多年来,持有H-1B签证的软件开发者一直受益于美国科技企业的稳定需求。然而随着各公司将支出重心转向AI、并更多依赖编程辅助工具,这一市场正变得愈加挑剔。
Meta、亚马逊等公司近期的裁员浪潮加剧了市场的不确定性,工程与软件岗位受到波及,尽管各大科技巨头对AI的投入仍在持续加深。
开发者和分析师指出,传统工程岗位越来越难以求得,招聘方更频繁地要求应聘者具备AI相关经验,从业者也被推动着去跟上GitHub Copilot、Claude、ChatGPT等工具的发展步伐。
据Pareekh咨询公司CEO Pareekh Jain表示,这一转变既受AI投资驱动,也源于更广泛的经济不确定性。企业对所需开发者的画像正在改变——某些领域招聘人数减少,但AI人才的薪酬却在提升。
"AI投资正在改变企业的招聘策略,"Jain说,"它需要不同的人才画像,人员数量更少,地域分布也有所调整。"
这一转变与H-1B开发者愈发艰难的签证担保环境迎头相撞。
Jain表示,与两三年前相比,企业在雇用依赖签证的员工时更加谨慎,尤其是当市场上拥有永久居留权和美国公民身份的候选人供给更为充足时。
"企业现在并不主动寻找H-1B候选人,"Jain说,"他们在建立本地化劳动力队伍,更倾向于绿卡持有者和公民。"
雇主如今更可能仅在有即时项目需求时才考虑H-1B候选人,而非像过去那样着力储备一批依赖签证的长期人才梯队。
这种焦虑在科技从业者聚集的公开论坛上清晰可见。今年1月,匿名职场社交平台Blind上有一名拥有七年经验的高级软件工程师发帖称,自己在持有H-1B签证期间遭到裁员,且"尚未准备好面试"。这一帖子深刻揭示了对H-1B持有者而言,失业是如何迅速演变为签证危机的。
AI工具普及与招聘收紧的双重冲击对入门级开发者的打击最为沉重。追踪全球工程招聘趋势的Ather Energy产品工程师Adarsh ML表示:"企业越来越多地寻求具备机器学习和数据科学技能的专业工程师。零到三四年工作经验的人,就业机会几乎已经不存在了。"
这一转变同样在改变团队结构,Adarsh补充道。过去,一位管理者可能带着两三名实习生和若干应届生;而现在,许多这类岗位已被AI智能体所取代。
"企业现在需要的是那些对软件有足够深刻理解、能够发现AI智能体所犯错误的人,"Adarsh说。
这也为软件人才供给埋下了长远隐患。"如果企业今天只想要五年经验的人来管理AI智能体,那五年后谁还有这样的经验?"他说,"有经验的开发者可能会严重短缺。"
并非所有岗位都受到同等影响。在美国从事数据库监控工作的印度裔软件专业人士Sophia James表示,AI并未显著改变她团队的日常工作流程,但AI素养正在成为管理层的普遍期望。
"管理者在试图了解我们是否跟上了市场变化,"James说,"不论是本科还是硕士的应届毕业生,都越来越难找到工作。但像我们这些已经在职的人,在项目延续方面并没有遭遇太大问题。"
Jain也强调,即便是非AI方向的软件开发者,AI素养如今已成为基本门槛。"现在,具备AI素养是必须的,哪怕你的岗位并不直接涉及AI开发,"他说,"这就像早年即便不是财务出身,也必须会用Excel一样。"
Jain指出,AI编程工具可能会减少企业完成类似任务所需的开发者数量,对部分软件工作而言,这项技术具有通缩效应。
但他也补充说,影响未必全然是负面的。企业为迎接AI时代,需要在数据、云计算和系统现代化方面持续投入,从而催生新的工作机会。AI还可能促使企业更多地选择内部自研应用,而非购买SaaS产品,这或将为IT服务公司带来新的发展空间。
这种效应已在招聘决策中初现端倪。CarInfo工程主管Nikhil Dhiman表示,AI正在改变早期软件开发的经济逻辑,尤其是在企业构建概念验证或测试新想法的阶段。
"一些公司现在非常谨慎,"他说,"他们希望更多地借助AI、减少招人,只是想先观察效果再做决定。"
Greyhound Research首席分析师Sanchit Vir Gogia表示,熟悉ChatGPT、GitHub Copilot等工具,如今已是开发者的基本要求。
他指出,开发者还需要在云基础设施、数据工程、安全以及AI治理等领域具备更深厚的专业能力。这些技能更贴近企业验证和规模化落地所需,而非那些正被AI工具快速压缩的常规编程工作。
"只会产出代码的工程师,随着代码越来越容易生成,被替代的风险也越来越高,"Gogia说,"而那些能够验证代码、确保安全、将其融入真实业务场景并对结果负责的工程师,则越来越难以被替代。"
对于H-1B持有者而言,他表示,适应变化还需要做好签证规划。开发者应在因失业被迫仓促做决定之前,就充分了解签证转换规则和雇主担保的时间节点。
"高技能工作者在岗位结束后最多有60天的宽限期,且在提交有效的签证转换申请后即可开始新的工作,"Gogia补充道,"战略性的失误在于把这个窗口期当作安全网,而不是规划的起点。"
Q&A
Q1:AI的发展对H-1B签证软件开发者的就业有哪些具体影响?
A:AI的普及正在从多个维度冲击H-1B开发者的就业。一方面,GitHub Copilot、ChatGPT等AI编程工具降低了对大量初级开发者的需求,零到四年经验的入门级岗位已大幅缩减;另一方面,企业更倾向于招聘绿卡持有者和美国公民,对签证担保的意愿明显下降。招聘方也开始要求开发者具备机器学习、数据科学及AI工具使用经验,传统编程岗位竞争愈发激烈。
Q2:面对AI带来的就业压力,软件开发者应该如何提升竞争力?
A:分析师建议开发者向更高价值的技能方向转型,包括云基础设施、数据工程、网络安全及AI治理等领域。AI素养已成为所有开发者的基本要求,熟悉主流AI编程工具是最低门槛。更关键的是,开发者需要具备验证AI输出结果、将技术落地到真实业务场景的能力,而不仅仅是生产代码本身。能够"审核AI、确保安全、对结果负责"的工程师,将拥有更强的不可替代性。
Q3:H-1B签证持有者在失业后应该注意哪些签证相关事项?
A:根据Greyhound Research首席分析师Gogia的建议,H-1B持有者在岗位结束后拥有最多60天的宽限期,且一旦提交有效的签证转换申请,即可合法开始新工作。他强调,持有者应在失业发生之前就提前了解签证可携带性规则和雇主担保时间节点,将这60天视为主动规划的窗口,而非被动等待的缓冲期,以避免在紧急情况下仓促决策。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。