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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。