AI 时代，程序员是否会被AI取代？这是我听过最好的回答！！

---

ChatGPT 横空出世后，“AI 即将取代程序员” 的观点一度引发热议，至今尚未完全冷却。作为一名服务端开发工程师，同时也是ChatGPT 的“忠实”用户，经过将近一年的使用，今天抽空写一篇文章，谈谈自己对“AI 时代，程序员何去何从？”这一问题的看法。

文章目录

• 一、前言
• 二、程序员会被 AI 取代么？
• 三、服务端开发尚难被 AI 取代
• 四、服务端开发何去何从？

一、前言

2022 年 11 月 30 日，OpenAI 发布了一款名为 ChatGPT的聊天机器人程序，旋即引爆网络，在全球范围内引起巨大反响。紧随其后，各种大语言模型如雨后春笋不断出现。国外如 Google 的 Bard、Anthropic 的 Claude，国内如百度文心一言、阿里通义千问、讯飞星火认知大模型、昆仑万维天工大模型等。

相较于之前的模型，以 ChatGPT 为代表的大语言模型在代码生成、代码解释能力方面有了质的飞跃，很多程序员已经开始借助大语言模型编写、优化代码，因此很多人认为 “程序员即将被 AI 所取代”。

二、程序员会被 AI 取代么？

“AI 取代程序员” 并不是什么新鲜的话题，事实上，早在“低代码”概念出现时，人们就已经开始讨论程序员是否会被淘汰的话题了。在ChatGPT 横空出世后，该话题被人们连夜从地里挖出，重新装扮后，紧急上线，再度推上了热搜。

目前，一些有条件的人已经开始借助 AI 来学习技术、编写代码和辅助解决问题等。AI 技术极大地缩短了掌握知识的路径，一些原本需要读很多书、看很多专栏才能搞懂的知识点，让 AI 工具给你举例子，并用通俗易懂的语言来解释，就可以快速地掌握。一些看似并不复杂的代码，如果你自己去写可能要写半小时， AI 则可能只需一两分钟就能产出，而且质量往往更高。有了 AI 的加持，那些编程经验并不丰富的初级工程师，也可以 “写出” 相对优秀的代码。

AI 给很多行业带来无限可能，在部分场景下，AI 可以大幅提高开发效率。在不久的将来，AI 有望取代一些低水平（比如仅会 CRUD）的程序员 。不过，就笔者使用 ChatGPT 辅助编程的经验来看，AI 目前生成代码的水平，要全面取代程序员还有很长的一段路要走。

三、服务端开发尚难被 AI 取代

大型软件系统，本身往往具有较高的复杂度。我们可以简单地将复杂度分为两个维度：业务与技术。 高业务复杂度的系统，必须进行科学、有效的需求分析与领域建模，方可在满足当前功能性需求的同时获得可持续演进的应用架构；高技术复杂度的分布式系统，则需要充分考虑诸如高并发、高可用、高性能、数据一致性等非功能性问题，才能在设计权衡中寻求技术架构最优解。纵观全球，AI 的水平尚无法应对上述两种复杂度。

此外，大模型虽然具备生成代码、解释代码甚至优化代码的能力，但是还多停留在 “函数/方法” 维度，不能很好地生成类维度、模块维度、项目维度的代码。同时，生成的代码仍然需要人工审阅、优化、部署、验证。对于复杂的任务，还需要人工拆解为大模型能够 “理解” 的粒度。

再者，即便不考虑数据安全、自研模型成本等因素，单就服务端研发流程来看。编码只是整个软件生命周期的一环 ，软件开发还包括需求分析、抽象建模、系统设计、数据设计、非功能性设计、测试、运维等环节。很多时候，编写代码作为解决问题的最终手段，并不困难，而困难在于对问题的识别、理解、定义和抽象，这些都依赖人工反复推演。当一个问题被明确并拆解到软件项目维度的时候，面对确定的任务、清晰的目标、合理的架构，可以解决问题的人就非常多了，AI 自然也才有用武之地。

四、服务端开发何去何从？

AI 时代必将对人类社会的生产、生活带来深刻的变革。虽然目前大模型还存在很多缺点，如幻觉、推理能力弱等问题，但是，其潜力不可小觑。某种意义上，正是因为大模型还不完美，我们才没那么容易被淘汰。

AI 时代，简单、重复的任务被 AI 取代是不可避免的。新的时代，我们需要重新审视核心竞争力的内涵， 持续学习，不断夯实自身的能力护城河。只有技术积累有足够的深度，才能提高对 AI 生成信息的辨识能力，才能在享受 AI 带来便利的同时，控制、降低其负面影响。

以服务端开发岗位为例，领域知识是最基础却又最重要的能力，但是，只有当领域知识形成体系时，才可以称之为真正的核心竞争力。那么，如何才能使自己的领域知识体系化呢？

想象一下，为什么你对家所在的小区周边特别了解，随便把你放在一个角落，你都能慢慢摸索出来？究其原因，是因为你脑海中已经形成了小区周边的整体大图，并对关键节点了然于胸。如果把你放到陌生的小区，你可能就懵了，关键节点、整体大图都没有，胡乱摸索，即便你把摸索路上所见到的每一个下水道井盖的情况都搞清楚了，也没什么意义，再过几条街你就忘了。

回到上面抛出的问题，高效学习、知识体系化的关键在于：构建宏观层面的整体大图，并深入理解关键知识点。这些关键点就是这个领域的骨架、支点。缺少骨架和支点自然难以体系化，缺了宏观大图则容易误入歧途。

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

学习路线

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓