精进专业能力
在 AI 生成大部分代码的新时代，对软件工程师的预期似乎变成了：
- 善于将工作拆解为更小的任务
- 能够跨栈工作：从前端到后端，甚至到移动端
- 具备产品思维（product-minded）：主动与客户交流，不用别人催就去修 Bug，主动提出产品改进建议
- 尽早思考架构决策，在软件结构设计上做出务实的选择
- 善于验证 AI 的输出
- 能亲自动手搞自动化测试和可观测性
- 持续管理技术债（tech debt）
- 提升自己的审美
理解 AI 的宏观视角
AI 是新时代的基础设施
- 类比: 电力、互联网一样的不可或缺的基础设施
- 本质变化: 从”预录制软件”到”实时生成的智能”
- 传统软件: 人类编写算法 → 计算机执行 → 精确查询检索
- AI智能: 理解非结构化信息 → 实时推理生成 → 每次响应都是全新创造
AI 产业五层结构
黄仁勋提出”五层蛋糕”模型,自下而上:
-
能源层 - 第一性原理,硬性约束
- 实时生成智能需要实时电力
- 每个token都是电子流动、热量管理、能量转化的结果
- 决定系统能产生多少智能的上限
-
芯片层 - 能源转化为计算力
- 需要庞大并行计算能力、高带宽内存、快速互连
- 决定AI扩展速度和智能成本
-
基础设施层 - AI 工厂
- 土地、电力输送、冷却系统、建筑施工、网络
- 将成千上万处理器协同运作,设计目的不是存储信息,而是制造智能
-
模型层 - 理解多种信息类型
- 语言、生物学、化学、物理学、金融、医学、物理世界
- 语言模型只是其中一类
- 突破性领域: 蛋白质AI、化学AI、物理仿真、机器人技术、自主系统
-
应用层 - 创造经济价值
- 药物发现平台、工业机器人、法律助手、自动驾驶汽车
- 人形机器人是具象化在身体中的AI应用
关键洞察: 每一个成功的应用都在向下拉动整个技术栈,一直延伸到发电厂
具体行业机会
基础设施建设(低门槛高收入)
全球AI基础设施建设仍处早期阶段:
- 当前投入: 数千亿美元
- 未来需求: 数万亿美元规模
- 岗位需求 (不需要计算机博士学位):
- 电工、水管工、管道安装工
- 钢结构工人、网络技术人员
- 设备安装人员、运维人员
- 特点: 高技能、高收入、严重短缺
AI 直接应用的行业
已在规模化应用中产生经济价值:
- 医疗: 药物发现、影像诊断、蛋白质AI
- 制造: 工业机器人、化学AI、物理仿真、制造业升级
- 服务: 法律助手、客户服务
- 交通: 自动驾驶、物流优化
- 软件开发: AI辅助编码
知识工作者转型逻辑
放射科医生案例:
- AI承担读取影像的重复性工作
- 医生专注诊断判断、沟通交流、患者护理
- 结果: 医院效率提高 → 服务更多患者 → 雇佣更多员工
核心逻辑: 生产力创造容量,容量带来增长(不是零和博弈)
时代判断
- 影响范围: 能源生产方式、工厂建设方式、工作组织方式、经济增长模式
- 建设阶段: 仍处早期,大量基础设施未建成,大量人才未培训
- 开源推动: DeepSeek-R1等开源模型激活整个技术栈需求
- 全球趋势: 每一家公司都将使用AI,每一个国家都将建设AI