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
