都说AI替代这个替代那个，不用浪费时间为这种问题焦虑，因为答案已经越来越明显了...

关键是，什么时候？怎么替？。

1)

设想一个场景，有个需求要用某个技术或某个框架实现，有两个程序员对这些都不是很熟。

有一个疯狂谷歌、Stackoverflow，买书学习，21小时入门到精通，磕磕绊绊写出来。

另一个直接让GPT来了一段，21分钟调通.如果这人好学，交了活儿再问问AI那些不认识的关键字是啥含义，有什么坑要注意，再21小时入门到精通。

请问，哪一个更有可能会失业？

2）

AIGC的代码，有注释有文档有Sample有Demo，命名清新，缩进清晰，自带Code Review..

不满意还可以撵着它继续优化。

示意图：1.随手让AI生产代码片段

2.追问优化,可以连续追好多次，每次都有点新花样，简直可以挑战你的知识面和知识深度

3.输出文档。风格相当靠谱。

你给AI讲让它按编程规范来（比如换成驼峰式命名什么的），它会听，而且整的挺漂亮；

你跟人讲，人可能不听或者不记得。

更深一点，在编程IDE里的高级分析Debug，编译器优化，有些一般的程序员也不会。

如果不愿意或者不注重写UT，不写文档，不做CodeReview，不跑Ci，不会优化没安全防护，Build完直接Push的...你觉得会不会失业？

（我自己都瑟瑟发抖 ：{} ）

3)

如果说上面的例子太简单了，大型软件是很复杂的，不讲体系工程的软件早晚是Shit Hill，哪怕AI写代码也不例外。

没错，只是今时今日，AIGC已经工程化了，只要是能工程化的，就有路子可以趟。

代码生成的路已经铺起来了，慢慢铺UT，UAT、优化、安全...就是了。

（这两个图用Stable Diffusion生成）

无非是粒度、深度、覆盖度、置信度...也就是工作量，多大点事，AI可以24小时干活，有电就行。

AI还可以搞语义分析、搞白盒、搞插桩、搞Fuzz，靠算力猩猩打键盘，再来个形式化证明。

AI可以慢慢的把这些基础设施做平.

..说不定不是“慢慢”，是很快。

4）

看看网上和Github上每天涌现出多少AI场景化工具，巨头们还在默默地炼丹。

那种老板说需求，产品转PPT、PPT直接转代码的神奇故事，就先不说了。也不是不可能。

AI还没有涌现，人先拥挤了，卷得一批。

本质上，程序员不是怕AI，而是怕别的用上和用好AI的、很卷的程序员。

总之，极客们往往出于信仰、好奇、炫技、公益、精力旺盛...勇于将技术推向下一迭代，义无反顾、大公无私...

人的悲欢本来就不相通，圈子里每天都洋溢着快活的空气，有些人却会觉得莫名缺氧。

5）

对某些软件，也许现在质量标准还不清晰，或者UT/UAT语料不足（毕竟程序员不爱写），怎么办？

也许以后的初级阶段，码农会先转标注工，就是根据产品设计给AI喂UT断言和Mock，按最终验收要求给AI讲条条框框，这个对那个不对，美名曰“监督学习”，然后是“半监督学习”，再然后全自动“无监督学习”（我乱说的...为了押韵）

反正你让机器学，它真的学，一天到晚的学。

它学的超快，绝对比人快。

你让人学，他还可能MMP...

AI没有情绪，不用跟它讲情商 ~ 某种程度上，它的情商比一弄的就炸毛的钢铁直男强太多了。

它就学习、干活，再学习、再干活。

6）

未来的生态可能会是这样的:

1）硬邦邦的物理硬件：提供物理意义上的电源、冷却、服务器、硬盘、网络、A100+算力...卷这个部分，得家里有矿。

2）云化的基础设施：灵活调度，走入千万家的算力平台供应，丰俭由人，按需付费。这是云端大神的事情。

3）垂类的数据：行业数据，标注工的人肉数据...只要是没被大模型吃掉的数据（感谢数据安全法），就有其活路。数据差不多是垂类各位最后的倔强了。

4）场景化的集成和运营：整合算力和数据，为各场景的甲方、老板、运营方炼个丹修个仙，提供风花雪月的智能化能力和API。

5）触达末端的APP：写API，只需CRUD，念念咒语Prompts，即可实现或沉浸或响应式的用户体验。

请注意，以后的用户体验，可能不再是几寸屏幕上的点点戳戳了，人的场景洞察、创意、用户体验和服务意识，比代码能力可能还更重要，毕竟代码可能AIGC。

6）其他：围绕着产业法律法规、经营管理、教学培训、文化产业、花样周边等...

不能提供物理价值，就去想想怎么提供“情绪价值”，和AI正面刚，没意义。

(下图和ChatGPT探讨了下交互范式转移)

7）

说归说，刀也不是说下就下，替代进程的加速度是怎样的，还得观察。

该搬砖搬砖，该解BUG解BUG。

今时今日，建议至少懂得怎么用pytorch/Tensorflow/LLaMA...复习复习高中数学高等数学...紧贴Huggingface的脸 ，上MNIST/ImageNet搬运各种大号灵丹...

好歹学会Step By Step拿自己的数据炼个丹，大模型叠小模型，21天入门到精通，面向场景挖掘解决问题满足需求。

毕竟，现实情况短期内还是要讲数据安全的，可见的未来，垂类数据还在大家手上，数据可用不可出门（再次感谢数据安全法吧）。

再说一次：数据，差不多是垂类的各位的最后倔强了。

再不行，注册个账号，调调API总会吧，Word Embedding学一下也不难呀。

思路都有了，pytorch也学废了，现在就缺A100 GPU了...

最近看了下，安装运行Stable Difussion/LLaMA什么的都有工具和SaaS了，谷歌PaLM、Anthropic Claude也快憋不住了，各种自主安全可控的大模型都在路上了。

说不定以后炼丹都一键化了。

说到底，最终用户其实并不需要看代码，他们只在乎需求得到满足~ AI完全可以跳过代码形态，去驱动数字或实体的执行。

所以，有句本来理直气壮的话可能要变了，变成这样：

Talk is prompts，Code is Cheap.

Don't show me the Code.

Just do AI.

所以，现在学修理机电、排水、砌墙、挖掘机、厨艺、家政、（开车我会，不用学）...还来得及吗....（手动狗头）。

再套一句话：前沿技术短期内总是被高估，长期被低估...对那些还在怀疑AI是否能带来巨大生产力推动的人，上面这句话会成为：

短期内低估前沿技术的人，在未来的长期他们将会被低估！

做点什么都可以，只是，不要在趋势面前闭眼！

后记：

写完后给ChatPDF（目前我最欣赏的一个文档工具）读了下，它跟我假模假式的客气呢...：)

附录：

https://mp.weixin.qq.com/s/lPsuM261ZgMT0QKvy5RC3w

文章推荐｜被遮蔽的劳动：ChatGPT爆火背后的数字劳工问题

https://mp.weixin.qq.com/s/-SURhtbI7rafIW0e5OVy-Q

ChatGPT淘汰的那些人，其实早就已经被淘汰了