如果你主要基于收入来选择技术职业道路,软件开发显然比IT运维更胜一筹。软件工程师的平均收入比运维工程师高出10%以上。软件开发人员通常也有更多机会晋升到高薪职位,因为他们可以更容易地转向站点可靠性工程或DevOps等职位,这些职位的薪酬通常比传统软件工程还要高。
然而,尽管薪酬相对较低,从事IT运维工作而非软件开发仍有很多优势。为了证明这一点,以下是IT运维职业相比软件工程的五大关键优势。
**1. IT工作更容易找到**
首先,IT运维职业道路通常比软件工程职业道路障碍更少。
主要原因是没有正式学位通常更容易获得IT工作。根据Zippia的数据,约62%的运维工程师拥有学士学位,而开发人员的这一比例为73%。虽然可以在没有学位的情况下进入软件开发领域,但难度更大。
值得注意的是,许多IT运维专业人士从帮助台角色开始职业生涯——这类职位通常不需要大学学位,但薪酬较低,可能涉及繁琐的任务。而软件开发职业很少需要从低薪职位开始。
不过,对于那些希望在不上大学的情况下开启技术职业生涯的人来说,IT运维显然是更容易的道路。
**2. IT工作更加动态**
总体而言,IT工作往往比软件开发工作更具动态性。
作为开发人员,你很可能会花费大部分时间使用特定的编程语言和框架编写代码。你的日常工作将围绕着源源不断的应用程序更新。
相比之下,IT工程师面临的任务往往更加多样化。你可能今天排除服务器故障,明天设置RAID阵列。你可能一天的部分时间与最终用户交互,然后参加与高管的战略规划会议。
当然,这些都是概括性的描述;IT和软件开发工作的具体职责在不同公司之间可能差异很大。但总的来说,IT工作往往更具动态性。
**3. IT工作者能看到劳动成果**
IT工程师往往与最终用户的距离更近,经常与他们进行日常互动。相比之下,软件工程师更可能花时间编写代码,却很少甚至从未看到有人使用他们开发的软件。
因此,从某种程度上说,IT工作者比软件开发人员更容易获得满足感。你能更直接地看到自己的劳动成果。对于那些喜欢获得认可的人来说,这是IT工作的优势之一。
**4. IT职业发展机会众多**
虽然软件工程师可以转向相邻类型的角色,如站点可靠性工程,但IT运维工程师如果想要升级或转出IT运维工作,可以说拥有更多样化的易于追求的选择。
由于IT工作需要广泛的基础技能集,它可以通向多种其他职业道路,如网络、数据工程和网络安全——更不用说软件开发了,如果IT工程师磨练编程技能,这也是一条容易追求的道路。
当然,从软件工程转向其他技术领域并非不可能。但通常来说,软件开发人员成为网络安全专家比IT工程师做出这种转变要罕见得多。
**5. IT运维工程师面临来自AI的威胁更少**
这一点存在争议,但总的来说,我认为IT运维专业人士比软件开发人员更不容易被AI替代。
这里的一个关键因素是许多IT工作需要与物理对象打交道——由于我们还没有能够更换磁盘驱动器或插入以太网电缆等操作的经济实用机器人,因此很难用技术来完成IT专业人士的工作。AI当然可以帮助完成一些IT任务,如监控和排除软件系统故障,但它无法替代需要实地操作的职责。
相比之下,AI在编写软件代码方面表现相当出色——也许还不足以完全消除对人类程序员的需求,但已经足够好,不难想象AI会对一些程序员的工作构成威胁,特别是入门级职位。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。