企业官网建设流程全解析

这一现象指向了一个更加深层的规律, 它暗示出效率的大幅提升并不必然会引发岗位的消灭, 反过来, 却有可能推动市场规模的整体扩充。随着编码成本不断降低, 企业将会更有勇气去尝试多样化的数字化创新举措, 这些创新又进一步催生了针对软件领域的旺盛需求。

这与银行业里自动取款机大量普及之后的情形有相通之处, 当时自助设备的增加并没有造成柜台人员总数的缩减, 反而是因为银行能够开设更多的营业网点, 使得总体的人员数量不降反增, 如今AI编程助手的广泛运用同样极有可能促成数码行业领域内总就业规模的显著扩张。

针对这种情况, 程序员采取的应对办法不是去抵触, 而是主动把自我的角色往 “AI协作工程师” 这个方向去调整一下, 去熟练地使用包括通义灵码在内的这些工具, 把那些重复性的劳动全权推给 AI 去做, 与此同时呢, 还是要牢牢地把控住对核心逻辑的把握、对创意设计的把控以及对业务理解的把控权, 坚持拥有这种绝对的主控地位, 这样的一种做法, 才是当下处在 AI 这个大时代里面真正的生产力发生变革的那个方向。

二、技术路线的深层分歧：AI并非唯一的未来，量子计算正在走来

如果要讲第一部分讨论的关于“当下如何协作”的事, 那么第二部分就涉及“未来往什么地方走”的问题。克里希纳之所以能有清醒的判断, 并不是单纯因为评估了AI在目前的能力水平, 更加关键的原因在于他对技术路线图所做的战略选择。正是在这样的层面里, IBM与另外一方之间正在出现一道非常深刻的分水岭。

首席执行官, 那个人叫山姆·奥尔特曼, 他是那种对于超级智能这一事物持有非常坚定信仰的人。他不止一次地去预言过这样一种情况, 如果持续地加大对模型规模的拓展力度, 同时不断去增加算力的投入还有数据的提供量, 那么就能够以一种跨越式的状态去实现通用人工智能这个目标。

一旦实现了这个目标, 接下来就会发生一些不得了的事情, 那就是会对所有有关科学上的发现以及各个产业里的创新活动造成颠覆性的影响。

然而克里希纳的观点是截然相反的, 他公开进行了表示, 现在基于大语言模型的AI范式“无法推动真正的科学突破”, 它擅长从既有数据中学习模式, 却难以发现全新的物理定律, 也困难设计出革命性的催化剂, 或者破解蛋白质折叠的长期难题, 所以, 克里希纳决定将赌注押在另一个方向之上, 那就是量子计算。

他相信, 只有量子计算机才是能够真正起到模拟分子与材料的量子行为作用的事物, 从而在医药领域带来根本性创新, 并在能源领域带来根本性创新, 还在材料科学领域带来根本性创新。

这一分歧对于数码行业从业者进行职业规划的实践具有非常现实且重要的指导意义。首先, 这一情况明确地提醒了我们: 人工智能领域的热潮不应该遮挡住我们对其他基础性技术所必须进行的长期积累。

在这一方面尤其需要引起大家高度重视的是, 国际商用机器公司正在大规模地大力削减人工智能模型的训练成本以及推理成本, 并且更加推崇小型的、运行高效的模型作为实际的落地路径, 例如该特定系列的产品方案。

这一点说明在未来的日子里, 中小型企业不需要去花费动辄达到几千万美元那样的算力成本投入了, 它们也照样可以部署像定制化的AI代码助手、文档分析工具或者客服机器人这样的应用。

这样一来, 整个行业的生态结构将会变得越来越扁平化, 程序员们手中的技术栈也不必被强制锁定在“大模型微调”这样一个单一的方向上面去。

更为重要的事实在于, 量子计算这回事儿和人工智能那回事儿, 并不属于那种你死我活的对立关系, 相反的, 它们是能够彼此补充的这么一种状态。按照 IBM 公司制定的计划, 量子计算机在短时间之内, 将会扮演一个加速协处理器的角色, 以便同经典计算机协同工作。

人工智能技术可以被用来优化量子线路的布局情况, 也可以用于进行量子纠错解码操作, 还可以用来解读那些由量子计算所产生的、带有概率性质的结果。

反过来讲, 量子计算这项技术, 也大有希望为 AI 模型的训练工作提供具有指数级增长速度的加速支持, 特别是对于那些组合优化问题, 以及图神经网络等应用场景来说。这些领域的内容, 往往很难在传统的标准硬件设备上实现扩展性提升的效果。

如果程序员在开始的时候就把注意力放在IBM等等这些开源平台方面，去学习量子算法那些最基础的东西, 就像是QAOA和VQE一样, 并且在“混合计算”这种交叉型的技能上面进行预先的布局规划的话, 那么在今后的5到10年这个时间的技术更新迭代的过程当中, 他们就有可能去拿到一个领先的、先发的优势地位。

三、卸下“替代恐惧”：工具进化史中不变的规律与务实策略

咱们可以把技术路线当成是在理性层面搞规划, 然后把职场心理看作是感性层面必须要打的一场非常艰苦的攻坚战。克里希纳这个人, 他当时又把AI比成了计算器争议那回事, 他这么做, 实际上就是揭示出了一个被一遍又一遍验证过的历史规律, 什么意思呢?

就是说, 每一次有新的技术在革新, 都肯定会让人产生那种担心自己会失业的恐慌, 但是那些工具, 从来就没有真正地把人类给取代掉过, 它们只是把人类到底是个什么价值, 又重新地进行了一番定义。

我们可以把目光投向那些耳熟能详的典型实例, 比如说, 在十八世纪末, 那时候英国的纺织工人们去捣毁机器设备, 他们的想法是那一台自动运行的织布机会让所有靠手工操作的织布人员丢掉饭碗, 但是从后续的发展结果来看。结果是纺织行业里的产量出现了爆炸式的增长。

产品的售价也随之大幅降低, 市场的需求也跟着直线上升了, 最终的情况是, 企业还是雇用了更多的员工, 只不过大家工作的性质不再是以前的那种纯手工的织布活计了, 而是转向了对机器进行日常维护以及参与机器的设计与改良工作。

在20世纪初, 当汽车取代马车的时候, 马车夫曾进行过激烈的抗议行为, 可是, 在那之后, 却出现了一系列全新的职业, 这些职业包括司机、修理工、加油站服务员、还有道路工程师等等。

到了21世纪初, Excel与财务软件普及的时候, 会计行业的人曾经哀叹说手工记账这一模式将会消亡, 但是, 实际情况却是, 会计师因此腾出了更多的时间, 去从事税务筹划、以及风险咨询这样的高附加值服务, 从而使得整个行业的收入获得了大幅度的提升。

程序员抵触AI的情况, 与当年设计师对设计的抵触是非常像的, 这种情况本质上是因为人们对未知的东西感到害怕, 绝对不是因为这个工具本身存在什么问题。可是抗拒这种行为是没法拦住技术进步的脚步的, 相反的话, 它很可能会让每个人自己失去那些能够让自己变得更好的机会。

所以大家改变想法的一个重要关键点, 就是要看清到底人工智能能给属于“我”的这个个体带来什么样的用处和能力。

现在的人能够直接看懂的普通话书面语可以表述为: 人工智能工具能够在对代码进行审查的过程当中, 发掘出那些潜藏着的逻辑漏洞问题, 同时自动地去把处理异常情况所必须的分支代码给补全；它能够依据文本注释内容来生成完整的函数体代码, 以此来减少那些重复性的高样板代码的产生量；当需要对老旧系统结构进行重构操作时, 它可以推荐更加优越的执行算法方案, 甚至还可以自动生成对应的单元测试用例。

这些情况根本就不是什么“替代”, 而是让职业得以升级的一个非常好的机会。程序员这样的人能够把更多的精力放在更好地理解需求上面, 放在对架构进行权衡上面, 还要去考虑怎么和团队沟通, 以及怎么去开展创新的探索工作。而这些方面恰恰就是人工智能在短时间里没法模仿出来的人类具备的优点所在。

当然, 现实中那些个挑头的难题还在, 其中最让大家心里没底、盯着看的, 就是那个知识产权的问题。

你看, AI模型在咱们训练它的时候, 那可都是用了不少开源代码的, 结果它生成的那段代码片段, 说不定就在无意之间把那个GPL协议管着的、受保护的老代码给复现出来了, 这样下来, 企业就得跟着背锅, 惹上一身法律风险了。

针对这种情况, 业内人员得拿出实际的法子来应对, 他们应该把那些没有版权风险、标准化处理好的代码先交给人工智能去弄掉, 比如说那种普遍使用的工具函数, 还有数据转换用的脚本, 亦或是单元测试的模板, 再或者是配置文件的一些示例这些内容都可以这么干, 至于那些核心的业务逻辑部分, 像是有区别的算法, 又或是带有些创意性质的交互设计这类东西, 就应该依旧让人来打草稿并且由人来负责最后把关才行, 另外一方面, 相关企业还应当建立起一套专门用来审查以及进行标注的人工智能生成型代码方面的机制, 以此来保证整体的合规性是没有问题的。

眼下相关的法律法规还没能全部完善好, 这个时候刚好有个过渡时期。所以呢, 这种叫做“AI帮忙加上由人来说了算”的分层办法就派上用场了。这么做一方面能把风险给避开掉, 另一方面也能保护好程序员手里头最最核心的那种创造出来的价值。

结语：重新定义“生产力”，迎接“AI协作工程师”时代

数码行业里面的生产力变革, 从来都不是那种机器把人类替代掉的零和游戏。克里希纳提出的那个百分之二十到百分之三十的论断, 加上他对于量子计算选择的战略押注, 还有他对于工具进化历史那种深刻的理解, 这三样东西加在一起, 都指向了一个非常清晰的结论。

真正让人感到焦虑的东西, 并不是人工智能能够做到的那些事情, 而是我们这些人, 是不是真的愿意去主动地调整自己在这个位置上的角色定位。

未来的高价值程序员, 不再会是那种敲代码速度最快的人, 而是能够最深刻理解问题、最擅长设计系统以及能够与人工智能进行高效合作的那个人。人工智能的任务是负责将重复性的事情变得更简单一些, 而你则需要负责让那些复杂的事情变得有实现的可能。

这在职场上意味着什么呢? 这意味着你要主动去学习人工智能编程助手的使用方法技巧。你要保持对底层基础算法的深度理解, 也要保持对系统设计原理的深度理解。与此同时, 你还应当以一种非常开放的心理状态去关注类似量子计算这样具有相邻关系的技术的发展演进情况。

从心理层面来说, 这其实是代表你要把“替代恐惧”这个包袱给卸下来, 然后去拥抱那个叫做“升级机遇”的东西。因为每一回工具发生的革命, 到了最后都会变成咱们人类能力的扩展, 而绝对不会是那种收缩的情况。

大家与其在那里担惊受怕, 担心自己被替代。不如赶紧行动, 成为第一个去拥抱, 那个叫做AI协作工程师的新身份的人。因为工具这个东西, 它永远都在不断地变化着。但是人类对于创造力的发挥, 对于判断能力的运用, 还有对于那些责任担当的承担。

这些一直是数字行业里, 不可能被替代掉的核心灵魂所在。所以我们应当早点把心里的焦虑给告别掉, 顺手拿起AI这把全新的计算器。然后用它去处理那些确实值得我们去解决的问题。