stackoverflow的调研针对其社区的所有用户,主要给出了两个调研结果。
第一项:全球薪水最高的技术(Top paying tech)
画外音:我看了下,对比的都是开发语言,我觉得叫 Top paying dev language 可能更合适一点。
调研涉及到的技术太多了,很多领域我都不了解,选了一些有特色的单独拿出来一起看一下:
年薪10W+(单位:$)
Zig(10.3W)
平均年薪大于10W的技术仅此一项,有童鞋了解吗,这个语言一般在什么场景使用到?
年薪9-10W
Erlang(9.9W) > Ruby > Lisp > Scala > Perl > Go(9.3W) > Objective-C(9W)
Go做后端,目前在国内逐步流行起来了。
Objective-C,作为端上的开发语言扛起了大旗。
年薪8-9W
Rust(8.7W) > swift(8.6W) > shell > Lua(8W)
Rust和Lua是特定场景需要。
shell是指运维方向吗?
年薪7-8W
Python(7.8W) > Kotlin > TypeScript(7.7W) > Assembly > Fortran > Cobol > C#(7.5W) > C++(7.5W) > R > C(7.4W) > JavaScript(7.4W) > Java(7.3W)
Python,C++/C,JavaScript,Java,最流行的技术体系在这一档。
画外音:学的人多,供需关系不平衡,叫不上价。
年薪6-7W
Delphi(6.9W) > VB(6.5W)
Delphi和VB,国内用的不多吧?
年薪5-6W
PHP(5.9W)
根据调研数据,有一些问题值得我们思考。
问题一,某项技术薪水高,代表该技术流行吗?,
显然不是,代表的是市场供需关系,说明23年对该技术的需求大于人才供给,所以企业愿意支付高薪。
问题二:大家问问自己的体感,自己公司使用的技术栈,是相对集中,还是相对开放?
在中国,为什么技术的选型相对保守?
是行业发展,在中国更为落后?
是社区支持,在中国不够?
是学习资源,在中国跟不上?
...
我个人觉得,与企业对技术的定位,与技术人对自己的定位有关:如果定位是搬砖,那我们搬就好了,完成工作就好了,创什么新呢?
试点新技术,成了,不涨薪,败了,要背锅,还是怎么稳怎么来吧?
整体的畸形技术文化,浮躁的技术氛围,导致了技术发展较慢,社区支持不够,学习资源跟不上...
问题三:
世界上最好的编程语言,为什么沦落到年薪倒数第一?
是PHP语言本身的问题?性能、异步、框架...
是社区的分裂?
是其他语言的强势崛起?
...
值得我们思考。
其二:技术岗位年薪变化
对比周期:23年 vs 22年
我也选了一些技术单独拿出来一起看一下:
涨幅超过20%+
SAS > Dart
SAS和Dart一般用在什么场景,趋势看上去很“朝阳”呀,值得转行吗?
涨幅超过10%+
JavaScript > Swift > PHP > Java > R > Python > C > C++
Python,C++/C,JavaScript,Java等国内主流技术,年薪居中,涨幅也居中,能不能说明技术比较稳定?
我大PHP虽然薪水低,但对比22年,涨幅高呀!
涨幅超过0%+
Objective-C > TypeScript > Delphi > Ruby > C# > perl > go > lua
是不是Objective-C和go薪酬太高,涨不动了?
涨幅为负数(越小降幅越大)
Rust > Erlang(-4%) > Fortran(-5%) > Crystal > Clojure(-10%)
这里值得我们思考的是,相比22年,为什么有些岗位平均年薪还还降了呢?
我的想法是:
(1)不是从事这些岗位的程序员普遍降薪了;
(2)是相关岗位的从业者,选择了转型,离开了;
(3)进入相关岗位的新人,拿不到原来匹配的offer;
这些迹象表明,对于技术的发展趋势,或者说市场对该项技术的需求,是走下坡路的,企业不再愿意支付这么高的报酬了。
结束语
看完上面的薪酬调研结果,我百感交集:
为什么我们的技术栈选型,没有国际丰富?
技术岗的定位,是搬砖吗?
为什么有些岗位,平均年薪在下降?
供不应求的技术,要去学习吗?
身处夕阳技术岗位,要考虑转型吗?
曾经最好的编程语言,为什么沦落为年薪倒数第一?
…
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。