“编程”或许不再是核心技能据媒体报道，亚马逊云计算（AWS）首席执行官马特·加尔曼（Matt Garman）在6月份的内部会议中表示：“如果从现在起往后推24个月，或者更长时间——我无法准确预测——大多数开发人员可能将不再需要直接编程。”加尔曼指出：“编程就像是我们与计算机交流的语言，这并不一定是技能的本质。”他进一步强调，真正的能力在于如何创新和创造出让最终用户感兴趣的产品。目前，包括加尔曼和英伟达首席执行官黄仁勋在内的多位科技高管表达了类似的看法。卡帕西也曾表示：“未来最流行的编程语言将是英语。”这带来的直接后果是，程序员和开发者所积累的工作经验将被重新评估。洛桑大学商学院信息系统系助理教授亚什·拉杰·什雷斯塔（Yash Raj Shrestha）在接受第一财经记者采访时指出：“生成式AI的出现显著降低了编程的入门门槛。五年前，成为合格程序员需要2-3年的Python、Java或C++经验，而如今，即便是刚从大学毕业的人，也能借助像Copilot这样的工具快速、准确地开发软件。成为‘优秀’程序员的门槛确实降低了。”他补充道：“五年前，拥有10到15年Python经验的人能获得远高于只有两年经验者的薪水，但现在公司对高经验员工的需求已不再那么迫切。”那么，编程门槛的降低是否意味着大量程序员会失业呢？独立裁员追踪机构Layoffs.fyi的报告显示，今年全球已有435家科技公司宣布裁员，约13.6万个岗位被裁撤，硬件、交通和金融行业受影响最为严重。特斯拉、亚马逊、谷歌、TikTok、Snap和微软等公司在2024年上半年进行了大规模裁员，小型初创公司也经历了不少裁员，甚至有些公司彻底关闭了业务。什雷斯塔表示，科技行业的新职位增长已趋于平稳。他指出，“软件部署不再需要庞大的团队，小型团队利用AI就能高效完成任务。”Stability AI的创始人埃马德·莫斯塔克（Emad Mostaque）此前甚至预测，“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曾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，他在接受采访时表示：“被AI替代的工作只是少数，因为AI工具的训练数据质量不一，可靠性和安全性尚未得到保障。目前谈论AI导致大规模失业为时尚早。”他补充道：“如果AI能够替代人，实际上是优化掉那些不会使用AI的人。”在这样的背景下，许多接受采访的学者和创业者认为，AI对程序员和开发者的技能要求发生了变化。谭寅亮指出：“开发人员需要更好地理解产品需求和建模，同时，剥离重复性、规律性任务并找到运用人工智能实现的捷径也是关键技能。”资深互联网创业者Max Hu在采访中表示，开发人员应提升思维框架的层次和创造力，关注系统构建、开发流程调整，而非仅仅着眼于如何实现某一功能。“更需要考虑的是做什么（What），而不是怎么做（How）。因为在使用AI生成代码时，许多时候只需将功能描述清晰。”他还强调，编程不应简单等同于写代码。“开发人员不一定需要自己编写大量代码，但必须足够了解系统的运作原理。AI有其局限性，因此理解AI的能力边界、能够做什么与不能做什么，和掌握AI的能力本身同等重要。”初创团队迎来弯道超车的机会？多位受访的学者和AI创业者表示，AI开发助手的使用减少了开发人员的工作量和企业的开发成本，同时为独立开发者和小型初创公司创造了更多机会。亚马逊CEO安迪·贾西（Andy Jassy）近期提到，将生成式AI开发助手“Amazon Q”集成到内部系统后，节省了约4500名开发人员一年的工作量，节省了2.6亿美元的运营成本。谭寅亮指出：“在我们的企业参访中，许多公司已经将Copilot和Cursor引入技术部门，并建立内部平台，允许非技术员工通过自然语言使用大模型，或者通过RPA（机器人流程自动化）来减少重复工作。”此外，团队成员之间的沟通成本也显著降低。Hu表示：“团队人数增多时，沟通成本极高，许多想法的核心人员需要花费大量时间向他人解释自己的想法，而信息在沟通过程中也可能被削弱。而AI的出现非常适合精简创业，1-2人就可以开发出相对优秀的原型。”他预测：“马太效应将愈发明显，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则可能受到AI的威胁，因为他们没有在工作中培养出更系统性与结构化的问题思考和方案构建能力。”程序员和开发者的培养方式亟待变革值得关注的是，从入门到资深是每位新人在各行各业中必经的历程。既然AI已经能够生成代码，完成大部分重复性、简单的入门级工作，那么如何培养程序员和开发者便成为学校和企业必须面对的问题。在计算机专业的教学中，变化已经在悄然发生。一个显著的转变是，测试和调试在课程中所占的比重逐渐增加，而过去大多数计算机科学入门课程更多关注代码语法及程序运行方式。纽约州波茨坦克拉克森大学的计算机科学教授珍娜·马修斯（Jeanna Matthews）表示：“我们观察到这一技能的提升，学生们从生成式人工智能中获取的代码片段需要进行测试，确保其正确性。”此外，将复杂问题拆解为大语言模型可以解决的小问题的能力愈发重要。加州大学圣地亚哥分校的计算机科学副教授利奥·波特（Leo Porter）指出：“在课程中很难找到教授这项能力的课程——或许在算法或软件工程课程中，但那些都是高级课程。如今，这已成为入门课程的重点。”新加坡国立大学计算机学院副教授黄伟强（OOI Wei Tsang）表示：“生成式人工智能工具将为我们腾出时间去教授更高层次的思维，例如如何设计软件、识别哪些问题是正确的，以及解决方案是什么。学生可以将更多精力放在优化、伦理问题和系统的用户友好性上，而非仅专注于代码的语法。”Hu在采访中提到，学校对专业人才的培养和职业发展的路径都需进行调整：“以前是经验不足的开发者做一些简单的工作，而现在要学会如何与AI进行有效对话，并理解它的能力与局限。”“然而，现实往往滞后于技术发展。”Hu总结道。

(本文来自第一财经)