不止“996”!曝硅谷AI创业圈「极限工作制」:每天16小时、凌晨3点下班、周末也在写代码

不止“996”!曝硅谷AI创业圈「极限工作制」:每天16小时、凌晨3点下班、周末也在写代码

编译 | 郑丽媛

出品 | ZEEKLOG(ID:ZEEKLOGnews)

“如果你周日去旧金山的咖啡馆,会发现几乎每个人都在工作。”

这是 AI 创业公司 Mythril 联合创始人 Sanju Lokuhitige 最近最直观的感受。去年 11 月,他特地搬到旧金山,只为了更接近 AI 创业浪潮的中心。但很快,他也被卷入了这股浪潮带来的另一面——一种越来越极端的工作文化。

Lokuhitige 坦言,他现在几乎每天工作 12 小时,每周 7 天。除了每周少数几场刻意安排的社交活动(主要是为了和创业者们建立联系),其余时间几乎都在写代码、做产品。

“有时候我整整一天都在编程,”他说,“我基本没有什么工作与生活的平衡。”而这样的生活,在如今的 AI 创业圈里并不算罕见。

旧金山 AI 创业圈的真实日常

一位在旧金山一家 AI 初创公司工作的员工,曾向媒体展示过几张令人压抑的照片:那是一套 Dogpatch 社区的两居室公寓——这个社区在科技从业者中很受欢迎。但这间公寓不仅是住所,同时也是一家公司的办公室。

他透露道,公司的几位创始人每天早上 9 点开始工作,常常一直忙到凌晨 3 点。他们几乎不会离开这栋楼,只有在抽烟或拿外卖时才会短暂出门。吃饭基本靠外卖,睡觉则是简单打个盹。

这名员工用一个词来形容这种生活:“horrendous”(可怕)。“我以前听说过 ‘996’,但他们甚至都不止 996。”他说,“他们每天 16 小时工作。”

由于这种极端的工作节奏,不少员工干脆在办公室把鞋子都脱了——毕竟每天都要在办公室待十几个小时,穿拖鞋显然更舒服。

创业公司一直很拼,但 AI 让节奏更疯狂

其实严格来说,创业公司从来都不是可以放松的地方。

差不多十年前,当移动互联网创业潮刚刚兴起时,很多程序员为了延长工作时间,甚至会用代餐饮料代替正常吃饭。那时的创业文化同样强调“拼命干”、高强度投入以及不计代价的增长。

这些理念在科技行业里一直存在。但过去一年里,随着 AI 浪潮席卷硅谷,这种文化显然被进一步放大:一方面,人们对技术新时代充满兴奋——以及随之而来的巨额资本;另一方面,焦虑也在迅速蔓延。

当下,很多科技从业者正处于一种矛盾状态:

  • 有人全力投入 AI 开发,同时又在怀疑 AI 是否真的对世界有益
  • 还有人正在训练机器把自己的工作做得比自己更好

于是,一个越来越现实的问题开始出现:

我们正在构建未来,但这个未来里,还有我们的位置吗?

科技行业正在经历“心理转折点”

这种焦虑,在整个科技行业已经非常明显。

曾经,大型科技公司以“员工友好”著称:公司内部有免费餐饮、按摩服务,甚至理发店。可近几年,这些福利开始逐渐收缩,企业对员工效率和产出的要求却越来越高。例如,扎克伯格和马斯克都曾公开表示,AI 未来可能会替代一部分初级和中级工程师,并强调公司需要更加“高效”甚至“极端硬核”的工作文化。

与此同时,大规模裁员也在持续发生。根据金融研究机构 RationalFX 的统计,2025 年全球科技行业共裁员约 25 万人,而在不少裁员公告中,AI 都被视为重要因素之一——尽管真实原因往往更加复杂。

曾为 Google、Microsoft、Salesforce 和 Airbnb 等公司提供咨询的职场教练 Mike Robbins 也注意到一个明显变化:科技行业的“话题”已经发生转移。

  • 疫情期间,公司最关心的是员工倦怠、心理健康和团队归属感;
  • 而现在,公司高管更常讨论的是变化、颠覆和不确定性。

“五年前,你要是个软件工程师,基本可以随便挑工作。”Robbins 说,“但现在,公司已不再担心员工流失,就会更直白地提出要求、也更加苛刻。”

技术变化太快,很多人连周末都不敢休息

在此背景下,对很多 AI 工程师来说,加班不仅是公司要求,更是竞争压力带来的必然选择。

AI 工具和模型几乎每天都在更新,如果周末休息两天,周一可能就已经错过了一次关键技术突破——对创业公司而言,这种差距可能意味着产品落后甚至被淘汰。

但矛盾的是,许多工程师同时又对这场技术革命感到兴奋,认为现在是科技行业创造力最旺盛的时期之一。例如,创业加速器 Y Combinator 的负责人 Garry Tan 就曾在社交平台上表示,自己连续 19 小时在尝试新的 AI 编程工具。

“很多人都在想一个问题——三年后,我还会有工作吗?”在 AI 开发工具公司 Mintlify 工作的软件工程师 Kyle Finken 坦言:“所以,这绝对不是一个可以躺平的时代。”

除此之外,AI 对就业结构的影响,也正在显现。Mythril 联合创始人 Lokuhitige 直言“现在已经没人招聘初级开发者了”,Anthropic 的 CEO Dario Amodei 更是预测:未来五年,AI可能会消灭一半白领行业的入门级岗位。

过去,刚毕业的工程师可以通过初级岗位慢慢成长。但现在,越来越多基础代码工作可以由 AI 完成。根据招聘平台 Indeed 的研究数据显示:自 2022年以来,入门级技术岗位招聘减少约三分之一,而要求 5 年以上经验的职位数量却在增加。

换句话说,对于许多年轻开发者来说,如果没有在创业公司参与真实项目、做出足够“酷”的产品,未来甚至可能连进入行业的门槛都很难跨过。

“未来”已来?硅谷不再是“工作理想地”

事实上在旧金山,有些变化已经“肉眼可见”。

例如:Uber 司机开始与自动驾驶车辆竞争、自动驾驶公司 Waymo 的无人出租车越来越常见、一些咖啡馆也开始尝试机器人咖啡吧。与此同时,科技行业的裁员还在影响周边生态——为科技公司提供法律、招聘或商务服务的企业,也在因为客户减少而受到冲击。

从某种意义上说,AI 创业圈如今的高压工作文化,可能不仅仅是硅谷个例,而是一种提前出现的信号。

在过去二十多年里,硅谷一直被全球企业视为工作文化的标杆。但如今,这种“硅谷神话”正在逐渐褪色。如果说过去的硅谷代表的是自由、创新和高薪,那么今天的硅谷,也许更像是在预示另一种未来——一个充满竞争、焦虑,以及持续自我证明压力的工作时代。

而这种变化,很可能不会只停留在科技行业。

原文链接:https://www.theguardian.com/technology/ng-interactive/2026/feb/17/ai-startups-work-culture-san-francisco

推荐阅读:

一天开13个会、一个Bug要修200天!前亚马逊L7爆料:这轮大裁员,AI只是“背锅侠”

为省5-10美元差点毁库!Claude一条指令删光200万条数据、网站停摆24小时,创始人坦言:全是我的错

全球26w+用户在线「养虾」:OpenClaw这一波泼天流量,到底让谁接住了?

未来没有前后端,只有 AI Agent 工程师。

这场十倍速的变革已至,你的下一步在哪?

4 月 17-18 日,由 ZEEKLOG 与奇点智能研究院联合主办「2026 奇点智能技术大会」将在上海隆重召开,大会聚焦 Agent 系统、世界模型、AI 原生研发等 12 大前沿专题,为你绘制通往未来的认知地图。

成为时代的见证者,更要成为时代的先行者。

奇点智能技术大会上海站,我们不见不散!

Read more

OpenClaw 刚配好就完了?5 步调教,让你的 AI 助手真正“能干活”

OpenClaw 刚配好就完了?5 步调教,让你的 AI 助手真正“能干活”

很多人装完 OpenClaw,接上 Discord 或 Telegram,发现能聊天了就觉得“搞定了”。 但我自己踩坑一圈后,越来越确定一件事:默认状态的 OpenClaw,可能只发挥了 20% 的能力。剩下的 80%,藏在一些你没太注意的配置文件里——而且改起来并不难。 下面我按“收益从高到低”的顺序,把我自己最有效的 5 步调教方法整理出来。新手照着做,大概率能立刻感受到差别。 默认状态 vs 调教后:差别到底在哪? 先给你一个直观对比,方便建立预期: 项目默认状态调教后回复风格客服味:“我很乐意帮助您!”更像懂你的搭档记忆每次对话都像陌生人记得你们之前聊过什么能力只能聊天能下载视频、查股票、做 PPT、巡检服务器…主动性你不说它不动会定期检查状态,主动提醒成本/效率所有任务都用同一个模型复杂任务用强模型,简单活用便宜模型 如果你只做一件事:先把第 1 步和第 2 步做了,

By Ne0inhk

本地跑AI大模型,到底需要什么电脑配置?

在本地部署和运行大型语言模型(LLM)已成为许多开发者、研究者和爱好者的需求。与依赖云端API不同,本地运行能更好地保障数据隐私、实现定制化优化,并提供不受网络限制的稳定体验。然而,这背后对电脑硬件提出了明确的要求。本文将以一台典型的主机为例,系统性地拆解各个核心组件——主板、CPU、显卡、内存和硬盘——如何影响大模型本地运行的流畅度与性能,并给出具体的配置建议。 一、硬盘:模型的“仓库”,速度与容量并重 硬盘是存储模型文件的物理载体,因此首要条件是容量必须足够装下模型。当前主流开源模型的大小通常在几GB到几十GB之间(例如 7B、13B、70B 参数模型),而现代电脑标配的 SSD 至少为 512GB 或 1TB,容量方面一般不是瓶颈。 但在选购时需特别注意两点: 1. 务必选择固态硬盘(SSD),而非机械硬盘(HDD) * HDD 的读写速度通常只有 100–200 MB/s。

By Ne0inhk
人工智能:自然语言处理在金融领域的应用与实战

人工智能:自然语言处理在金融领域的应用与实战

自然语言处理在金融领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在金融领域的应用场景和重要性 💡 掌握金融领域NLP应用的核心技术(如文本分类、情感分析、风险评估) 💡 学会使用前沿模型(如BERT、GPT-3、Transformer)进行金融文本分析 💡 理解金融领域的特殊挑战(如数据敏感性、实时性要求高、语言专业性强) 💡 通过实战项目,开发一个金融新闻情感分析应用 重点内容 * 金融领域NLP应用的场景 * 核心技术(文本分类、情感分析、风险评估) * 前沿模型(BERT、GPT-3、Transformer)在金融领域的使用 * 金融领域的特殊挑战 * 实战项目:金融新闻情感分析应用开发 一、金融领域NLP应用场景 1.1 金融文本分析概述 金融领域是NLP技术应用的重要领域之一。金融文本数据包括新闻报道、公司公告、分析师报告、社交媒体评论等,这些数据蕴含着丰富的信息,可以帮助金融机构和投资者了解市场动态、评估风险、做出决策。 1.1.

By Ne0inhk