2026年,大厂重构核心系统为何集体投向 Go?

Image

本文永久链接 – https://tonybai.com/2026/06/08/the-real-reason-big-tech-is-switching-to-go

大家好,我是Tony Bai。

在软件工程中,核心技术栈的迁移是一项高风险、高成本的决策。

然而,在近期的技术演进中,我们看到了一股明显的趋势:全球科技巨头与快速成长的 AI 独角兽们,正在不约而同地将核心系统向 Go 语言(Golang)收敛。

  • 微软宣布将 TypeScript 核心编译器移植到 Go,构建速度暴涨 10 倍。
  • Reddit将庞大的 Python 单体架构逐步解耦,核心数据模型全面改用 Go 重写。
  • Lovable(前沿 AI 独角兽)将 4.2 万行 Python 代码移植为 Go,服务器实例直接从 200 个锐减到 10 个。
  • Uber作为长期拥有最庞大 Go 代码库的企业之一,持续将后端服务从 Python、Node.js 收敛、统一至 Go 语言,以极低的算力成本承载海量并发。

这并非盲目的技术跟风,而是一场基于运行成本、高并发能力和工程维护性的理性重构。今天,我们就通过这些大厂的真实工程案例,深入拆解大厂重构核心系统时,集体投向 Go 的底层逻辑与技术启示。

Image

微软的编译器移植:为什么 C# 之父不选 C# 和 Rust?

2025 年 3 月,微软宣布将 TypeScript 的编译器和工具链移植到 Go 语言。到了 2026 年 4 月,采用 Go 编译器底层的 TypeScript 7 Beta 正式发布。

令人瞩目的是,这个项目的操盘手正是 Anders Hejlsberg —— C# 语言的设计者TypeScript 的创造者

这一决策在技术社区引发了深度探讨:为什么微软不用自家的 C#,也没有选择近年来大热的 Rust?这背后隐藏着极具启发性的工程权衡。

明确“移植(Port)”与“重写(Rewrite)”的边界

在工程决策中,这两者有着本质区别:

  • 完全重写(Rewrite):意味着抛弃旧代码,从零开始重新设计(New Design),风险极高。
  • 代码移植(Port):翻译现有代码,保持原有的代码结构和行为(Same behavior & structure),风险可控。

旧的 TypeScript 编译器是用函数式风格编写的,且重度依赖垃圾回收(GC)

  • 为什么不选 C#?C# 是典型的面向对象(OOP)语言。如果使用 C#,将很难平滑移植函数式风格的旧编译器,几乎等同于要推倒重写。
  • 为什么不用 Rust?Rust 没有垃圾回收机制,要求开发者手动且极其严苛地管理内存。如果改用 Rust,团队必须彻底推翻并重新设计整套代码的内存生命周期,这直接背离了“平滑移植”的初衷。

Go 为什么是最佳折中方案?

Go 既支持原生编译,拥有极高的运行速度,同时还内置了高效的垃圾回收(GC)。

更关键的是,习惯写法的 Go 代码(Idiomatic Go)在结构上与 TypeScript 原有的编码模式有着天然的相似性。这使得原有团队在维护移植后的 Go 代码时,几乎没有认知摩擦。

移植后的性能收益:
* 编译构建速度直接提升了 10 倍
* 编辑器加载时间从原来的 9.5 秒缩短至 1.2 秒

微软用事实证明:Go 是在维持原有代码结构的前提下,实现性能跨越式提升的最短路径。

Reddit 的解耦之路:高并发压力下的“影子测试”

Reddit 曾长期使用 Python 单体(Monolith)架构。随着全球流量的爆发,单体架构的弊端逐渐显现:代码耦合严重、可靠性降低,系统维护成本极高。在高峰期,甚至连发帖、评论等基础操作都会遭遇严重的延迟。

为了解决高并发瓶颈,Reddit 决定对核心的四大基础特性(评论、账户、帖子、子社区)进行解耦,全部用 Go 语言重写为独立的微服务。

为什么选择 Go?

在高并发场景下,Go 内置的轻量级协程(Goroutine)和通道(Channel)调度模型,相比于 Python 的多线程/多进程,能够以更低的系统开销和更少的网络协调,抗住同等规模的流量。

零故障上线的“影子测试(Shadow Testing)”

系统重构最忌讳“一刀切”式的直接上线。Reddit 采用了一套精妙的过渡方案:

他们让 Python 旧单体Go 新服务在后台同时运行。对于每一次写入请求,两个系统都会收到相同的输入。Go 服务将数据写入一个隔离的测试数据库。

               ┌───────────────┐
               │  User Input   │
               └───────┬───────┘
                       │
             ┌─────────┴─────────┐
             ▼                   ▼
    ┌─────────────────┐ ┌─────────────────┐
    │ Python Monolith │ │   Go Services   │
    └────────┬────────┘ └────────┬────────┘
             ▼                   ▼
    ┌─────────────────┐ ┌─────────────────┐
    │  Production DB  │ │     Test DB     │
    └─────────────────┘ └─────────────────┘
             │                   │
             └─────────┬─────────┘
                       ▼
             Compare & Debug Output

通过在后台持续对比两个系统的输出结果,团队在不影响真实用户的前提下,排查并修复了新服务中的所有潜在 Bug。确认无误后,才 100% 将流量平滑切换到了 Go 服务。

重构后的收益:
* 关键写入操作的 P99 延迟直接砍半,系统高可用性大幅提升。

运行成本与算力优化:Lovable 与 Uber 的工程实践

对于快速成长的 AI 独角兽 Lovable 来说,技术栈的选择直接关系到服务器账单和业务存亡。

作为一个允许非技术用户通过 AI 构建应用的平台,Lovable 在核心链路上面临着极高并发的挑战。用户发送一条聊天指令,后台需要瞬间触发超过 50 个 HTTP 并发调用,分别去请求各大模型提供商、内部存储及周边服务。

Python 在这种高度并行的 IO 密集型场景下显得力不心。Lovable 团队果断将 4.2 万行 Python 代码重写为 Go

无独有偶,Uber 作为长期拥有最庞大 Go 代码库的企业之一,也曾经历过从 Python、Node.js 向 Go 逐步收敛的过程。为了在单机上压榨出更高的并发能力,减少冗余的服务器开销,Uber 逐步在后端服务中停用了 Python,将核心服务统一收敛至 Go。

这两家公司,用 Go 实现了令人惊叹的算力优化:

Image

小结:大厂系统重构释放的工程信号

这些大厂和独角兽们的集体实践,为我们释放了清晰的工程信号:

  1. “运行成本”正成为系统重构的首要驱动力
    在项目初期,动态语言(如 Python、TypeScript)确实能提供极佳的开发爽感。但当业务规模扩大、高并发场景增加时,其带来的服务器硬件成本和维护开销将呈指数级上升。
  2. Go 处于“开发效率”与“运行性能”的黄金分割点
    它不像 Rust 那样有着极其陡峭的内存管理和所有权学习曲线,能够让团队保持极高的开发效率;同时,它又拥有接近原生代码的执行速度,和冠绝群雄的轻量级并发模型。这使其成为了现代生产级后端服务的首选。

大厂的重构实践,为我们提炼了以下三条黄金工程铁律:

  1. 分清“移植”与“重写”:在系统重构时,若想在保留原有业务逻辑的前提下快速提升性能,像微软那样进行代码级移植(Port)是风险最低、效率最高的路径。
  2. 善用“影子测试(Shadow Testing)”:核心系统解耦和替换时,切忌盲目上线。采用双轨并行、对比输出的影子测试,是保障系统平滑过渡、零故障上线的最佳实践。
  3. 高并发场景首选轻量并发模型:当系统面临大量并发 IO(如 AI 编排、多 API 协同调用)时,Go 语言的协程机制能够以极低的资源消耗提供极佳的吞吐量。

系统重构的本质,是在业务发展、团队认知和机器成本之间寻找最优解。而 Go,正是大厂在经历数次工程实践后,给出的最务实的答案。

资料链接:https://www.youtube.com/watch?v=-Z813pHqSFI


今日开放讨论:

  1. 微软不用 C# 也不用 Rust,而是选择 Go 来移植 TS 编译器,这个决策中的“移植 vs 重写”权衡是否启发了你?
  2. Reddit 采用的“双轨制影子测试”非常稳健,你在实际的系统迁移或重构中,使用过类似的测试方案吗?
  3. 从 Lovable 将 200 个实例缩减为 10 个,到 Uber 节省 97% 的算力,这些真实的性能与成本数据是否改变了你对后端技术选型的看法?

欢迎在评论区留下你的硬核观点,我们一起探讨系统重构与 Go 的工程之美!


还在为写 Agent 框架频频死循环、上下文爆炸而束手无策?我的新专栏 从0 开始构建 Agent Harness 将带你:

  • 抛弃臃肿框架,回归“驾驭工程 (Harness Engineering)”的第一性原理
  • 用 Go 语言手写 ReAct 循环、并发拦截与上下文压缩引擎等,复刻极简OpenClaw
  • 构建坚不可摧的 Safety Middleware 与飞书人工审批防线
  • 在底层实现 Token 成本审计、链路追踪与自动化跑分评估
  • 从“调包侠”进化为掌控大模型边界的“AI 操作系统架构师”

扫描下方二维码,开启从 0 开始构建Agent Harness 的实战之旅。

Image


原「Gopher部落」已重装升级为「Go & AI 精进营」知识星球,快来加入星球,开启你的技术跃迁之旅吧!

我们致力于打造一个高品质的 Go 语言深度学习AI 应用探索 平台。在这里,你将获得:

  • 体系化 Go 核心进阶内容: 深入「Go原理课」、「Go进阶课」、「Go避坑课」等独家深度专栏,夯实你的 Go 内功。
  • 前沿 Go+AI 实战赋能: 紧跟时代步伐,学习「Go+AI应用实战」、「Agent开发实战课」、「Agentic软件工程课」、「Claude Code开发工作流实战课」、「OpenClaw实战分享」等,掌握 AI 时代新技能。
  • 星主 Tony Bai 亲自答疑: 遇到难题?星主第一时间为你深度解析,扫清学习障碍。
  • 高活跃 Gopher 交流圈: 与众多优秀 Gopher 分享心得、讨论技术,碰撞思想火花。
  • 独家资源与内容首发: 技术文章、课程更新、精选资源,第一时间触达。

衷心希望「Go & AI 精进营」能成为你学习、进步、交流的港湾。让我们在此相聚,享受技术精进的快乐!欢迎你的加入!

img{512x368}


商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求,请扫描下方公众号二维码,与我私信联系。

Image

“辛辛苦苦考上985,却发现AI能替代我90%的工作”:今天的高考,我们还在为什么而战?

Image

本文永久链接 – https://tonybai.com/2026/06/07/gaokao-in-the-age-of-ai-is-the-top-tier-degree-worthless

大家好,我是Tony Bai。

今天,2026年6月7日,千万名考生再次走向战场。

考场外,红色的横幅依然高悬,旗袍与鲜花依然簇拥。但在喧嚣之下,空气中却弥漫着一种前所未有的复杂情绪。

数据已经给出了最直观的反馈:在经历了2024年1342万人的历史峰值后,2025年和2026年的高考报名人数连续两年出现下滑。2026年全国高考报名人数仅为1290万人,比2025年的1335万人还减少45万人

生源的两连降,折射出的是无数家庭最深层的理性觉醒。在这个2026年的夏天,生成式AI、智能Agent和全自动工作流已经深度嵌入社会的每一个齿轮。

前阵子,一位本科毕业于某顶尖985高校、刚刚工作两年的程序员在社交平台上发帖:

“当年高考,我是全省前0.5%的做题家。辛辛苦苦在985卷了四年,以为拿到了中产阶级的入场券。结果工作不到两年,公司引入了AI 研发工作流。我现在每天90%的工作——写基础代码、debug、甚至写技术文档,AI两秒钟就能做得比我更好、更无懈可击。我开始怀疑,我那十二年的寒窗苦读,到底算什么?”

这条帖子瞬间引爆了全网的共鸣与焦虑。

今天的高考,我们还在为什么而战?如果连最顶尖的985、211学历,在AI面前都显得如此脆弱,我们付出的巨大代价,究竟在交换什么?

Image

斯坦福的残酷研究:为什么我们的大学无法对抗AI的清算?

要回答“今天的高考还在为什么而战”,我们必须先看清一个长期被我们忽视的真相:我们的高等教育,正在让最聪明的年轻人“停止成长”。

斯坦福大学联合北京大学、清华大学、俄罗斯高等经济学院等全球顶尖机构,在《Nature Human Behaviour》(自然-人类行为)上发表了一篇具有里程碑意义的长期追踪研究

研究团队对中国、美国、印度、俄罗斯数万名计算机和电子工程专业的学生进行了长达四年的标准化测试,得出了两个极具颠覆性的结论:

入学时,中国高考生是无可争议的“世界霸主”

在18岁踏入大学校门的那一天,中国大一新生的学术能力和数理基础处于全球同龄人的金字塔尖,其批判性思维(Critical Thinking)能力也与美国同龄人完全持平。

这证明,我们高强度的高考选拔,确实筛选出了这个星球上最聪明、最能吃苦、逻辑最严密的一批年轻人。

毕业时,我们的学生经历了残酷的“技能退化”

然而,追踪到大四毕业时,情况发生了戏剧性的逆转。

在大学四年里,美国学生的批判性思维能力实现了大幅度增长(约0.5个标准差)。而中国、印度和俄罗斯的学生,在四年里批判性思维几乎“零增长”,甚至在后两年出现了绝对值上的显著下降。

在数学和物理等专业学术能力上,中国学生在大一结束后,也出现了明显的、绝对的技能损失(下降约0.3标准差)。

Image

这篇《Nature》论文揭示了一个近乎残酷的事实:中国的高考生在18岁那年达到了认知和技能的巅峰,然后,在大学四年里,他们被“严进宽出”的淘汰机制、陈旧的专业划分、以及重灌输轻思辨的教学模式,温水煮青蛙般地削弱了。

当这群大四毕业生拿着“高起点、低增值”的认知系统,一头撞上2026年已经进化到能够自我迭代的AI系统时,悲剧就发生了。

那些在大学里靠死记硬背应付考试拿下的GPA,在AI面前,连一秒钟的抵抗力都没有。

AI时代的清算:被替代的90%,到底是什么?

为什么那位985毕业生会感叹“AI替代了我90%的工作”?

因为在2026年的今天,AI首先消灭的,恰恰是那些“有明确标准、有套路可循、依赖信息检索和加工”的白领工作。

而这些工作,正是过去的大学教育最擅长培养、也是中产家庭最向往的就业方向:

  • 初级程序员:AI自动编程工具已经能完成大部分基础代码的编写与测试。
  • 翻译与文案策划:多模态大模型能够瞬间生成符合各种文化语境的译文和营销方案。
  • 基础数据分析师:复杂的报表统计、趋势预测,AI可以在极短时间内完成可视化输出。
  • … …

反思一下:这些被替代的工作,其核心特征不就是“做题”吗?

给出一个明确的需求(题目),寻找最优的算法或方案(标准答案)。

高考,是一场关于“寻找标准答案”的终极训练;而我们的大学,在过去很长一段时间里,只是这场训练的延续。

当“做题”的能力被AI彻底平替,我们十二年寒窗苦读积累的优势,在这一瞬间被抹平了。

2026年的质问:今天的高考,我们还在为什么而战?

既然如此,我们为什么还要支持孩子去考场?高考在今天,究竟还有什么意义?

如果我们依然把高考当成“通往高薪工作的自动售票机”,那我们一定会失望。因为那台售票机,已经坏了。

但如果我们换一个视角,高考在2026年,依然是一场不可替代的“成人礼”。我们今天在高考中战斗,是为了拿回三样AI永远无法夺走的东西:

1. 战的是“深度专注与抗挫折的底层神经元”

高考不仅考查知识,更是一场对意志力、抗压能力、多任务管理和长期深度专注力的极限训练。

在碎片化信息和即时反馈(如短视频、快餐娱乐)毁掉一代人脑前额叶的时代,能够为了一个长远目标,日复一日地进行深度学习、克服枯燥和焦虑——这种“深度专注的神经机制”,是你未来驾驭AI、不被AI深度娱乐化奴役的唯一底层硬件。

2. 战的是“在无标准答案世界里,寻找最优解的勇气”

很多人抱怨高考僵化,但高考恰恰教给普通人一件事:在规则极其明确的系统里,如何通过自我迭代,把自己的能力逼出极限。

这种“在给定约束条件下,调动一切资源求得最优解”的肌肉记忆,在走出考场后,可以无缝迁移到任何一个充满未知、没有标准答案的领域。

3. 战的是“改写自身命运的入场券”

尽管学历在贬值,但不可否认,高考依然是这个社会最公平、杂质最少的一次阶层跃迁和朋友圈重组的机会。

你考上的名校,它所能给你的最大价值,已经不再是课堂上的专业知识(那些网上都有),而是和你并肩站在一起的、同样经历过极限训练的同龄人群体,以及这个平台带给你的眼界和高维认知。

自救路径:考完之后,如何重塑你的“免裁系统”?

明天之后,高考生们将迎来人生中最长的一个暑假。但请记住,真正的分水岭,从交卷的那一刻才刚刚开始。

如果你不想在四年后成为那个被AI替代90%的“失业做题家”,你必须在大学第一天起,按照以下三步路径,重新设计自己的成长曲线:

步骤一:从“答题者”转变为“提问者”

未来的价值,不取决于你脑子里记了多少标准答案,而取决于你能否向AI、向世界提出最具洞察力的问题。在大学里,多去问“为什么(Why)”和“如果……会怎样(What if)”,而不是仅仅去背诵“是什么(What)”。

步骤二:建立你的“AI-Native”个人工作流

不要把AI当成作弊工具,而要把自己当成一个“AI团队的PM(项目经理)”。去学习如何编写结构化的Prompt,如何用多款AI工具协同完成一个研究报告、一个独立网站或一个创意视频。未来的竞争,不是人与AI的竞争,而是“掌握了AI的人”与“没掌握AI的人”的竞争。

步骤三:死守“人性的护城河”

去体验真实的生活,去和不同背景的人深度交流,去大自然中感受风、光与温度。去阅读那些不考的经典著作,去思考没有标准答案的伦理与道德。

人类特有的同理心、直觉、审美、物理世界的交互能力,以及在迷茫中坚守信仰的感性,是AI在很长一段时间里无法跨越的终极护城河。

小结

后天,当千万名考生走出考场,迎接他们的将是一个与他们父母辈完全不同的世界。

这个世界充满了不确定性,甚至有些冰冷。

但请不要害怕。高考从未保证过我们一生的无忧,它只是给了我们一次证明自己可以“为了梦想竭尽全力”的机会。

今天的高考,我们不为那张逐渐贬值的文凭而战,我们为那个在重压下历经淬炼、拥有无限自驱力、随时准备重塑自我的自己而战。

Image

祝所有2026届考生,考场得意,金榜题名;更祝你们,在人生的下一场AI风暴中,乘风破浪。

资料链接:https://www.researchgate.net/publication/349707487_Skill_levels_and_gains_in_university_STEM_education_in_China_India_Russia_and_the_United_States


还在为“复制粘贴喂AI”而烦恼?我的新专栏 AI原生开发工作流实战 将带你:

  • 告别低效,重塑开发范式
  • 驾驭AI Agent(Claude Code),实现工作流自动化
  • 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码,开启你的AI原生开发之旅。

Image


原「Gopher部落」已重装升级为「Go & AI 精进营」知识星球,快来加入星球,开启你的技术跃迁之旅吧!

我们致力于打造一个高品质的 Go 语言深度学习AI 应用探索 平台。在这里,你将获得:

  • 体系化 Go 核心进阶内容: 深入「Go原理课」、「Go进阶课」、「Go避坑课」等独家深度专栏,夯实你的 Go 内功。
  • 前沿 Go+AI 实战赋能: 紧跟时代步伐,学习「Go+AI应用实战」、「Agent开发实战课」、「Agentic软件工程课」、「Claude Code开发工作流实战课」、「OpenClaw实战分享」等,掌握 AI 时代新技能。
  • 星主 Tony Bai 亲自答疑: 遇到难题?星主第一时间为你深度解析,扫清学习障碍。
  • 高活跃 Gopher 交流圈: 与众多优秀 Gopher 分享心得、讨论技术,碰撞思想火花。
  • 独家资源与内容首发: 技术文章、课程更新、精选资源,第一时间触达。

衷心希望「Go & AI 精进营」能成为你学习、进步、交流的港湾。让我们在此相聚,享受技术精进的快乐!欢迎你的加入!

img{512x368}


商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求,请扫描下方公众号二维码,与我私信联系。

Image

如发现本站页面被黑,比如:挂载广告、挖矿等恶意代码,请朋友们及时联系我。十分感谢! Go语言第一课 Go语言进阶课 AI原生开发工作流实战 从 0 开始构建 Agent Harness Go语言精进之路1 Go语言精进之路2 Go语言第一课 Go语言编程指南
商务合作请联系bigwhite.cn AT aliyun.com
Image 这里是 Tony Bai的个人Blog,欢迎访问、订阅和留言! 订阅Feed请点击上面图片

如果您觉得这里的文章对您有帮助,请扫描上方二维码进行捐赠 ,加油后的Tony Bai将会为您呈现更多精彩的文章,谢谢!

如果您希望通过微信捐赠,请用微信客户端扫描下方赞赏码: Image

如果您希望通过比特币或以太币捐赠,可以扫描下方二维码:

比特币: Image

以太币: Image

如果您喜欢通过微信浏览本站内容,可以扫描下方二维码,订阅本站官方微信订阅号“iamtonybai”;点击二维码,可直达本人官方微博主页^_^: Image
本站Powered by Digital Ocean VPS。
选择Digital Ocean VPS主机,即可获得10美元现金充值,可 免费使用两个月哟! 著名主机提供商Linode 10$优惠码:linode10,在 这里注册即可免费获 得。阿里云推荐码: 1WFZ0V立享9折!

Image
View Tony Bai's profile on LinkedIn
DigitalOcean Referral Badge

文章

评论

  • 正在加载...

分类

标签

归档



View My Stats