前 Stripe、Uber 工程高管 Will Larson 的三年警告：当 AI 让"写代码"变便宜，中层技术经理的旧能力正在快速贬值。工程管理的价值，正从"协调规模"迁移到"技术判断力与系统权衡"。
| 250→25 | 500+ | 14 | 3 年 |
|—|—|—|—|
| 主动选择的管理规模：从 Carta 到 Imprint | 一年半内提交的生产级 PR（Imprint） | 直属下属，其中 4–5 人为 IC，管理者与工程师同层汇报 | 他预测：我们所熟悉的工程管理职业或将不复存在 |

一、一条反向曲线：管理幅度在缩小，技术深度在回归

从 Yahoo 到 Uber、Stripe、Carta，再到 Imprint，Larson 的团队规模曾是职业生涯的勋章；而在 Imprint，他主动把这数字砍到约 25 人，并兼任工程、产品与设计——这不是退步，而是一次能力结构的重新配置。

注：250 → 25 的下降来自主动的职业选择，用于印证"小规模、高技术深度"的角色演进，而非被裁撤。

二、价值迁移：旧共识正在失效

ZIRP（零利率）时代，行业默认"管理者不该参与技术决策"，于是经理把精力投向流程、排期与人头。AI 降低了执行层协调的需求，却放大了架构决策、业务理解与结果验证的难度。下面是这次访谈里最值得对照的一升一降。

三、加人的代价：沟通通道随人数二次增长

“为什么给一个落后的项目再加 15 名工程师，反而让事情更糟？”——答案藏在沟通成本里。团队内的沟通通道数约为n(n−1)/2，人数线性增加，协调点却近似平方级膨胀。这正是 Larson 反对以 Headcount 为核心指标、强调"稳定团队"的底层逻辑。
团队规模 vs. 沟通通道数（示意，按 n(n−1)/2 估算）

▲ 从 15 人加到 30 人，沟通通道约放大4 倍（105 → 435）。所以真正的高效来自"长期稳定 + 明确责任边界 + 控制沟通成本"，而不是遇事加人。

四、谁在升值：TLM 画像与 CTO 的双重能力

理想工程经理："不写代码反而难受"的人

• 有能力处理复杂管理事务，却更愿意把时间花在写代码上。
• 需要时能建流程、协调资源，平时亲自做技术、创造价值。
• 最难招：要按"优秀经理"标准面试，再判断**“不给他写代码的机会，他会不会不满”**。
• Imprint 最优秀的人才，恰恰来自过去"纯管理岗"——他们重新回到一线后表现极佳。

优秀 CTO：技术专家 or 管理专家？“两者都必须是”

• 技术侧：懂技术 / 产品 / 软件交付。
• 组织侧：懂组织运作 / 激励机制 / 管理流程。
• 只擅长其中一面，都难成为优秀高管。让 IC 与管理者直接向自己汇报，是保持"技术 + 组织"双触感的刻意设计。

AI 无法替代的三层壁垒

1. 判断该做什么——在模糊环境中决定方向，而不是把已知的事做得更快。
2. 长期领域知识——AI 能复制 Slack 的界面，却难复制其产品能力与积累。
3. 验证结果 & 担责——敢推动不受欢迎的决策，并按结果接受评价。

五、太长不看版

Q · 中层技术经理还有前途吗？
要么重新深入技术一线，要么考虑退休。未来三年，传统工程管理的那套能力可能不再被市场需要。

Q · 为什么 TLM 从"坑"变抢手？
企业需要既懂管理、又能亲自写代码的人；最理想者能处理复杂管理事务，却更愿把时间花在软件开发上。

Q · AI 都写代码了，工程师还剩什么？
实现成本骤降，但理解业务、判断该做什么、处理复杂约束并验证结果，仍然离不开工程师。

Q · 为何加人反而更糟？
更多人意味着更多沟通协调成本；高效团队靠长期稳定与清晰边界，而不是不断塞人。

Q · 优秀 CTO 该是技术专家还是管理专家？
两者都是。既懂技术、产品和交付，也懂组织、激励与流程——只精一面，难成优秀高管。

结语：软件实现会越来越便宜，判断力却会越来越贵

这次访谈的锋利之处，在于它不把 AI 当成"又要多学一个工具"，而是重新划线：哪些能力会被商品化，哪些能力反而升值。对中层技术经理而言，真正的问题不是"要不要转管理或转技术"，而是能否同时握住技术判断力与组织运作能力——而那需要一点谦逊，和愿意重新回到一线的勇气。

基于 Will Larson 访谈（Gergely Orosz 主持）内容整理 · 图表数据为现场估算，仅作示意