代码的未来：当 AI 学会创造，我们技术人的价值何在？

​

​AI 与大模型，已如电力和互联网般融入我们工作和生活的方方面面。当技术从分析过去迈入生成未来，企业与技术人又该如何重塑自身价值？我们又该如何借助这一波技术浪潮，实现能力的跨越与职业的突破？

11 月 16 日，咕泡科技联合创始人、AI 大模型事业部负责人谭锋（Mic）老师受邀参与“数有引力·Sure 沙龙丨 AI 时代，个体机遇新选择”深度沙龙进行分享，与众多行业同行展开探讨：大模型不仅改变了企业工作流程，更在重构职场人的能力体系。注重掌握 AI 思维与大模型能力，是技术人在技术变革中保持竞争力的关键

​

在 2012 年之前，人工智能的主流是决策式/分析式 AI，它基于过去的数据做预测与分类，本质上是在总结过去。而随着 Transformer 架构的突破，生成式 AI 开始爆发，它开始生成报告、创作图片、编写代码，还能进行逻辑推理与多轮对话

这正是 ChatGPT 引爆全球的根本原因：AI 不再只是辅助工具，而是具备了创造能力。从智能客服到代码生成，从数据分析到内容创作，生成式 AI 成为企业数字化转型的关键推动力，2023 年“百模大战”一触即发

​

AI 技术的快速演进也推动人才需求的深刻变化。从大模型基础设施的投入竞争，到 AI Agent 的商业化推进，再到超级应用的海外拓展，企业对稀缺人才的需求日益增强，人才画像日益清晰：

持续学习与快速迭代能力

AI 技术更新迅速，企业更看重技术人员的学习适应能力。无论资历深浅，能够持续更新知识、快速掌握新技术的人才在市场上更具竞争力

复合背景人才更受重视

具有“大型企业+创业经历”、“技术+业务”双重背景的人才更受欢迎，他们能够在复杂环境中快速转换角色，以较高效率推动项目落地

技术岗位需要综合能力

无论是算法还是工程，技术岗位不仅需要掌握 LLM、多模态、强化学习等前沿技术，还要具备带领团队、解决复杂问题的实践和管理能力

对个人而言，AI 时代的机会需要用分层视角来看待行业。不需要每个人都去研发底层模型，更实际的机会在于：

• 产品层：成为理解 AI 能力、并能将其应用于具体业务场景的产品经理

• 应用层：擅长利用 RAG、Function Calling 等技术，为企业搭建可靠 AI 应用的工程师

• 架构层：能够驾驭 AI Agent，解决复杂工作流的架构师

这些角色虽然定位不同，但共同指向一个核心趋势：AI 正从“技术能力”转化为“业务能力”。技术人的价值不再局限于技术实现，而在于用大模型思维重构工作逻辑、提升业务效能

大模型技术的演进，本质上是一场关于“如何构建软件”的范式转移。对于技术人而言，真正的机遇不在于盲目追逐最新的模型，而在于深刻理解这一新范式如何重塑从需求分析、系统设计到价值交付的整个技术价值链

我们的价值锚点，正从“实现需求”转向“定义并解决更高维度的业务问题”。是选择在应用层，利用 RAG、Function Calling 打造敏捷的 AI 解决方案；还是站在架构层，用 Agent 工作流重构企业核心流程——这已不仅是技术选型，更是职业路径的战略选择

模型会迭代，工具会过时，但驾驭复杂性的架构思维、将不确定需求转化为可靠系统的工程能力，以及在业务场景中让技术生根的洞察力，将是技术人在这场变革中始终不变的护城河

​