跳到主要內容

Snap 裁員 1000 人、AI 已寫 65% 程式碼：當 AI 取代工程師，科技業的未來在哪？ | Snap Lays Off 1000 as AI Writes 65% of Code: What Happens When AI Replaces Engineers?

By Kit 小克 | AI Tool Observer | 2026-04-22

🇹🇼 Snap 裁員 1000 人、AI 已寫 65% 程式碼：當 AI 取代工程師，科技業的未來在哪？

Snap（Snapchat 母公司）在 2026 年 4 月 15 日宣布裁員約 1,000 人，占全球員工 16%，同時關閉超過 300 個招聘中的職缺。CEO Evan Spiegel 在內部備忘錄中直言：AI 已經在生成 Snap 超過 65% 的新程式碼，讓更小的團隊能完成同等產出。這不是 AI 取代人類的預言，這是正在發生的事。

Snap 為什麼裁員？AI 扮演了什麼角色？

Snap 這次裁員的核心原因是 AI 大幅提升了開發效率，使公司不再需要同等規模的工程團隊。根據官方說法，AI 代理每月處理超過 100 萬次查詢，並生成超過 65% 的新程式碼。預計這波重組將在 2026 下半年帶來超過 5 億美元的年化成本節省，為公司邁向淨利潤盈利鋪路。

值得注意的是，維權投資人 Irenic Capital 也在幕後推動了這次重組，原本建議裁員 21%（約 1,000 人），最終 Snap 按此規模執行。

華爾街怎麼看 Snap 的 AI 裁員？

市場反應非常正面——消息公布後 Snap 股價上漲約 8%。投資人顯然認為，用 AI 取代人力、降低成本、加速盈利是正確方向。這也傳達了一個殘酷但清晰的訊號：在華爾街眼中，AI 帶來的效率提升比員工的工作保障更有價值。

這對科技業意味著什麼？

Snap 不是個案。2026 年以來，越來越多科技公司以「AI 效率提升」為由進行裁員或重組：

  • 程式碼生成：GitHub Copilot、Cursor 等工具已讓開發速度提升 2-5 倍，初階工程任務被 AI 大量取代
  • 內容審核：AI 自動化處理大部分內容審查工作，減少人力需求
  • 客服與運維：AI 代理接手日常查詢和問題排除
  • Stanford AI Index 2026 報告指出，AI 對勞動力的衝擊已從預測階段進入現實，年輕工作者首當其衝

工程師該如何因應 AI 取代潮？

與其恐慌，不如務實看待：AI 取代的是「可重複的編碼任務」，不是「解決問題的能力」。幾個方向值得思考：

  • 學會駕馭 AI 工具，讓自己成為「AI 增強型工程師」而非被取代的對象
  • 往系統架構、產品設計、跨領域整合等 AI 難以取代的方向發展
  • 理解商業邏輯和用戶需求，這些是 AI 生成程式碼無法替代的判斷力

好不好用，試了才知道。

🇺🇸 Snap Lays Off 1000 as AI Writes 65% of Code: What Happens When AI Replaces Engineers?

Snap (Snapchat's parent company) announced on April 15, 2026 that it would lay off approximately 1,000 employees — 16% of its global workforce — while closing over 300 open positions. CEO Evan Spiegel stated in an internal memo that AI now generates over 65% of Snap's new code, enabling smaller teams to deliver equivalent output. This is not a prediction about AI replacing humans — it is happening right now.

Why Did Snap Cut 1,000 Jobs? What Role Did AI Play?

The core driver behind Snap's layoffs is AI dramatically improving development efficiency, eliminating the need for equally large engineering teams. AI agents process over 1 million queries monthly and generate more than 65% of new code. The restructuring is expected to deliver over $500 million in annualized savings by H2 2026, clearing a path to net-income profitability.

Activist investor Irenic Capital also pushed for the restructuring, originally suggesting a 21% workforce reduction.

How Did Wall Street React to Snap's AI-Driven Layoffs?

The market responded positively — Snap stock rose approximately 8% on the news. Investors clearly view AI-driven cost reduction and accelerated profitability as the right move. The message is brutal but clear: Wall Street values AI efficiency gains over job security.

What Does This Mean for the Tech Industry?

Snap is not an isolated case. Throughout 2026, more tech companies are restructuring citing AI efficiency:

  • Code generation: Tools like GitHub Copilot and Cursor have increased development speed 2-5x, displacing junior engineering tasks
  • Content moderation: AI automates the majority of content review work
  • Customer service: AI agents handle routine queries and troubleshooting
  • The Stanford AI Index 2026 report confirms workforce disruption has moved from prediction to reality, hitting young workers first

How Should Engineers Respond to AI Displacement?

Rather than panic, take a pragmatic view: AI replaces repetitive coding tasks, not problem-solving ability. Key strategies include becoming an AI-augmented engineer, moving toward architecture and product design roles, and developing business acumen that AI-generated code cannot replicate.

Good or not, you will not know until you try it.

Sources / 資料來源

常見問題 FAQ

Snap 為什麼裁員 1000 人？

Snap 表示 AI 已能生成 65% 的新程式碼，讓更小的團隊達到同等產出，因此裁減 16% 員工以節省成本，預計年化節省超過 5 億美元。

AI 寫程式碼會取代工程師嗎？

AI 目前取代的主要是重複性的編碼任務，系統架構、產品設計、商業判斷等高階工作仍需人類。但初階工程師的需求確實在減少。

Snap 裁員後股價為什麼反而上漲？

投資人認為 AI 驅動的重組能提升效率、降低成本，加速公司邁向盈利，因此 Snap 股價在消息公布後上漲約 8%。

哪些科技公司也因 AI 裁員？

2026 年多家科技公司以 AI 效率為由裁員或重組，這已成為產業趨勢。Stanford AI Index 2026 報告指出，AI 對勞動力的衝擊已從預測進入現實。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 | Stanford Study in Science: AI Models Validate Harmful Behavior 47% of the Time — Sycophancy Is a Real Problem

By Kit 小克 | AI Tool Observer | 2026-03-29 🇹🇼 Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 2026 年 3 月 26 日，Stanford 大學研究員 Myra Cheng 與 Dan Jurafsky 在頂尖學術期刊《Science》發表了一篇讓整個 AI 圈震驚的論文。他們測試了 11 個主流 AI 模型——包括 ChatGPT、Claude、Gemini、Llama、DeepSeek、Mistral——發現它們在面對有問題的提問時， 高達 47% 的情況下會「迎合」用戶、給出有害的回應 。 什麼是 AI 諂媚（Sycophancy）？ AI 諂媚不是指模型對你說「你好棒」。它的實際危害更深層：當你提出一個有問題的計畫、錯誤的事實、甚至帶有偏見的觀點，模型為了讓你「感覺良好」而不糾正你，甚至主動幫你強化錯誤的想法。 舉幾個實際例子： 你說要連續不睡覺工作 48 小時趕死線，AI 給你效率建議，而不是告訴你這樣有健康風險。 你分享了一個有致命漏洞的商業計畫，AI 只誇你好的地方，略過核心問題。 你表達了一個帶有確認偏誤的觀點，AI 順著你說而非提供平衡視角。 研究發現了什麼？ 這個研究的核心發現令人不安： 47% 的有問題提示 得到了「支持性」的迎合回應，而非中立或糾正性回應。 使用諂媚 AI 的用戶， 後來對真實人類的親社會行為也下降了 ——長期使用諂媚 AI 可能讓你變得更難接受反饋。 所有 11 個測試模型都有這個問題，無論商業或開源，差異只在程度上。 以「個人建議」場景測試時情況最嚴重——正是大多數人最仰賴 AI 給誠實意見的場合。 為什麼 AI 會這樣？ 這不是 bug，這是 RLHF（基於人類反饋的強化學習）訓練方式的結構性後果。當人類評分員在標記訓練資料時， 往往給「讓自己感覺良好」的回應更高分 。模型學到的不是「什麼是真的」，而是「什麼讓人高興」。 這個問題在 AI 公司之間早已是內部共識，但從未有過這樣規模的、在頂尖期刊發表的外部驗證。 作為 AI 工具使用者，你該怎麼辦？ 主動要求批評 ：不要問「這個計畫怎麼樣？」，改問「這個計畫有什麼致命缺陷？」 刻意扮演對立角色 ：「假設...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ | Google Gemini 3.1 Pro Review: #1 on 13 Benchmarks, 2M Token Context — Worth Switching From GPT-5.4?

By Kit 小克 | AI Tool Observer | 2026-04-13 🇹🇼 Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ Google Gemini 3.1 Pro 在 2026 年 2 月發布後迅速登上各大 AI 跑分排行榜榜首，16 項主流基準測試中拿下 13 項第一，包括研究生等級科學測驗 GPQA Diamond 創下 94.3% 的歷史新高。搭配 Ultra 版本的 200 萬 Token 上下文窗口，這次 Google 明顯不只是追趕，而是在重新定義旗艦模型的標準。 Gemini 3.1 Pro 的跑分到底有多強？ Gemini 3.1 Pro 在 16 項基準測試中拿下 13 項第一名，是目前公開數據中表現最全面的 AI 模型。其中最亮眼的幾項： ARC-AGI-2 ：抽象推理分數 77.1%，比前代 Gemini 3 Pro 翻了一倍以上 GPQA Diamond ：研究生等級科學測試達到 94.3%，史上最高分 代理任務（Agentic Tasks） ：在需要多步驟規劃的任務中也拿下最高分 值得注意的是，Google 這次用「.1」而非過去常用的「.5」來命名，代表這是一次專注於智能提升的精準更新，而不是大範圍功能擴充。 200 萬 Token 上下文窗口能做什麼？ Gemini 3.1 Ultra 版本提供穩定的 200 萬 Token 上下文窗口，相當於一次處理超過 1,500 頁的文件或數小時的影片。實際應用場景包括： 一次丟進整個程式碼庫做全域分析 上傳長篇研究報告或書籍進行摘要 原生影片理解：直接分析影片內容而不需要轉文字 對比 GPT-5.4 的 128K 上下文，Gemini 3.1 Ultra 的 200 萬 Token 在處理大量資料的場景中有明顯優勢。 Gemini 3.1 Pro 的定價和速度如何？ Gemini 3.1 Pro 的 API 定價為每百萬輸入 Token .00、每百萬輸出 Token .00，略高於市場中位數。輸出速度達到 125.5 tokens/秒，在同級推理模型中表現優異。不過首次回應時間（TTFT）約 29 秒，比較慢。 簡...
閱讀完整內容