“编程”可能不再是核心技能有媒体报道，亚马逊云计算的CEO加尔曼（Matt Garman）在6月的内部讲话中提到：“如果我们从现在开始往后推24个月，或许大多数开发者将不再需要亲自编程了。”加尔曼还表示：“编程其实是我们与计算机沟通的一种语言，并不一定是技能本身。”他认为，真正重要的是我们如何创新，如何创造出终端用户感兴趣的东西。目前，包括亚马逊云计算的加尔曼和英伟达的黄仁勋等科技高管都在表达类似的看法。卡帕西也曾说过：“未来最流行的编程语言可能是英语。”这意味着，程序员和开发者的工作经验优势可能会被重新评估。洛桑大学商学院的助理教授什雷斯塔（Yash Raj Shrestha）在接受采访时提到，“随着生成式AI的出现，编程的门槛已经大幅降低。五年前，要成为合格的程序员至少需要2-3年的Python、Java或C++经验，但现在，就算是刚毕业的大学生，只要用像Copilot这样的工具，也能快速、准确地开发软件。成为‘好’程序员的门槛真的是降了不少。”他补充道：“五年前，有10到15年的Python经验的人薪水会比只有两年经验的人高得多，但现在公司对经验丰富的员工的需求已经不再那么强烈。”那么，门槛的降低会不会导致大量程序员失业呢？根据独立裁员追踪机构Layoffs.fyi的数据，今年全球已有435家科技公司裁掉了约13.6万个岗位，其中硬件、交通和金融行业的裁员最为严重。特斯拉、亚马逊、谷歌、TikTok、Snap和微软等大公司在2024年上半年进行了大规模的裁员，甚至一些小型初创公司也面临着大量裁员或关停业务的困境。什雷斯塔指出，科技行业的新职位增长已趋于稳定。他认为，“软件部署现在不需要庞大的团队，使用AI的小团队就能完成工作。”甚至Stability AI的创始人莫斯塔克（Emad Mostaque）也曾预测：“五年内将不再需要程序员。”中欧国际工商学院的谭寅亮教授在斯坦福大学人工智能研究院和数字经济实验室担任访问学者期间表示，“被AI替代的工作只是小部分，因为AI工具的训练数据质量参差不齐，可靠性与安全性尚待保障，目前谈论AI导致大量失业还为时尚早。”他补充道：“如果AI能替代人，实际上是优化掉那些不会使用AI的人。”在这样的背景下，多位接受采访的学者和创业者表示，AI对程序员和开发者的技能提出了新的要求。谭寅亮认为，“对于开发人员来说，更好地理解产品需求和建模才是重要的，另一个关键技能是学会剥离重复的、规律化的任务，并找到用AI实现的捷径。”资深互联网创业者Max Hu也提到，开发人员需要提升思考的框架层级和创造力，比如如何构建系统、调整开发流程以及要开发什么功能，而不是仅仅关注如何实现这些功能。他强调：“我们需要更多地思考做什么（What），而不是怎么做（How）。因为当使用AI生成代码时，很多时候只需把功能描述写出来。”此外，Hu还提到，编程不能简单理解为写代码。“开发人员可能不需要亲自写太多代码，但他们需要充分了解系统的运作方式。AI是有局限性的，因此了解AI的能力边界，弄清楚能做什么和不能做什么，与了解AI的能力本身同样重要。”初创团队迎来弯道超车的机会？多位学者和AI创业者在接受采访时表示，AI开发助手的使用降低了开发人员的工作量，企业的开发成本也随之减少，同时为独立开发者和小型初创公司带来了更多机会。亚马逊的贾西（Andy Jassy）最近表示，将亚马逊的生成式AI开发助手“Amazon Q”整合到内部系统后，节省了约4500个开发人员一年的工作量，节省了2.6亿美元的运营开支。谭寅亮指出：“我们在企业参访中发现，许多公司已经将Copilot和Cursor引入技术部门，同时搭建内部平台，让非技术员工通过自然语言使用大模型，或借助RPA（机器人流程自动化）来减少重复性工作。”同时，组织成员间的沟通成本也显著降低。Hu表示：“团队人数一多，沟通成本就会大幅上升，很多时候有想法的核心人员需要花费大量时间来向其他人解释自己的想法，而信息在沟通中也容易变得模糊。而AI的出现适合精简创业，1-2个人就能开发出一个相当不错的原型。”他预测，“马太效应会变得愈发明显。优秀的开发人员能力可能被十倍放大，而经验不足的开发人员反而会受到AI的威胁，因为他们在工作中没有培养出更系统和更结构化的问题思考及方案构建的能力。”程序员和开发者的培养方式将面临变革值得注意的是，从新手到资深开发者是每个行业和岗位都必须经历的过程。既然AI已经能够生成代码，完成大部分简单、重复的入门级工作，那么程序员和开发者应该如何培养呢？这也是学校和企业需要面对的一个难题。在计算机专业的教学中，变革已经开始发生。一个显著的变化是，测试和调试在课程中的比重逐渐上升，而之前大多数计算机科学的入门课程更侧重于代码的语法和程序的运行方式。美国纽约州波茨坦克拉克森大学的计算机科学教授马修斯（Jeanna Matthews）表示：“我们看到这项技能的提升，学生们从生成式AI中获取代码片段后，需要测试这些代码的正确性。”此外，能够将复杂问题拆解成小问题并通过大语言模型解决的能力也变得越来越重要。加州大学圣地亚哥分校的计算机科学副教授波特（Leo Porter）指出：“在课程中很难找到教授这项技能的地方——也许是在算法或软件工程课程，但那些通常是高级课程。现在，这已成为入门课程的重点。”新加坡国立大学的计算机学院副教授OOI Wei Tsang表示，“（生成式人工智能工具）将为我们腾出时间来教授更高层次的思维，比如如何设计软件，什么问题是对的，以及解决方案是什么。学生可以花更多时间关注优化、道德问题和系统的用户友好性，而不必过于关注代码的语法。”Hu在接受采访时提到，学校在专业人才培养和职业发展道路上都需要进行调整：“以前经验不足的开发者需要做一些简单的工作，而现在要学会如何与AI进行对话，明白它的能力与局限。”他总结道：“不过，现实往往是滞后的。”
(本文来自第一财经)
