AI 重构世界：从舆论走向现实

自从以 ChatGTP 为代表的 AIGC（生成式人工智能），在 2022 年底开始出圈以来，AI（人工智能）对社会的影响或者说重构，已经开始从舆论走向现实。以下是两个比较有代表性的事件。

美国软件开发需求量爆降

最近 FRED 机构展示了引爆美国社交网络的一张图，图表中展示了最近 5 年，美国软件开发行业的岗位需求变化趋势，数据显示在经历了 2022 年短暂的岗位需求峰值之后，以 LLM 为代表的新型 AI 算法，开始让这一岗位需求大跳水。

这一数据意味着，AI 并没有为软件开发行业创作更多的岗位需求，反而让更多的软件工程师下岗。

其实早在 2023 年 3 月 16 号，前哈佛大学计算机科学教授，谷歌工程主管 Matt Welsh 在 ACM（美国计算机协会）的一个虚拟会议上表示，ChatGPT 和 Github Copilot 预示着编程时代的终结。目前就数据来看，事实的确如此。

此外，还有不同领域的大佬表达过相似的看法。

机器学习大牛 Sebastian Raschka 最近也在社交媒体上对下一代学生表示：不建议学习 AI 相关的课程，有可能在你毕业之前课程就过时了。

2024 年 NVDIA 老板黄仁勋公开场合表示过，建议年轻人不要在浪费时间学习编程。

作者之前从主流算法框架的角度，梳理过 AI 的发展历史，从 CNN（卷积神经网络）成为 AI 领域的主流框架之后，仅仅过了 5 年，新的算法框架 Transformer 就已经出现，并逐渐演变为当前主流的 GPT（Generative Pre-trained Transformer）。在数据量级、算力规模继续扩张的当下环境，未来 AI 算法框架的演进只会更快。

事实上，这个曲线不仅仅出现在软件开发行业，更多的行业岗位也正在或将经历如图所示的数据趋势，这是 AI 时代的一个必然。怎么适应这个趋势呢？感兴趣的读者可以参考下作者这篇文章。TODO。

70 名”事业编“AI 员工深圳上岗

最近，深圳市福田区已经率先推出基于 DeepSeek 开发的 AI 数智员工，首批 70 名“上岗”，它们可以处理的任务有：

• 文案校对与审核：公文格式修正准确率超 95%，审核时间缩短 90%，错误率控制在 5%以内。

• “执法文书生成助手”：将执法笔录秒级生成执法文书初稿;民生诉求分拨准确率从 70%提升至 95%。

• “AI 招商助手”企业分析筛选效率提升 30%…..

除有 DeepSeek 通用能力外，这些 AI 数智员工还能结合名部门单位实际业务流程情况，量身定制个性化智能体（Agent），首批满足 240 个业务场景使用。

果然是“先行先试”的试验区呀，围绕 AI 生产工作流：“需求一训练一场景应用-迭代”，实现完美闭环。这些 Agent 已经能够覆盖政务服务全链，比如公文处理、民生服务、应急管理、招商引资等多元场景。

AI 超进化：从深度到广度

尽管 AI 对社会的影响已经开始显现，但 AI 的进化速度并没有出现任何迟缓的现象，AI 开始向深度和广度不断地自我更新迭代。

DeepResearch 让 AI 走向深度思考

DeepResearch 是 OpenAI 于 2025 年 2 月 7 日推出的一款全新 AI 工具，目的在于协助用户进行复杂的多步骤互联网研究，生成类似研究分析师的综合报告。

这种工具特别适用于金融、科学、政策和工程等领域的专业人士，也包括同样需要做研究的市场分析和商业分析的人士。这些人士在做一篇主题分析的时候，往往需要收集大量的资料，在此基础上结合领域经验或者模型分析方法，梳理成一篇相对思维全面的报告。

这个工具背后的 DeepResearch 技术是如此的强大，各 AI 大厂迅速跟进，目前 Gork、Gemini、Perplexity 都已经推出了自家的 DeepResearch 功能。有点意外的是，作者使用下来发现 Gork 表现竟然是最惊艳。

从整个分析结果看，不仅给出了高度精练的总结，还给到的详细的分析报告，并给出的参考的原文链接。这样分析者可以具体就报告中的某个具体点，可以进行更深入的信息挖掘。

从分析的核心结论看，给出了整体经济数据表现、并从财务、就业、消费、技术亮点，全面梳理经济表现。整理感觉上算的上中等偏上水平的一篇分析报告。

MCP 从协议层构建 Agent 互联网络

2024 年 11 月 25 日 Anthropic 发布了 MCP（Model Context Protocol），目的是 AI 系统与外部数据源和工具之间建立安全的双向连接。大家可以把这个对比理解为 HTTP 协议。

2025 年 2 月 20 日 Cline 发布了 MCP MarketPlace，旨在为 AI 员工提供一个开放的应用商店，替代传统的人力资源市场。大家可以把这个对标理解为 AppStore 或者 GoogleMarket。

不同于各种低代码平台(如 Coze、Dify)，只能在自家的平台内部构建 Agent，MCP 是比这些平台更高一个 Level 的事物，它真正意义上的让 Agent 脱离平台的束缚，在 API 这个级别开启了 Agent 自由互联互通的时代。这种影响有多大呢？大家不妨想象下计算机时代和互联网时代的区别。

如果我们把 Agent 比作武器的话，比如火尖枪、混天绫、风火轮。那 MCP 就是那句咒语“急急如律令”，它让这些武器组合在一起，运作起战斗力凶悍的哪吒。

AI 重构世界的故事已经开启，它还在疯狂进化中，作为普通人的我们该怎么办？

我们能做点啥？

基础：了解 AI 知道 What

很多时候，人之所以会有怕或者焦虑的情绪，往往就是对未知事物的不了解。

对于 AI 的了解作者推荐几种不错的方式：

• 找到 AI 领域最核心的几个概念，从认知层面建立对 AI 基本印象，比如机器学习、深度学习、生成对抗网络等。

• 关注 AI 相关的公众号或播客，相当于是跟着相对专业认识的思路和认知，去了解 AI 的最新技术和应用。

• 精力更充沛的读者，可以加入一些 AI 社区或者线下的 Workshop，多跟他人交流分享经验，拓宽视野。

进阶：使用 AI 理解 How

真正能够建立起来，对 AI 深度理解理解和认知，还是需要回归实践。

从兴趣点出发，使用 AI 做一些新奇的事情，比如使用文生图大模型，把想象中的世界，一点一点得构建出来。

或者换一个角度，把 AI 加入自己的实际工作中，把重复性质的工作丢给 AI，提高效率减少重复性。比如文案的处理、校对。主题分析报告中的资料查找和筛选环节（虽然 DeepResearch 在整个分析流程中已经做的很好了）。

同时引入工作流平台，可以让 AI 帮助处理更复杂的事情。国内的话可以使用还不错的 Coze 平台，动手能力比较强的朋友，可以自己本地部署下门槛相对较高的 n8n，高度自由定制属于你自己的 Agent。

高阶：驾驭 AI 创造 New

在有了大量的实践经验基础上，就可以尝试从 AI 思维的角度，去深度理解 AI。

比如了解 AI 的技术原理、理解 AI 的优势和局限性，可以通过 AI 辅助编程或者组合各种 AI 工具，把你大脑中的任何想法，手工搓出来。

这个阶段的做的事情，往往具有比较大的挑战性，可能需要多学科加持，比如集成电路设计，遥控飞机的三电设计，机器人。这方面印象最深的还是短视频上的“火炮打蚊子”，博主把简单的事情做到了极致，这里面集成了大量的多学科交叉知识，包含了建模设计、机械设计、火力编程、动力设计、计算机视觉（CV），语音控制等等。这方面感兴趣的朋友可以关注稚晖君，同济子豪兄。

可以多补充一点的是，AI 可能对很多行业都造成了冲击，但对一个行业是例外：内容创作。从某音到 RedNote，从 Tiktok 到 Youtube，不少的自媒体博主在“AI+搞钱”的赛道里，早已疯狂输出。

最后，AI 可能是这个世纪最大的挑战，同时也是这个时代最大的风口。每个人要做的就是，适应然后加入。究竟是挑战还是风口，全凭一念之间。