1、背景

随着 OpenAI 发布了 ChatGPT 等新技术，“程序员失业”越来越多被提及，还有人预言生成式 AI 将在未来几年内终结编程。

1.1 逝去的舆论风波

这也让我想起了曾经的云服务、低代码等技术初露锋芒时，同样也将“程序员失业”这一个舆论话题推向高潮，我也去体验过低代码平台，而且当前团队的技术栈就深度依赖云原生。

先暂且忽略两个技术方向本身需要耗费巨大的运营成本，从最终的开发运维实践看：

• 低代码平台哪怕做的再方便易用，每次迭代的 UI 修改，都离不开人工参与；

• 云服务最终愿景是实现智能化运维，但出了类似于“3・29”微信业务故障的情况，更是需求人工排查故障和解决。

云服务和低代码等技术的出现，可能会对一些传统的软件开发方式产生影响，但是终究没有动摇到“研发以人为本”的根本前提。

1.2 ChatGPT 诞生

毫无疑问，ChatGPT 其实已经实现了成为强人工智能的基础，真正做到了理解自己在说什么，拥有了一定的认知能力、理解力和一定的判断力，拥有和人类类似的思维能力。

1.3 人类的焦虑

如果只是人类内卷，我们还会心存侥幸，毕竟就业基数大，工作只要愿意找还是有的；但这次 ChatGPT 的诞生，对人类来说是降维打击，直接让各行各业的人都担忧自己的职业前景。

OpenAI 在他们最新的工作论文《GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models》中，就深入讨论了 AI 对劳动力市场可能的影响。

在这篇文章中，研究者发现，在大语言模型（LLM）愈发普及的冲击下，至少 80%的美国劳动力会受到影响，他们的工作的 10%会被 LLM 所替代。其中有 19%的美国劳动力有超过 50%的工作会被替代。

美国一直以第三产业发达而闻名，那么，中国呢？

这是一个超巨大的但与美国截然不同的劳动力市场，同时又面临人口老龄化和各种劳资矛盾；在中国的各种岗位，又有多少会因为大语言模型的冲击，被替代、甚或是消失呢？

2、当局者迷

从虎嗅收集到的公开资料，我们能拉取到下表的这 50 个职业，可能是未来职业发展的高可替代性岗位。

AI 替代率最高的职业是翻译，其次是保险核保专业人员以及剧作家。这三个职业，有 90%以上的工作任务和内容都暴露在 AI 替代的风险中。

接下来，视觉传达设计人员、装饰美工、美术编辑、广告设计师、剪辑师，这些与美术、视频、作图相关的职业，被 AI 替代的工作内容也超过了 80%。

文字编辑、网络编辑、文学作家、文字记者，这些与文字生成和修改高度相关的职业，被替代的工作内容也超过了 75%。

呼叫中心服务员、前厅服务员（即为宾客提供咨询、迎送、入住登记、结账等前厅服务的人员）、节目主持人、秘书等职业，也出现在了前 25 名中。

当然，不能忘记排名第 25 的计算机程序设计员，平均来说，程序员有 75%的工作内容，面临被 AI 替代的风险。

2.1 行业机遇

由此可见，面临失业危机的，其实并不仅有互联网行业，各行各业都即将面临冲击。

当国内互联网行业经历了过去 10 年的跳跃性发展，如今再次面临行业大洗牌，对国内企业来说，既有机遇也有挑战。

2.1.1 行业合作模式

本人在大公司小公司都有从职经验，算是比较了解大厂和小公司的在行业赋能里的协调分工。

从技术角度说，各类基础设施的建设，国内行业垄断一直存在，大厂一直是最有实力去拿投资的，小公司只要依托大厂资源，让自己家开发的软件系统稳定，便是最大的技术成就；

从市场角度说，国内多年以来形成的格局是，大厂搞基建建设，提供行业通用工具，同时接受国家政府部门管理，小公司百花争鸣，在各个细分行业里同大厂打配合，以项目合作方式来消化市场的需求。

2.1.2 企业机遇

OpenAI ChatGPT 提供了 OpenAPI，让更多小微企业去使用生成式 AI 工具，来给自家产品添砖加瓦；

chat API 的参数列表：POST https://api.openai.com/v1/chat/completions

（图片链接：https://platform.openai.com/docs/api-reference/chat/create）

微软面向全球用户，免费开放了搭载 GPT-4 的全新 Bing 聊天机器人，并且弥补了 ChatGPT 时效性的问题，通过实时联网搜索信息，在理解搜索内容语义后生成回复，同时会引述其参考来源，展示参考网页的链接，让回答更全面且可信，在原来尘埃落定的浏览器市场之争中，再次掀起波澜。

2.2 行业挑战

2.2.1 底层硬件瓶颈

而计算机从 1947 到现在，已经发展了接近 80 年了，但本质上是在硅晶片上，不断进行工艺优化以及系统集成的计算优化。

但是进入到 2020 年之后，硬件的摩尔定律已经明显失效了；

台积电：2020 年量产 5nm 到 2022 年量产 3nm，时间过了 2 年多，也就是 24 个月以上，但晶体管密度从 1.73 亿个每平方毫米到 2.9 亿个每平方毫米，其实都没有翻倍，摩尔定律明显失效了。

未来 10 年在半导体工艺和设备层面突破的可能性不大，而人类只拥有唯一一个，发展已达瓶颈的计算机知识库，未来不断涌进行业的从业者，能做的事情大概只是在前人积累的基础上，继续缝缝补补。

2.2.2 AI 训练的算力瓶颈

随着越来越多人使用 ChatGPT 以及国内外的 AI 衍生产品，用于训练 AI 所需要的算力大约每隔 3～4 个月翻倍，整体呈现指数级上涨（而摩尔定律仅仅是 18 个月翻一倍）。

但有一个关键问题还没有解决——以今天的计算、存储和网络基础设施，目前任何一个国家几乎没有足够的计算能力让 ChatGPT 广泛普及。

3、破局之道

我们已经充分认识到了两个事：AI 是个狠活，但使用成本很高。科学家研究的是科研难题攻克，工程师研究的是将科研成果进行工程化应用和落地。

作为一名后台开发工程师，我也想谈谈自己对未来可能出现的 AI 大规模工程化理解，以及开发者能及时调整行动的边界。

3.1 行业变革

互联网大厂内部做技术的人，无论是基础研发团队还是应用技术团队，对生成式 AI 的热情都很高。因为在 ChatGPT 横空出世之前，AI 在互联网行业的落地场景（搜索、个性化推荐、自动客服等）已经基本被做到极限，进化空间不大了，而其他突破性技术又没有出现。

所以，2021 年～2022 年，互联网大厂普遍对算法岗位进行裁员。在这种情况下，ChatGPT 的诞生可谓雪中送炭，给了技术人员一个向公司证明自己价值、升职加薪的大好机会。

3.2 岗位变革

到头来，那些人类孩提时期甚至出生时就已经掌握的技能，那些精巧的人类生物学本能，似乎反而是 AI 最难模仿和替代的部分。

而那些后天学习到的知识，花上好长时间学会算术、学会写作、学会画画、学会编程、学会做好看的 ppt、学会看 X 光片、学会写法律文书、学会很多种语言并且自如地交流……人类学会了各种各样以此为傲的东西，并觉得这些特征似乎使人类和其他生物产生了哲学上的差异。

但在 AI 看来，这些东西一文不值。

在未来，这可能会催生了一波岗位变革，类似于后天学习的技能型人才，都不再稀缺；原来的技能型人才，逐渐成为 AI 技术的辅助者。

3.3 自我变革

3.3.1 前 AGI 时代

从软件工程的角度看，我们这个行业从诞生之初就是在通过不断地抽象来提高生产力，使我们更加专注于最重要的事情：构建东西。

3.3.1.1 逃不开的内卷：技术积累

举个例子，2017 年当时 Java 最流行的是微服务，然后过去几年各个公司就开始拆微服务，逐渐成为求职面试的必答题，并且微服务技术栈在各个公司内部早已轻车驾熟。

这个案例也证实了两点：

• 在应用技术普及化的道路上，只要行业风向对并且时间足够，那么被大众接受只是时间问题；

• 再深入一点，只要是堆时间人类就能学会的东西，对于学习能力更强的 AI，时间窗口会缩的更短；

在这个新旧技术承前启后的时间段，我们自然逃不过大量时间投入到技术积累上。

而在未来 AI 技术发展上，陆奇说过这样一句话：技术能力未来真的不重要，互联网创业者的愿力和心力，才是越来越重要的核心素养。

3.3.1.2 学会交流：构建人际关系网

人是群居动物，这个需要时间感情投入的过程，这或许是 ChatGPT 短期内无法替代的（直到出现类似《银翼杀手 2049》人工智能立体投影 Joi..）。正因为人从一出生就避免不了同各种各样的人打交道，尤其是中国社会，人与人的关系很复杂，没有人能逃过这张巨大而无形的关系网。

因此，在拥有一定技术积累前提下，学会维持人际关系网，在生活中双管齐下去提高生活质量，在工作中提高效率，何乐不为呢？

3.3.2 后 AGI 时代

程序员的工作其实很神奇，我们写的代码是让机器执行的，但写的时候却是更方便人阅读理解的。如果 AI 真的能够自己写代码了，那么它一定是直接用二进制写机器码，而不需要通过中间语言。

今天我们讨论的各种让 AI 提升程序员生产力的方法（包括我文章里面提到的）都是从人类的角度出发的，我们让 AI 按照人类的思路和习惯来编程，本身就是反“机器”性的。

而 AI 天然理解二进制，而我们却让 AI 来用人类发明的编程语言来写程序，这并不是最优的方式。当 AI 已经拥有通用智能的时候，编程这个工作它可以完全以一种更高效的方式来完成。

3.3.2.1 大模型世界观

我最近看了陆奇老师的演讲，摘抄一二跟大家分享。

（1）人类就是一个模型

我们每个人都是模型的组合。人有三种模型：

1. 认知模型，我们能看、能听、能思考、能规划；

2. 任务模型，我们能爬楼梯、搬椅子剥鸡蛋；

3. 领域模型，我们有些人是医生，有些人是律师，有些人是码农。

这一次大模型拐点会让所有服务经济中的人、蓝领基本都受影响，因为我们都是模型，除非个体有独到见解，否则我们今天所从事的服务大模型都有（被替代的可能性）。

人的模型，包括认知/任务模型，它是个体的，其中有专业模型，有认知模型、运动模型和人的记忆先验。人基本是这几类模型的组合，律师也好，医生也好，未来大量领域会有大量模型往前走。

（2）未来模型发展趋势

未来是一个模型无处不在的时代。

但未来的模型世界会怎么发展？必定是将有更多大模型会出来。更多更完整的模态和更完整的世界知识在这里。你有大量的知识、更多的模态，学习能力、泛化能力和泛化机制一定会加强。

• 模型就是知识，一切社会知识最终沉淀为大模型（手机一打开，模型就过来了，它教人类去做任何事情）

• 未来自动化、自主化的动作无处不在

• 人和数字化技术相得益彰

4、寄语

生成式 AI 的出现确实会对某些行业产生影响，例如自动驾驶、语音识别等领域，但是这并不意味着程序员将会失业。

至少截止 2023 年，AI 取代程序员的大潮依然没有到来，市场上依旧提供了大量的程序员岗位，所以我们要保持冷静和理性，用好的心态去学习和经验积累，以适应科技的变化和未来的趋势。

最后引用陆奇老师演讲的一句话来结束这次讨论。

生产资本从两个层次全面提高。

第一，所有动脑筋的工作，可以降低成本、提升产能。

我们目前有一个基本假设，码农成本会降低，但对码农的需求会大量增加，码农不用担心。

因为对软件的需求会大量增加，就是这个东西便宜了，都买嘛。

软件永远可以解决更多问题，但有些行业未必。这是生产资本的广泛提高。

5、参考文章

• https://www.zhihu.com/question/594150259

• https://zhuanlan.zhihu.com/p/621659345

• https://m.huxiu.com/article/1412670.html?type=text&visit_source=share_from_app&f=app_android_friends

• https://m.huxiu.com/article/1342969.html?type=text&visit_source=share_from_app&f=app_android_friends

• https://mp.weixin.qq.com/s/_ZvyxRpgIA4L4pqfcQtPTQ