的
2026/11/1 2:01:01
担心文档上云?本地运行的办公AI才敢放心用
2026/11/1 1:56:00
第2章:Linux 基础,解压缩【.tar.xz】压缩包文件
2026/11/1 0:00:49
面向复杂光照与角度的宠物面部识别鲁棒性增强策略
2026/11/1 1:05:56
DRV8818PWPR与R7FA8M1AHECBD工业步进驱动实战指南
2026/11/1 1:05:56
STM32与DRV8818双极步进电机驱动方案:从选型到调试全流程解析
2026/11/1 0:00:49
面向复杂光照与角度的宠物面部识别鲁棒性增强策略
2026/11/1 1:05:56
DRV8818PWPR与R7FA8M1AHECBD工业步进驱动实战指南
2026/11/1 1:05:56
STM32与DRV8818双极步进电机驱动方案:从选型到调试全流程解析
2026/11/1 0:00:49
面向复杂光照与角度的宠物面部识别鲁棒性增强策略
2026/11/1 1:05:56
DRV8818PWPR与R7FA8M1AHECBD工业步进驱动实战指南
2026/11/1 1:05:56
STM32与DRV8818双极步进电机驱动方案:从选型到调试全流程解析