“我叫TrancyWang，我在互聯(lián)網(wǎng)行業(yè)工作近10年，進過外企，也去過大廠，主要從事算法研發(fā)工作。站在程序員35歲的岔路口上，我正在馬來西亞讀PhD，這是我所選擇的道路。”

從一個企業(yè)的算法工程師，再到高校的PhD轉(zhuǎn)型，在大模型時代程序員轉(zhuǎn)型與發(fā)展方向這一問題上，TrancyWang也許能給我們一個參考答案。

大廠工作10年，“出走”在大模型的黃金時代前

我之前在國內(nèi)工作了差不多十年，碩士畢業(yè)后陸續(xù)在Pwc、阿里巴巴、百度和平安待過，主要做算法研發(fā)方面的工作。總體來說，我的工作可以分成兩塊：一塊是做數(shù)據(jù)挖掘，另一塊是做醫(yī)療算法，像是醫(yī)療領(lǐng)域的持續(xù)學習（continual learning）以及自然語言處理（NLP）相關(guān)的內(nèi)容。

2017年之前，AI 還遠沒有現(xiàn)在這么火。那時候行業(yè)里最熱門的還是“大數(shù)據(jù)”，大家都在談數(shù)據(jù)倉庫、推薦系統(tǒng)、用戶畫像這些東西。真正讓AI進入大眾視野的，是2016年AlphaGo戰(zhàn)勝李世石那一戰(zhàn)，再加上2017年谷歌推出TensorFlow框架，我一直覺得2017年是AI的“元年”——從那以后，整個科技圈正式進入了“算法為王”的時代。

也正是在那個時間節(jié)點，我開始正式轉(zhuǎn)向算法研究。因為之前在機器學習和數(shù)據(jù)挖掘方面打下了基礎(chǔ)，所以轉(zhuǎn)起來也比較自然。后來我加入平安，開始做和醫(yī)療相關(guān)的算法項目，比如利用算法模型分析醫(yī)療數(shù)據(jù)、做輔助診斷等。這一階段讓我感受到AI在實際行業(yè)應(yīng)用中的潛力，也讓我對算法與行業(yè)結(jié)合有了更深的理解。

從2018年到2022年，我的主要工作重心放在對話系統(tǒng)的研發(fā)上。那幾年，NLP（自然語言處理）剛剛進入快速發(fā)展期，但和現(xiàn)在完全不同。當時的對話系統(tǒng)、知識圖譜、自然語言處理、計算機視覺（CV）這些領(lǐng)域還是各自獨立的，各有各的技術(shù)路線，基本沒有現(xiàn)在這種統(tǒng)一的大模型生態(tài)。那時候的NLP效果也比較有限，模型大多是基于規(guī)則和檢索的，還沒有像現(xiàn)在這樣能理解語義、生成自然語言。

回過頭看，那段時間其實挺有意思的。雖然技術(shù)沒現(xiàn)在成熟，但正是那幾年打下的基礎(chǔ)，才讓后來Transformer、GPT這些大模型有了成長的土壤。可以說，我是見證了AI從“大數(shù)據(jù)時代”一路走到“大模型時代”的人，也是在那個過程中，慢慢摸清了AI技術(shù)與行業(yè)落地之間的距離和可能性。

當時的我覺得對話系統(tǒng)可能沒有大的發(fā)展了，所以我在2020年開始就有讀PhD的念頭，于是我在大模型即將火熱那一年也就是2022年開始讀PhD，算是陰差陽錯地錯過大模型發(fā)展迅猛的時期。

辭職和讀PhD的掙扎時刻

是否讀PhD，我主要考慮到三點。第一點是35歲的年齡危機：程序員基本都有一個35歲的瓶頸，哪怕是在AI沒有出現(xiàn)的時候，35歲就是程序員一個繞不開的檻。程序員到35歲時，如果沒有做到公司的管理崗，或者沒有在一定領(lǐng)域有一定話語權(quán)，基本就會面臨被裁員的危機，這是很現(xiàn)實的事情。而且現(xiàn)在市場環(huán)境也不好，所以裁員是必然的事，可以說如果你不是公司的核心人員，那么你一定會經(jīng)歷裁員或是找工作的困境。

因為對大齡的程序員來說，基本上年紀越大，你的機會就越來越少，像我后面工作基本上都是內(nèi)推，如果我選擇去招聘網(wǎng)站投遞簡歷，基本不會有就業(yè)的機會——年齡對程序員來說是一個非常大的限制。

第二個是我覺得人不可能一輩子做技術(shù)，技術(shù)都有到頭的時刻，而在2022年年底GPT的出現(xiàn)基本驗證了我的想法：從2023年到現(xiàn)在，AI確實在很多方面替代了人做的事情。無論是設(shè)計師、創(chuàng)作者，或是程序員這個行業(yè)都受到了AI的打擊。所以我雖然錯過了大模型的黃金時代，但我覺得我的判斷沒有錯，我正好趁35歲之前讀一個PhD，為后面的轉(zhuǎn)型和從事AI相關(guān)的工作做準備，之后我可能會做一些AI產(chǎn)品營銷相關(guān)的工作，那么我的角色可能就不僅是一個研發(fā)的人員，而是能做一些營銷、運營、市場的復合崗位。

最后一點也是對我個人而言最主要的一點：我還是比較喜歡做研究，正好給自己一些時間去深度做一些研究和探索。所以在2022年，我32歲的時候，我選擇了去攻讀PhD。

讀博期間的所感所悟

2022年我開始讀PhD, 現(xiàn)在我主要的研究方向是做技術(shù)和商科的一個交叉研究，包含一部分技術(shù)和一部分商業(yè)化內(nèi)容，23年開始我一直都在關(guān)注大模型領(lǐng)域的一些進展，而現(xiàn)在我主要在研究基于大模型的微調(diào)，多模態(tài)以及agent這幾個方向。

讀PhD讓我的學習方式有了比較大的改變。以前的我不太喜歡讀論文，但因為讀博期間的學術(shù)訓練，尤其是讀論文的技巧的學習，讓我養(yǎng)成了讀論文的愛好。不僅是現(xiàn)在專業(yè)的論文，對于技術(shù)論文也養(yǎng)成了比較好的閱讀習慣。

我從職場回歸校園生活發(fā)生了一些變化，一方面是心態(tài)上：我發(fā)現(xiàn)我已經(jīng)沒有像學生時代那種按部就班的單純，我在做研究的過程中能帶著我自己的思考和目的性，讓我的工作更好地開展。另一方面是圈子的變化：我之前的圈子比較封閉，我在工作中接觸的人基本都是一個行業(yè)的，讀了PhD之后，我認識了來自不同的行業(yè)的同學或是高校的老師，我跳出了之前的圈子，得到了比較多的行業(yè)交流分享機會。

而在工作內(nèi)容上對我來說其實沒有太大的變化，因為PhD相對來說是一個比較獨立的研究，我在公司里基本是在自己的工位上做一些研發(fā)的工作或是研究，我現(xiàn)在讀PhD也還是自己的空間里做一些研究，只是從工位轉(zhuǎn)到了教室、讀書館、宿舍……并沒有很大的區(qū)別，算是延續(xù)了我多年的工作習慣。

當然職場和高校還是有一定的區(qū)別：我現(xiàn)在做研究可能是非常純粹的，不用去考慮太多，而我在公司就會背負工作和KPI的目標，會想著這個事情做不好怎么辦，承受著相當大的心理壓力。可以說，讀博的這幾年讓我有更多時間去沉淀思考這個大模型的相關(guān)知識和演變，讓我對過去大模型技術(shù)的發(fā)展，以及對未來的技術(shù)趨勢的展望都有比較深刻的思考。

等到PhD的學習結(jié)束后，我可能還是會回到工業(yè)界，因為我本身并不是學術(shù)出身的，沒有高校的工作經(jīng)驗，而且我對高校里面的工作也沒那么感興趣，所以畢業(yè)以后我可能還是會先去工業(yè)界，做一些大模型相關(guān)的事情，先把這個事情做好，至于以后能不能去學術(shù)界就隨緣了。

無心插柳柳成蔭的自媒體創(chuàng)作

做知乎這塊純屬偶然，我和劉煥勇老師比較熟悉，劉煥勇老師是一位在人工智能領(lǐng)域具有廣泛影響力的專家，他做的知識圖譜在業(yè)內(nèi)非常有知名度和影響力。

他有一個非常好的習慣：他每天會堅持寫一篇技術(shù)公眾號的博客，我經(jīng)常在他的社群里看到他分享最新的大模型、Agent、Graphic或者多模態(tài)等最新的技術(shù)和論文，受他影響，我也開始也在知乎上寫東西，分享論文。后面我也長期從事論文的寫作工作，所以我就有更多的時間去進行知乎的創(chuàng)作，我大概是從去年10月份開始都一直在寫技術(shù)分享相關(guān)的內(nèi)容。
但陰差陽錯的是：我寫的技術(shù)內(nèi)容其實沒有太多人關(guān)注，但是我寫的職場生活內(nèi)容卻得到了非常大的曝光。我有幾篇文章的單篇閱讀量達到了40多萬，算是無心插柳柳成蔭了。

后面我可能還是會把寫作作為一個長期的工作。因為寫作一方面是在表達自己的這個觀點，另一方面也可以得到跟更多的人交流探討的機會，可能你寫的文章會不經(jīng)意間對別人有一定的幫助，我覺得這是個非常有意思的事情。無論是別人的觀看、點贊還是評論，都是我創(chuàng)作的動力來源。

我目前創(chuàng)作的主要目的還是去做免費的這種技術(shù)交流和分享，獲得自我的成就感和價值感，我希望我能保持做內(nèi)容型的賬號，而不是讓它變成商業(yè)化的賺錢方式。因為一旦開始商業(yè)化我就會背負一定的壓力，目標也變得沒那么純粹，這是我不太想做的事，我希望讓它變成一個純粹的交流學習平臺。

Trancy Wang的賬號

大模型時代對程序員的影響

大模型時代對程序員的影響非常大。第一個是工作方式的轉(zhuǎn)變，以我自己為例，如果我現(xiàn)在如果要去實現(xiàn)一個功能或做一個事情，我首先第一個想到的就是AI協(xié)作。以前需要寫一個小的功能，程序員都要手動編碼，現(xiàn)在AI可以幫我生成大量的重復性代碼。我更多的工作是把我的想法寫成prompt，類似一個審查者的工作。我會審查AI出的結(jié)果，雖然可能它輸出的結(jié)果不是我理想的內(nèi)容，我會做一些審查再整合，讓我從代碼輸出者變成AI操作者角色。

因為AI可以快速生成原型，測試優(yōu)化，可以讓迭代更快，實現(xiàn)成本更低，程序員可以在幾分鐘內(nèi)測試多種方案，可以用更小的成本和更短的時間去驗證這個想法合不合理，那整個決策鏈路和創(chuàng)新節(jié)奏都會被加快。

還有很重要的一點是我覺得程序員變成了一個全棧工程師。以前后端程序員可能只管后端，現(xiàn)在后端程序員需要從前端的頁面，到后端的開發(fā)，再到算法都要懂一些。換句話說就是程序員的基礎(chǔ)是一個全棧工程師，在這個基礎(chǔ)上程序員還要讓自己變成一個業(yè)務(wù)架構(gòu)師，因為AI生成的代碼比較冗余不一致，程序員需要一個統(tǒng)一的架構(gòu)規(guī)范和模塊化管理，以保證代碼的可維護性。

程序員不僅要在技術(shù)圈內(nèi)成為一個全棧工程師，他還要跨出這個技術(shù)圈，了解更多的業(yè)務(wù)。你需要有更多的時間去加強對業(yè)務(wù)的理解，增強自己的產(chǎn)品思維和數(shù)據(jù)分析能力，因為這樣的話你就可以和AI的輸出結(jié)合出系統(tǒng)化的解決方案。我覺得這個倒是程序員相對AI的一個優(yōu)勢，程序員可以強化本身業(yè)務(wù)理解和跨領(lǐng)域的能力。因為AI是不懂業(yè)務(wù)邏輯的，你只有了解行業(yè)知識，用AI才能做出真正有價值的功能和產(chǎn)品。

這是從工作方式變化來講，第二個是技能需求的變化。以前對程序員只有技術(shù)的需求，而現(xiàn)在對程序員的技能需求悄然發(fā)生了改變。第一個點就是prompt和AI協(xié)作的技能，這個比較關(guān)鍵，因為你只有設(shè)計出高質(zhì)量的prompt，才能讓AI生成符合需求的代碼、文檔和測試。很多人覺得AI不聰明，其實就是prompt文檔寫得還不夠詳盡和細致。第二個點是系統(tǒng)設(shè)計和架構(gòu)能力，雖然我覺得AI未來一定會完善這一能力，但目前來說它還不具備非常強的系統(tǒng)設(shè)計和架構(gòu)能力，對程序員來說，目前也可以打一個時間差去學習。程序員可以學習整個系統(tǒng)的架構(gòu)，把這個架構(gòu)里面的大模塊，小模塊，子模塊功能拆分清楚，然后讓AI一點點去實現(xiàn)，最后整合AI生成的零散模塊，保證整個項目的性能、可擴展性和安全性。當然， AI 可能會生成一些漏洞錯誤或偏差的代碼，所以程序員還必須掌握安全編程、數(shù)據(jù)隱私以及模型偏差矯正的一些技能。

最后一點是快速學習和適應(yīng)能力，現(xiàn)在AI工具框架模型更新太快了，掌握新的工具比掌握技術(shù)或某種語法更重要一些，此外，程序員還要多關(guān)注開源社區(qū)和行業(yè)動態(tài)，保持一個敏捷的學習能力。程序員需要不斷的去快速上手新工具，理解模型的原理，跟AI協(xié)作去把東西把一些業(yè)務(wù)場景快速搭建起來。

總的來說，程序員要從寫代碼轉(zhuǎn)向成駕馭AI、整合系統(tǒng)、解決問題的人，要從單純的編碼能力擴展到系統(tǒng)設(shè)計、業(yè)務(wù)理解、AI協(xié)作、安全和快速學習能力。

AI是危機？機遇？還是挑戰(zhàn)？

對我來說，AI帶來的壓力其實比機遇更大。去年開始，我慢慢嘗試用AI來幫我讀代碼。不得不說，它剛出現(xiàn)的時候確實挺有用的。像我們做算法的，常常要處理各種矩陣變換，特別是在計算機視覺（CV）領(lǐng)域，向量維度一多就容易繞暈。沒有實際的輸出例子，很容易在細節(jié)里打轉(zhuǎn)。讀一些深度學習的論文也是一樣，光靠自己啃那些公式和推導，常常要花好幾天。

后來我開始用一些AI工具，比如騰訊的 CodeBuddy 或阿里的通義靈碼，讓它幫我一行一行解釋代碼，還能順手生成示例。這樣一來，很多以前不太懂的地方就一下子明白了，也更容易看出算法的邏輯。久而久之，我甚至會讓它幫我整理知識，把散亂的技術(shù)點串起來、做對比。可以說，它在學習和工作上確實給了我很大的幫助。

但也正因為這樣，我有時候會覺得有點不安。AI 太方便了，很多思考的過程都被它替代了。久而久之，人會變得懶，遇到問題第一反應(yīng)就是問AI，而不是自己去推一推、想一想。對我來說，這種被“喂養(yǎng)式”的學習雖然高效，卻也讓我更清楚地意識到AI的幫助越大，我們被它取代的風險可能也越近。

在馬來西亞

雖然前期AI幫我解決了很多問題，但之后我的代碼閱讀能力卻在下降。比如寫大段代碼的時候，我第一個念頭往往是AI能不能幫我寫，這樣一來，我自己的思考能力和編寫代碼的能力都在不斷下滑，就我個人來說，相關(guān)技能明顯退步了，這給我?guī)砹瞬恍〉奈C感。

而且AI的替代性太強了，我有時候會問自己：以后程序員還能做些什么？無論是程序員還是其他職業(yè)，有很多事情AI已經(jīng)可以幫你做了，而且AI還比大多數(shù)人做得更好。我有時候想起來這個事情非常有無力感，因為AI幫我解決了很多事情，那么我很多事情可能就不需要再做了。可是不需要再做的話，這個崗位又該何去何從？我想起來這一點就有點絕望，但技術(shù)的趨勢又是不可阻擋的，雖然AI不能解決100%的問題，但是AI可以解決99%的問題，剩下的1%后面AI可能也能解決。所以說我覺得AI對個人，對整個社會的分工，職業(yè)的影響，或者是對行業(yè)的顛覆，都會起到一個非常大的催化劑作用。

未來大模型的發(fā)展趨勢

我認為未來大模型的發(fā)展趨勢總共有五點。

第一點是模型會更強更通用。大模型會越來越大，越來越智能，現(xiàn)在大模型處理文字處理得非常好，而某些多模態(tài)的模型對圖像的理解也很好，今后大模型一定會具備更復雜的感知能力，因為大模型在文字和圖像的處理已經(jīng)做得很優(yōu)秀了，后面它一定會在視頻、語音等方面實現(xiàn)突破，越來越多的跨領(lǐng)域任務(wù)都可以靠一個模型完成，大模型會變成一個小型的通用智能助手，而且這種通用大模型最后一定會在大公司里出現(xiàn)。

第二點，我認為要關(guān)注垂直行業(yè)的電子化加速，包括醫(yī)療、金融、教育、制造，它都會有專門定制的大模型，未來五年行業(yè)不再是一個通用模型加一點微調(diào)，它肯定是深度嵌入各種業(yè)務(wù)流程做決策、做優(yōu)化和輔助創(chuàng)作。

第三點是它的生成能力。生成能力的提升會導致輔助工具的普及，生成代碼、文檔報告、設(shè)計方案都會越來越高效，越來越準確，程序員、設(shè)計師，數(shù)據(jù)分析師都會大量使用這種生成工具，整個工作方式都會被顛覆和改變。

還有一點極為關(guān)鍵：AI 帶來的安全管控問題不容小覷。必須要求 AI 輸出的內(nèi)容具有最終結(jié)果與解釋說明的可審計性，以此防止出現(xiàn)偏差和不當應(yīng)用。無論是企業(yè)還是個人，都應(yīng)當重視 AI 的商業(yè)管理。最后要提到的是輕量化方向。輕量化的模型可能具備更高的效率，它能夠在手機等邊緣設(shè)備上運行，不完全依賴云端，更多任務(wù)可在本地完成，這相當于邊測模型的計算。

未來的技術(shù)轉(zhuǎn)化趨勢，主要體現(xiàn)在以下幾個方面。

首先，通用智能將不斷接近現(xiàn)實，我們后續(xù)必然會迎來一個通用化的大模型，這一點毋庸置疑，它的出現(xiàn)只是時間問題。其次，行業(yè)化與深度化的定制將成為主流。無論是醫(yī)療、金融、教育還是制造業(yè)，都將擁有高度定制的AI工具，這些工具會深度嵌入業(yè)務(wù)流程，輔助決策與優(yōu)化。

另外，我想補充一點，當前大模型的腦力，包括其感知能力與推理能力，均已取得重大突破。若將這兩者與人腦對比，人腦具備強大的控制能力，而在此基礎(chǔ)上，具身智能將成為實際可行的行動能力，就像如今大模型的涌現(xiàn)一樣，我認為十年后，具身智能將成為一個極為顯著且火熱的賽道。

我覺得對程序員來說，接下來這幾年其實挺關(guān)鍵的。AI的出現(xiàn)確實改變了很多東西，但我們能不能在這個變化里穩(wěn)住腳跟，還得看自己。

首先，基礎(chǔ)一定要扎實。算法、數(shù)據(jù)結(jié)構(gòu)這些老生常談的內(nèi)容，其實一點都不過時。AI再聰明，也只是工具，真正理解算法的人才能看得懂它在干什么，甚至能發(fā)現(xiàn)它出錯的地方。還有數(shù)學，別嫌枯燥，線代、概率這些東西到最后都能幫上忙。它們是編程世界的“底座”，越牢靠越好。

其次，要學會和AI打配合。現(xiàn)在的編程越來越像是“人+AI”的合作，而不是單打獨斗。AI能幫你生成代碼、寫注釋、查bug，但關(guān)鍵是你得知道怎么問它、怎么引導它，最后還得判斷結(jié)果靠不靠譜。換句話說，程序員以后不僅要會寫代碼，還要會“帶AI干活”。

再一個，跨界能力真的越來越重要。光會寫代碼不夠了，你得懂自己所在的行業(yè)。比如做金融的得懂理財邏輯，做醫(yī)療的得懂一點醫(yī)學常識。只有知道業(yè)務(wù)在干什么，寫出來的程序才有價值。

最后，別忽視軟技能。很多人覺得技術(shù)好就行，其實不是。能溝通、能帶團隊、能把復雜問題講清楚的人，才更有發(fā)展空間。AI可以替你寫代碼，但替不了你做人、替不了你思考。

總的來說，未來最吃香的程序員，不是被AI替代的人，而是能用好AI、讓AI為自己服務(wù)的人。這才是真正的本事。

如何保證AI生成代碼的質(zhì)量？

現(xiàn)在AI生成的代碼可靠性還是比較強的，如果程序員覺得AI生成代碼的可靠性不強，可能是因為程序員給AI的指令不完善導致生成的代碼不可靠。比方我要讓AI去幫我讀某個代碼，或者實現(xiàn)某個工作，他輸出的東西版本不對，這實際上是我沒有跟AI闡釋這個功能或某個函數(shù)、某個包需要的版本，如果沒有告訴它的話，AI默認會用一個比較新的版本，所以我用它的代碼就可能會跑不通。prompt寫得不好，AI可能就生成不了可靠的代碼。

其實我現(xiàn)在不太喜歡用AI寫代碼，我反而喜歡讓AI幫我讀代碼。因為我還是喜歡從Github上下載別人的源代碼，或是自己寫一些代碼，讓AI幫我糾錯。一方面我是為了讓自己保持編程的狀態(tài)，另一方面我希望讓AI回到它輔助者的角色，而不是主導者。

說到這個問題就涉及AI代碼生成的定位。既然要讓AI扮演輔助者的角色，那么就需要構(gòu)建一個生成、測試、迭代的閉環(huán)。比如，當我自己要實現(xiàn)某個功能時，我會讓AI先完成編寫，然后自己進行測試，再讓AI提供一些大的測試案例，讓它對自己編寫的代碼進行測試。如果測試通過，我就會采納它的代碼；如果未通過，我就自己進行修改。

另外，AI存在一個很大的問題：如果指令給得不好，它就會生成一些不可控的代碼。因為如果不給它設(shè)定編碼規(guī)范，它生成的代碼就會非常混亂。比如在Python中，它可能會把所有內(nèi)容都寫到一個函數(shù)、一個文件里，而不會進行方法重構(gòu)。如果我不告訴它需要對某些方法進行重構(gòu)，或者某個方法要實現(xiàn)什么功能、采用什么設(shè)計模式，它就會直接生成一段腳本，而不是一個完整的、規(guī)范化的函數(shù)代碼。我覺得這也是一個非常重要的問題，即AI往往傾向于生成腳本，而非規(guī)范化的單元代碼。

第三個方面，我覺得AI可能會對同一個代碼、同一個功能生成多個版本，這是因為它本身就有這樣的特性。如果給它一個指令，對于同一個功能，它會產(chǎn)生很多不同的想法，進而生成多樣化的版本。然而，有些版本是我并不需要的，而且我覺得某些版本還存在問題，但AI自身可能并沒有意識到這些問題，也就是說，它可能還不具備自我校驗的功能。

所以，回歸到這些問題，我覺得有幾個關(guān)鍵點需要注意。第一個就是看代碼本身，包括檢查它是否存在語法錯誤和風格問題。當然，AI生成的代碼基本上沒有語法錯誤，但風格上可能會存在一些問題，還有一些潛在的bug。第二個就是，AI生成的功能必須要經(jīng)過一些大型測試。也就是說，對于它生成的一個功能，必須要有一些輸入輸出的測試，以確保我的輸出是符合預(yù)期的。第三個就是，AI生成的模塊需要與應(yīng)用系統(tǒng)整合起來，進行端到端的測試，確保接口、數(shù)據(jù)流、依賴等方面都能正常工作。然后，還有一個方法，就是對一些關(guān)鍵性的功能建立一個標準答案，將AI的輸出與標準答案進行對比，看是否正確。

另外，我覺得雖然采取了上述一些措施，但還有一點需要注意：程序員還需要去檢查AI生成代碼的邏輯架構(gòu)和異常處理，包括模板、數(shù)字異常值的處理、重復代碼等問題。可能從長期來看，還需要統(tǒng)計它的bug修復率、回滾次數(shù)等指標，以保證代碼的可維護性和長期可靠性。

大模型時代程序員的真正價值

我認為在大模型時代，程序員的價值與所需掌握的能力，需從短期和長期兩個維度來考量。

短期內(nèi)，程序員擁有AI尚未完全掌握的能力，這便是程序員的價值所在。具體體現(xiàn)在以下幾個方面：
第一是問題理解與分解能力，AI目前還無法完全精準地理解和分解復雜業(yè)務(wù)問題。程序員的價值在于能夠?qū)碗s的業(yè)務(wù)問題拆解成AI可處理的小任務(wù)，這就要求程序員懂得如何提問，以及怎樣把業(yè)務(wù)需求轉(zhuǎn)化為AI能夠執(zhí)行的指令，這比單純讓AI寫代碼更為重要。

第二是AI協(xié)作與產(chǎn)出管理能力，程序員不能僅僅讓AI去寫代碼，更要引導AI跳出常規(guī)，提供最優(yōu)的解決方案，并將這些方案組合成多個產(chǎn)品矩陣。這就如同打造一個“AI駕駛艙”，把模型當作得力助手，而非簡單的替代品。

第三是前面提到的系統(tǒng)架構(gòu)能力，AI在系統(tǒng)設(shè)計和架構(gòu)方面尚未完全具備相應(yīng)能力。因此，程序員在模塊劃分、接口規(guī)范制定、存儲安全措施規(guī)劃以及安全策略制定等方面，仍大有可為。此外，AI雖能執(zhí)行已有模式，但設(shè)計新產(chǎn)品方案目前仍是人類的強項。

與傳統(tǒng)的編程能力相比，大模型時代呈現(xiàn)出以下變化：其一，AI可以替代常規(guī)代碼的編寫，但這些代碼并非高質(zhì)量的成功代碼；其二，大模型時代更加強調(diào)系統(tǒng)設(shè)計和任務(wù)理解能力；其三，創(chuàng)新和業(yè)務(wù)理解能力成為程序員的核心競爭力，程序員需要深入了解業(yè)務(wù)，或者長期借助AI輔助來實現(xiàn)業(yè)務(wù)目標。

從長期來看，上述這些能力或許也可能會被AI取代，因為它們大多是可以被量化的。

所以，未來十年到二十年，許多行業(yè)消亡或許將成為必然趨勢，就像如今的自動駕駛領(lǐng)域，雖然目前還存在各種各樣的問題，但未來十年這一趨勢將不可阻擋。我認為，具身智能和自動駕駛在未來十年一定會得到廣泛普及。屆時，人們能做的事情會相對減少。

技術(shù)的飛速發(fā)展會帶來諸多問題，也會給人們的心理造成影響，比如社會內(nèi)卷加劇，以及因AI替代人類工作導致崗位減少，人們可能會產(chǎn)生各種心理問題，能做的事情少了導致無所事事，進而引發(fā)更多狀況。因此，從長期來說，我認為人類需要回歸內(nèi)心的本真，追求真善美。

未來很遠，但也很近。但這并不意味著程序員在大模型時代將失去立足之地。相反，這為程序員提供了轉(zhuǎn)型與升級的契機。

=故事征集=

《開發(fā)者說》是程序員客棧推出的一個訪談欄目，邀請了一些國內(nèi)外有趣的程序員來分享他們的經(jīng)驗、觀點與成長故事，我們嘗試建立一個程序員交流與學習的平臺。

歡迎大家推薦朋友或自己來參加我們的節(jié)目，分享與對話是一件利他又利己的事。