以技术为基石，拥抱AI浪潮的工程进阶之路

2022年11月， ChatGPT发布，在全球互联网行业中引发了剧烈的震动，爆发出AI惊人的能量，引爆全球AI浪潮。众多的公司与技术开发人员都涌入了AIGC这一条赛道，期望从中搏杀，探索出AI赋能互联网企业的新道路。

而这样的巨变，在软件行业，至少发生过三次。第一次发生在互联网蓬勃发展的时代，新的技术与商业模式的涌现，给予传统软件行业巨大的冲击，同时也为整个行业带来了前所未有的机遇与挑战。第二次发生在移动互联网时代，智能手机和移动互联网的普及，推动了行业格局的再次重构。第三次则是发生在云时代，云计算技术的广泛应用，使得数据处理和存储变得更加高效便捷。

如今，我们正身处于AI浪潮之中。7月5日，在2024世界人工智能大会上，金山办公在现场发布WPS AI 2.0，包含WPS AI办公助手、WPS AI政务版等应用，标志着金山办公在 AI 时代的信念与决心。

回溯历史，在计算机软件时代，十二万两千行代码的WPS在深圳蔡屋围酒店501房间横空出世，求伯君以一己之力，抗衡整个微软，被称为中国第一程序员。这是金山的技术底力，金山是一家从一开始就充满传奇色彩的公司，技术立业的思想，已经在此刻融入了金山的血液。因此，在移动互联网时代，金山抓住移动互联网的风口，积极拥抱移动互联网，完成了自我在移动浪潮下的革新之路。以及在后来的云时代，金山办公将战略修改为ALL IN CLOUD，实现了从传统办公软件向云服务的转型升级。在如今的AI时代，金山办公作为AI时代中大模型最大的应用方，积极拥抱AI时代的新机遇，不断拓展其在AI领域的应用场景和业务范围，为实现企业的长远发展奠定了坚实的基础。

在漫长的岁月里，金山办公面对新的挑战与新的局势，始终保持着对技术的热爱和追求。这种在技术上不断进取、面对新的环境勇于挑战的精神，让金山办公在技术的道路上不断前行、不断成长。这对于每一位程序员的成长来说，有着莫大的借鉴意义。那对于个人，如何主动地拥抱AI浪潮呢？

通过借鉴金山办公的过去，不难发现，对于每一位程序员来说，扎实的基础是立业的根基。计算机世界中，一部分诸如AI技术，在迅猛发展。而计算机并非无源之水，无本之木，有其飞速变化的部分，亦有其变化较慢的部分。

一方面，诸如一些经典的算法思想，如经典排序算法，提出于1946年至1960年不等；动态规划算法思想，提出于1950年；最短路径算法，提出于1959年。着眼于当前大热的AI算法，其基石——反向传播算法，提出于1974年；卷积神经网络，提出于1980年；循环神经网络，提出于1986年；长短期记忆网络，提出于1997年；在优化算法中，梯度下降，提出于1847年；随机梯度下降，提出于1951年；Adam 优化算法，提出于2014年。这些算法，即使经历了漫长的岁月，如今仍是AI技术的基石。

另一方面，则是计算机体系结构与操作系统中底层的部分，如指令集架构，x86 架构于1978年推出；ARM 架构于1985年推出。虽然不断有新指令和扩展被添加，但核心架构保持相对稳定。而存储器层次结构中，自1980年代起，三级缓存（L1、L2、L3）成为现代处理器的标准后，尽管缓存的大小和速度有所提升，但是这一结构在数十年间并没有发生根本性变化。此外，虚拟内存的基本概念和实现方式自1961年首次引入以来，近60年来，虚拟内存的实现，在操作系统中几乎没有改变。

正是这些内在的灵魂，支撑着技术的发展和应用的创新。但是，了解底层的应用，对上层应用的设计有帮助吗？

让我们来看一个简单的例子：

我们都知道在C++中，std::vector是非关联式容器，采用顺序存储；而std::map是关联式容器，底层采用红黑树进行存储，而红黑树又采用指针进行存储。根据直观的想法，使用std::vector进行查找的开销为O(n)，而使用std::map进行查找的开销为O(logn)，直观上看来，在查找较多的应用上无脑使用std::map是一个合理的选择。

但是让我们进一步看看两个容器底层的操作：std::map底层使用的是红黑树，势必存在左右指针以及指向父节点的指针，每个节点都存在三个指针的开销。而std::vector通常不包含冗余的内存开销（除了std::vector容器预留的空间，但是这部分空间可以通过swap技巧清除）。现在我们假设存在一个 Widget 类，每个 Widget 对象占用 12 个字节。一个指针大小为 4 字节，而一个页面可以容纳 4096 个字节（4KB），那么对于std::map而言，每个页面可以存储约 170 个 Widget 对象，而使用 std::vector 则可以存储约 341 个 Widget。

在这种情况下，使用std::map造成了比使用std::vector接近两倍的开销，当数据量很大时，如果操作系统使用了虚拟内存，由于std::map底层使用的树结构中，节点通常是分散的，因此导致遍历或访问容器时，会访问到更多不同的内存页面。此外，当程序使用的内存超过了可用的物理内存，或者std::map中分散的内存访问模式导致更频繁的页面缓存失效时，操作系统将会将一些不常用的内存页面换出到磁盘上的交换空间中，这部分内存不再驻留在物理内存中，而是存在于磁盘上。程序访问这部分内存时将会触发页面错误，操作系统通过暂停当前进程、找到需要的页面，从磁盘读入该页面到物理内存、更新页表，恢复进程这三个步骤，从而将它们重新加载到物理内存中，这些步骤会带来额外的开销，尤其是从磁盘读取页面的时间会显著影响性能。因此对于大数据量的应用程序，频繁的页面错误处理会导致系统显著变慢。

而这仅仅是性能方面的影响。当我们面对更加复杂的问题时，一旦涉及到底层，诸如未知代码的踩踏或是CPU分支指令预测逻辑错误，会导致直观上难以理解的bug，常规调试工具提供的线索在此时非常有限，由于存在编译器优化，工具本身的结果也不一定正确，此时反汇编在这种场景往往会发挥巨大的作用，通过汇编与程序直接的映射关系，才能更加理解编译优化对代码产生的影响，以及造成问题发生的根本原因。因此，理解计算机系统底层，对应用的优化、调试甚至架构设计上，都会有更高层次的俯视。

2023年，ChatGPT带来办公软件革命性的升级，微软、金山办公开启了智能化办公的新纪元，新的技术正在不断重构办公软件的价值天花板。作为个人，在不断完善基础理论与熟练使用语言工具及工程方法的同时，逐步深入到深度学习的领域，积极拥抱现有主流方法与技术。与学术方向不同，工程方向则考虑得更多的是新兴方法应该如何惠及千万用户，是否适合现有的用户场景。无论是多端是否适配，还是模型的性能与效果要如何取舍，都是需要考虑的问题。

旧时代的船无法前往新的世界。深入研究深度学习领域的最新进展，跟踪前沿技术应成为日常。无论是卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN），还是新兴的自监督学习、迁移学习、强化学习等，需要在理论上进行了解，但最重要的仍是实践中积极应用。技术是解决现有问题的工具，应积极考虑用新兴方法解决旧疑难杂症。具体到目标检测领域，则需要考虑如YOLO、Faster R-CNN等主流方法。如果是自然语言处理相关方向，那如何利用大语言模型+微调的方式解决传统问题，或带来革命性的用户体验，则是需要考虑的问题。

再者，工程化的实施需要考虑多个方面的问题。可移植性是其中一个重要因素，模型不仅要在开发环境中运行良好，还要能够顺利迁移到生产环境，这在实际的开发环境下。移动端适配则要求模型在资源受限的设备上同样表现良好，这涉及到模型的剪枝、量化等技术。此外，模型的性能与效果如何取舍也是工程化中的一个关键问题，需要在精度、速度、资源消耗等多个维度进行权衡，以找到最佳的解决方案。

在互联网AI革命中，金山办公积极拥抱AI浪潮，成为AI大模型应用的领头羊、探路者、先驱者。章总在接受财经杂志专访时说：“过去大家还有贸工技、技工贸的分歧，还有市场换技术的幻想。但今天大家有共识，没有幻想，所有人都在选择核心技术研发”。曾经，企业的护城河是品牌、是专利，或是经营规模等。 而互联网每一次巨变，带来的都是全新的技术，全新的模式，以及全新的挑战。如今，随着时代的迅猛发展，我们必须使我们的技术栈与时代的要求保持一致，这促使我们必须不断奔跑，跑得比所有人都快，而不断奔跑的能力，本身就是企业的护城河，也是你我的护城河。

希望通过我的分享，能够帮助更多技术爱好者在AI浪潮之中，在深度学习以及 AI 工程开发道路上不断前行，实现技术立业的梦想。

最后，借用雷总的一段话，与君共勉：

在一个网站就能成名的门户网站时代，我勤奋的能写出像诗一样的代码；在建立一个平台就可以功成名就的BAT时代，我辛苦写代码，996了十多年，怎么就做不出让用尖叫的产品？在群雄逐鹿，做一个APP都能融资上亿的时代，我还要错过什么？勤奋我有、技术我有、智慧我有、人脉我有、资本我有，唯独用户，我没有。我需要用户，但这个事情必须要做成用户需要我，需要我的产品和服务；一切围绕用户需求展开，努力做到“专注、极致、口碑、快”