文章探讨了AI编程对程序员职业的颠覆性影响。AI正成为最高级编程语言未来90%-99%的代码将由AI生成程序员角色将从代码编写者转型为AI指挥官和问题定义者。AI将降低编程门槛激发更多需求催生新职业。人类真正的价值在于提出好问题、验证答案以及定义好的标准。未来编程将成为表达思想的自然媒介每个人都可以通过AI实现个性化软件。又到一年高考季因为这几年一直在研究大模型有好几个家长朋友都来咨询要不要给自己孩子报考计算机专业接到这个问题面对“周更”、甚至“日更”的大模型浪潮着实难给出一个准确的回答只能说编程作为一种抽象和拆解问题的方法论依旧重要但写代码这件事正被重新定义——自然语言正快速变成新的最高级的编程语言。AI界的大V安德烈·卡帕斯Andrej Karpathy长期在X社交账号上置顶的一句话道出了当下的心情最火的新编程语言是英语The hottest new programming language is English。Karpathy提出了vibe coding氛围编程的趋势这也意味着用户可能会忘记代码的存在。其最新的关于软件3.0时代的演讲揭示了软件开发正在经历1940年软件1.0以来最深刻的范式转移。一、AI编程是当前大模型最具颠覆性的领域编程是数字世界的行动力也是建构数字世界的建筑师。编程能力的升级具有巨大意义因为如果说未来是数字世界那么AI编程将成为未来最强大的数字生产力之一不仅搭建数字世界设计Agent在数字世界完成任务还可以通过跟物理世界的交互产生更大的价值。今年3月Anthropic首席执行官Dario Amodei表示未来3到6个月AI将编写90%的代码而在12个月内几乎所有的代码都可能由AI编写。无独有偶OpenAI首席产品官Kevin Weil表示预计到2025年底AI编码将实现99%自动化。与之前大部分预测都是未来3年、5年不同两位大模型公司高管的预测都是到今年底几个月后就会见分晓AI Coding对程序员带来的冲击影响之大、速度之快将是前所未有的。近日美国劳工统计局的《当前人口调查》数据称**美国计算机程序员的就业率已经降至1980年以来的最低水平。**1980年美国计算机编程工作岗位超过30万个。在21世纪初的互联网泡沫时期这一数字曾达到70多万但如今就业机会已萎缩至当时的一半左右。可以说程序员们夜以继日为之奋斗的大模型却先革了自己的命。最近的一场对谈中微软CEO纳德拉表示现在微软30%的代码都是AI写的。Meta创始人扎克伯格则表示很快Meta的这一比例就会达到50%。**在国内AI编程已成为行业大范围普及的应用。**如使用腾讯云代码助手产品的企业客户采纳率普遍达到了30%的水平单测执行率提升18%代码评审覆盖率增长20%。再如一季度财报会上美团创始人王兴披露美团为工程师提供了自动代码生成工具内部已有52%的代码由AI生成。公司90%的工程师已频繁使用AI工具部分团队甚至依赖AI完成90%以上的代码编写。美团工程师反馈以往需要数小时编写的功能现在几分钟内即可完成。例如开发一个外卖订单状态查询接口AI能自动生成数据库查询语句、API接口、前端展示逻辑等并将测试用例一并打包。工程师的角色逐渐从写代码转向设计需求和审核代码。**AI的影响还蔓延至非技术岗位。**美团推出的NoCode零代码平台允许普通员工通过对话创建应用。如一位餐厅经理只需描述“需要统计每日销量并自动生成报表”AI便会搭建一个包含数据录入、计算和可视化功能的小程序大幅提升了流程效率。二、AI编程的格局与新趋势AI编程是当前经过了市场验证的人工智能最先落地的领域。据研究机构Vision Research Reports预测8年后全球AI Coding市场将突破200亿美元。不过这可能都是一个偏保守的预测因为仅拿中国市场来看2023年中国软件和信息技术企业超3.8万家累计完成软件收入12.3万亿这都有可能转为AI编程的潜在市场空间。当前市场上已经涌现出一批AI编程的典型玩家包括CursorWindsurf、Devin、GitHub Copilot、字节Trae、通义灵码、腾讯云代码助手CodeBuddy等。特别是去年以来Cursor成为明星企业以其“氛围编程”体验和高效的AI辅助编码功能而闻名。它能帮助开发者用自然语言指令完成代码生成、错误修复和知识问答等任务极大地提高了开发效率并吸引了包括OpenAI和Midjourney在内的知名企业客户。Cursor近期完成了一轮9亿美元的融资最新估值达到90亿美元年度经常性收入在4月已增至2亿美元。目前大多数AI编程公司提供的能力主要有3大类第一类是程序员助手从IDE环境插件切入更多是一个Copilot的角色增强现有的工作流、提升效率第二类是主打Agent希望成为一个能够端到端执行任务的“数字程序员”。第三类是专注在特定代码模型从领域入手构建差异化的竞争力。当前AI编程在自主完成项目的能力上还有一定的差距且在幻觉消除、甚至有人嘲讽的“屎山代码”问题以及上下文长度、代码质量、项目架构等方面还存在不小的挑战但正如很多技术在初始时可能也是以很弱小、甚至被嘲笑的状态出现最后却改变了世界。可以确定地说AI编程的进化是必然趋势也是大模型通往AGI征程上可以持续升级的能力。从代码补全工具迈向自主Agent过去编程工具主要是提供一个IED环境或插件做代码补全、查找bug等如今各大编程工具正竞相推出云端Agent来独立完成一个完整开发任务可以覆盖从规划到编写、测试等全流程人类未来将从写代码转向分配任务和代码评审。GitHub Copilot 在用户分配问题后可以规划、编写、测试和迭代代码并提出经过全面测试、可供人工审核的拉取请求。OpenAI Codex作为一款基于云的软件工程代理工具可以并行处理多项任务其侧边栏可以接管任务每个任务在隔离沙盒里并行运行。如编写功能、解答代码库相关问题、修复错误、执行测试并生成可追溯日志等。每个任务都在专属的云沙盒环境中运行并预加载了用户的代码库。Cursor支持一次跑多条agent流水线并让它们处理更大的任务。这些代理在各自的远程环境中运行。用户可以随时查看状态、发送跟进或接管。Devin自创立起就定位在“AI软件工程师”它不仅仅是一个IDE的软件开发环境用户可以用自然语言向软件下达任务软件会自动搜索在线资源、工具以完成任务。用户可以一步一步地跟随看 Devin做了什么以及它正在做什么。从项目环节升级到覆盖整个大项目最新的Claude Opus 4在全球编程模型领域持续领先在复杂、长时间运行的任务和代理工作流中拥有不错的性能表现未来也有望能够承担更大的项目任务。最近Claude Code走红许多程序员称赞它是目前最好的编程工具。最近火热的Augment Code目标是“成为最懂你整个代码库的AI编程伙伴”。augment支持高达200K Tokens20万的上下文窗口这样的好处是前后端、数据库模型、各种配置文件等都可以放到大模型中让编程助手更理解用户的项目架构。它还可以索引多个关联的代码库实现跨项目理解和代码生成对于复杂业务逻辑更多的大项目来说更为友好。而且相比Cursor传统上“一问一答”的交互方式Augment的自动化程度更高省去了不少问答模式下反复追问的麻烦。独立编程工具可能被基础大模型“吃掉”关于独立的编程工具有没有护城河一直是行业的一个争议。秉持“没有护城河”一方的观点最典型的是“苦涩的教训” The bitter lesson即人们反复尝试用工程手段提升性能最终却总是被简单堆算力的方式超越。大模型能力的不断提升会“吃掉”不少个人应用创新的功能特别是工作流类的应用更容易被大模型的新能力取代编程也可能是其中一种。认为有护城河的则认为虽然基础大模型的能力在持续提升但是独立编程工具有较好的用户交互界面和环境不少工具也因此得到了用户的青睐。同时像Cursor等工具还针对低延迟、高频率使用的功能构建了专有模型进一步提升用户的使用体验并降低成本。而且更关键的产品在跟用户长期的互动中可以获得用户采纳、编程偏好、代码规范等各种数据从而成为更具个性化、体验更好的工具从而获得独立的发展空间。这跟最近流行的上下文工程Context Engineering思想也是一致的。但这些个性化的数据基础大模型也可以实现好比GPT今年4月推出的记忆功能可以提取用户跟大模型的历史对话从而分析用户的特点和偏好可能比用户自己还懂自己未来更有可能成为一种Life OS人生操作系统。当然短期内独立编程工具仍然有存在的空间这也是为什么OpenAI 提出斥资约 30 亿美元收购 Windsurf自然有其独特价值。因为当前争夺用户使用的心智培养使用习惯仍然非常重要要掌握与开发者贴得最近的入口。收购Windsurf后Open AI坐收了其百万现成用户包括半数财富500强公司摩根大通、戴尔等。而且还有一层意义在于防守因为如果编程工具的API都调用Claude将让OpenAI错失这个最具PMF的市场OpenAI当下非常需要一个好的交互界面和产品来做好防守。在Cursor无意被收购的背景下收购Winsurf也不失为一个好的选择。但上周末传出的消息这次收购被谷歌截胡Windsurf的CEO Varun Mohan、联合创始人Douglas Chen以及部分研发核心成员将直接加入谷歌DeepMind团队。这再次印证了当前AI时代“收购人才而非收购公司”的投资并购新特点。再者独立编程工具的价值还在于可以动态选择当下表现最好的编程基础模型而不被基模品牌绑定让用户始终保有最优模型的选择权。但同时基模强化自身编程产品的决心也是一以贯之的如Open AI 在寻求收购Windsurf的同时也在着力打造自己的AI编程产品Codex6月已面向 ChatGPT Plus 用户开放。Sam 对这个产品给了很多赞誉说这是第一次让他有接近 AGI感觉的产品之一。三、程序员向何处去“人人都是程序员”的新未来“码农”终将退场但程序员永存。过去程序员耗费大量时间在重复性、机械化的代码搬砖上而AI的崛起将彻底接管这些体力活。但真正的编程从来不只是写代码——架构设计、系统思维、问题抽象才是程序员的价值核心。**未来程序员不会消失但角色会被拆解、重组而更多的普通人会因为AI获得“编程权”。**未来的程序员会从码农到AI指挥官不再埋头写每一行代码而是驾驭AI像导演一样统筹全局。 从执行者到问题终结者核心价值转向定义问题、拆解逻辑、优化系统而AI负责填充细节。当AI编程的能力越来越强供给的提升反而也会激发更多的需求产生。历史上技术变革带来的“破坏性创造”现象在多个行业均有体现。虽然自动化短期内导致特定岗位减少但通过降低门槛、激发新需求、催生新职业反而创造了更多就业机会。这背后藏着的是“需求弹性法则”——**当技术把某种服务的成本和门槛降低一个数量级沉睡的需求会被唤醒。**远到早期汽车对马车夫的替代近到这些年的互联网技术改变的网约车行业。虽然对之前的出租车司机有一定的替代但也催生了更多出行需求反过来形成了庞大的专职司机群体。对程序员而言AI把开发成本打下来后“每个小店主都想有定制化库存系统”的场景可能即将上演每个产品经理也可以自己先做一套POC原型验证而不必再去苦等程序员的排期从而自己也成为半个程序员。往后延伸便是未来更多的“一人公司”成为可能因为以前创业更难找的是一个优秀的程序员合伙人。在自然语言编程工具的加持下个性化软件成为新可能。未来每个人可以基于自己的需求定制化设计自己的软件。如可以做一个每天汇总大模型最新进展新闻的应用给重要的亲朋发生日祝福的提示口述回忆录和记心情日记的APP未来三个月吃减脂餐的外卖小程序等等。未来用户甚至都感受不到自己是在编程只是输入了一些个人需求。而背后是工具在通过编程的方式调用各种工具来实现。在人人都是程序员的未来2030年的日常可能会是如下场景四、未来属于善于思考的创意者当 99% 的代码行可以机器生成**人类真正的护城河是——提出好问题、验证好答案以及为人类社会定义“好”的标准。**编程的终极民主化是让技术像语言一样成为表达思想的自然媒介。编程可能只是中间态未来只需要用户来提出需求由AI来完成实现。所以与其担心99%的程序员会失业不如思考那1%会做什么如果你能成为定义问题与评测标准的那1%AI赋能的时代将因你而更精彩。大模型入门学习教程 附PDF文档文末获取现在国内外关于大模型入门教程做的比较好的并不多这其实也是一件好事有难度和有门槛才能避免烂大街现在大模型入门教程热度最高的包括李宏毅老师、吴恩达老师、Datawhale开源社区等选择合适的入门学习教程能少走弯路抓住核心内容快速达到前沿的水平甚至是发表大模型相关的论文都是可以的这一期主要是给大家推荐李宏毅老师的最新课程大模型入门学习教程这个教程的主要内容如下总共11讲第1讲总体介绍这一讲主要介绍现在大模型作为生成式人工智能其发展的历史过程以及大模型落地的主要应用方向了解大模型主要学习什么内容难度不大简单看一下就行第2讲提示词和AI代理人首先介绍什么是提示词工程提示词就是人类和大模型交互的语言对于大模型的引导需要通过提示词来完成然后介绍如何引导模型进行思考比如COT是什么在模型训练过程中提供额外信息第3讲生成策略同一个问题多次询问大模型大模型会给出不同的回答如何提高回复的准确率以及稳定性是一个重要的大模型生成策略。了解大模型的生成概率与什么有关比如top_p, top_ktemperature等第4讲深度学习和Transformer这一部分先介绍一些深度学习基础内容大模型的模型都是深度学习模型了解深度学习中基础内容是有必要的比如损失函数反向传播梯度下降等然后介绍大模型的基础框架transformertransformer模型结构一定要非常熟悉很重要第5讲大模型评估和道德问题这一部分先介绍大模型的评估标准现在有很多benchmark从各个方面来评测大模型的不同能力评估指标很多开源的模型往往会选择有利于自己的指标进行展示然后介绍大模型中存在的道德问题因为大模型不能随意生成一些不符合道德社会文明的内容第6讲AI的可解释性给大模型一个输入只能得到一个输出但是我们并不清楚大模型的思考过程是怎么样的这个问题大模型是怎么思考的提升大模型的可解释性有助于后续研究如何提升大模型的推理性能像COT就是显式展示大模型的思考过程然后还可以让语言模型来解释语言模型第7讲视觉大模型常说的大模型都指的是文本大模型输入是文本输出也是文本而现实世界中可能我们的输入既有文本又有图片和视频输出也可能是多样化的视觉大模型就是能解决文本和视觉两种模态的大模型第8讲GPT-4o前面都是关于大 模型的理论这一部分是拆解一个完整的大模型是怎么样的以GPT-4o为例进行说明GPT**-4o是首个端到端多模态通用模型**是迈向AGI的一步能够实现文本音频和图片的多模态交互上面就是大模型的入门教程的所有内容学完这些可以去看看关于大模型微调大模型训练大模型推理加速RAG和Agent等相关的内容后面最好整一两个项目来实践一下上述资料获取1. 关注公众号【大模型应用开发LLM】领取即可获取2. 这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】