如今，隨著大模型在編程、程式碼生成、自動化測試等領域展現出越來越強大的能力，一個引人深思的問題浮現出來：大模型會不會最終取代程式設計師的工作？

有些人認為，世界上本就沒有哪項工作是絕對安全的，機器取代人工本就是遲早的事。從 GitHub Copilot、ChatGPT 到國產的通義靈碼，各類替代工具紛紛湧現。AI 會做得越來越多，人類做得越來越少。百度 CEO 李彥宏就曾說過，基本上以後不會存在 「程式設計師」 這種職業了，因為只要會說話，人人都會具備程式設計師的能力。

但另一些人，則持不同的觀點。他們認為：「低端程式設計師會消失，有創造力的程式設計師會做大」，「編程仍是基礎，是必須要學的，程式都看不懂，再有創造力也沒用」。360 CEO 周鴻祎就覺得，程式設計師熱十年內不會減弱。盡管未來人人都會用電腦，所謂人人都是程式設計師，但不同的人用電腦創造的產品完全不一樣，AI 時代更需要電腦專家和程式設計師，他們可能是各行各業最有發言權的。

那麽，真實的情況是怎樣的？大模型技術到底能取代哪些工作，又會如何影響程式設計師的職業生涯？作為普通程式設計師，應該如何適應變化？

第 12 期【開源漫談】，我們邀請到了科大訊飛 AI 工程院智慧體研究負責人楊彥波、PingCAP AI Lab 團隊數據科學家孫逸神、Infra 工程師馬工，一起來探討一下，大模型的發展，究竟會如何塑造未來的技術職場？

分享嘉賓：

楊彥波

科大訊飛 AI 工程院智慧體研究負責人，高級研發工程師，熱愛開源，負責大模型模型微調平台 (Maas) 以及智慧體相關技術研究。

孫逸神

PingCAP AI Lab Data Scientist. 自 ChatGPT 震撼釋出至今，聚焦 LLM 套用開發及 Multi-Agents 等套用方向的探索，開發了 TiDB Bot、LinguFlow 等套用，並參與 AutoGen 社群開發。

主持人：

馬工

北歐 Infra 工程師，公眾號【瑞典馬工】主理人。【開源漫談】常駐嘉賓。

01 現在的大模型發展到哪一步了？能替代哪些工作？

馬工： 目前，大模型發展到什麽程度了？對程式設計師的替代到了哪一步？有哪些產品是已經做得不錯的了？各位能講一講嗎？

楊彥波： 今天我們講的話題是大模型會不會取代程式設計師，那我們首先看下程式設計師的定義哦。維基百科上說，程式設計師一開始，指的就是單純的軟體開發者，但很顯然，在今天，程式設計師已經不單單指軟體開發者了，所做的工作也不再局限於寫程式碼。像寫指令碼、軟體測試這種工作，在今天就有可能會被逐步取代。現在的話，像轉譯、文件整理、數據標註這些，在一些簡單的場景，大模型配合一些 agent 的框架已經做得比較好了，這種場景下的職位，相對來說就比較容易被大模型替代掉。

孫逸神： ChatGPT 面世的時候，確實很驚艷，對以往的一些 AI 套用確實是降維打擊。不過，經過大家的體驗，大家會發現，它確實存在亮點，但也還有很多弊端。而對於一個程式設計師來說，真正需要用在生產上面的話，我肯定不是看它的天花板在哪裏，而是要看它的平均水平，或者說它的底線在哪裏，因為這才是保障你服務品質的重點。

那現在看下來的話，它在文字領域也只能做一些比較初級的東西。比如說它比較擅長總結，比較擅長做閱讀理解，但是要真的讓它去做一個很高級的文本關系，它又沒那麽擅長，或者說它的準確率沒那麽高。

放到程式設計師這個領域來看，其實也是類似的。一些基礎的活，它是能做的。但是高級的活，理論上它是不具備所謂的邏輯推理能力的。為什麽它看起來有邏輯推理能力，是因為我們大部份情況下邏輯是蘊含在語言之中的，那它在學習語言的過程當中，只要學習的文本足夠好，它就自然會蘊含一些邏輯在裏面，但是它本身其實並不理解這個東西。你要是真讓它開發一個很復雜的東西，或者一個很新的東西，那它基本上是做不了的。

馬工： 是的，Copilot 給我提供了一些程式碼，很好用，很方便，但是你還是得自己看一遍，不然放進去就是個災難。但是如果老板把我開掉，那他就得自己去看 Copilot 程式碼，我相信他不如請我來看。

話又說回來，你說它不能做高級的東西，但是一個程式設計師的日常工作中，有多少是高級的東西？也許我們 99% 的工作都是不高級的東西。你怎麽看？

楊彥波： 大模型本身它是包含一些原子能力的，比如說基礎的對話，還有它本身頁面上的一些功能，等等。這些都是比較簡單的使用方式，能讓你體驗大模型的效果。

更多的復雜任務，我們一般是利用大模型的 API，在客戶端或者以編程的方式去做一些更高級的套用。我們現在所說的大模型，不僅僅是它自己的那個原子能力的發展，更多的、也是今年最火熱的是編程範式，就是 agent 的一個範式。這一塊也屬於大模型發展的一部份。以後復雜的任務，可能更多會靠智慧體這一塊的概念去解決，這是我的觀點。

馬工： 這個範式轉移究竟是怎麽一個轉移？是說以後不需要程式設計師去寫程式碼、測試、套用、然後部署到生產環境，還是......？

楊彥波： 我舉個例子。現實世界裏，開發一個計畫，往往有一個計畫負責人，有計畫經理，有開發測試，有運維部署，還有其他的各種角色，共同把這個計畫做起來。大模型出來之後，我們可以用大模型去扮演這些角色，去實作它們在這個計畫中的不同目標，共同完成一個計畫。這就是大家最近在搞的智慧體平台。實際上，作為編程這樣一個比較特殊的環境，利用多個角色協同去編碼，其實是非常有希望的。

02 未來還需要人類程式設計師嗎？

馬工： 所以您的意思是，大模型不僅會取代程式設計師，還會把整個 IT 團隊都給幹掉，也就是說以後產品經理直接就跟 agent 打交道，不需要人了，不需要公司了，是這個意思吧？

楊彥波： 我的觀點可能比較激進，可能大概是這樣，當然，取代了這些崗位以後，一定會誕生一些新的崗位。

馬工： 很恐怖的場景啊。

孫逸神： 是這樣子的，因為今天這個題目討論的是最終會不會代替，做到最終這個事情上就很難說了，我們肯定得給它加個時間限制。

以我的經驗來說的話，我做了挺多實驗了，像彥波說的那樣，讓 agent 組成一個團隊，這對解決問題流程是一個比較好的抽象。甚至我在這個層面上再加了一層抽象 —— 就是本身任務怎麽去做？因為任務會有相應的 SOP 來支撐這個任務怎麽做，而不同的 SOP 都會有一整套的工作流程，我可以用這個 group 去組合各個不同的角色去做這個事情。

但這兩層抽象我都做完了以後，它依然很難滿足我實際生產上的工作需求。比如說我讓它做一些數據分析類的工作，實際操作中因為你本身可能輸入 token 數量就很多，然後在這個過程當中，它的上下文交流互動也很頻繁，那這樣的話，其實整個上下文可能超過 100K 以上。

在這種情況下，它最終能完成任務的機率其實還是挺小的。因為你每一個環節都存在它出錯的可能性，最後就是一個乘法原理乘起來！那乘完了以後，它總的來說，成功率還是相當低的。

因為人家寫論文的時候，他一定是會給你看它最棒的亮點！但是這個亮點如果重復 100 次，是不是裏面有 90% 都是這個樣子的，其實不好說。實際我最後用下來，如果上下文足夠長，或者邏輯足夠復雜的情況下，光靠一個 PM 去跟它溝通是挺難的。

PM 要具備稽核所有生成程式碼的能力，那他其實不就已經相當於一個程式設計師？一個很復雜的計畫我認為 PM 基本上沒什麽能力去稽核，甚至他光看輸入輸出都不一定能對得上號。

馬工： 你提到的這個現象，會不會只是一個臨時的現象，過兩三年情況就大不一樣了？比如說你剛才說的 100K 上下文，也許以後只有十兆上下文？又或者，當它復雜度上升的時候，工作不太順暢了我再加一個程式設計師，就能解決問題。但是，相比於以前可能需要 100 個程式設計師，現在加 1 個就行，是不是也就相當於取代了 99% 的程式設計師了？

孫逸神： 根據阿特曼的說法，chatGPT5 之後又是一個飛躍性的進展，所以這個還是挺難預測的。但是基於現在的 Transformer 模型，說白了還是比較傾向於一個馬可夫決策過程，還是以機率為基礎，根據之前的狀態去預測下一個狀態。如果這一點沒有什麽本質的改變，或者說人類對自己的認知科學也沒有一個很完善的理解的話，至少這幾年，取代程式設計師的情況是不會出現的。

現在，大家都在關註上下文增加之後，大模型的品質怎麽樣，關註如何拓展上下文的大小。但是到 100K200K 以上這個級別，它的準確率目前可能 50% 都不到。這種情況下，要突破，估計沒有那麽快。

今年上半年，我試過讓 AutoGen 組成一個 group，讓它能夠按順序去和人聊天，它都做不到。現在你說不光要讓整個 group 的工作流程能夠符合需求，還要讓整個業務的 SOP 符合你的操作需求，整個步驟綜合下來，至少我認為是很差的。

馬工： 這會不會是因為你們做分布式資料庫的要求太高了呢？假如我就寫個什麽醫療資訊管理系統，對程式設計師的要求很低，再把你那一套放到我這個醫療套用上，會不會效果就是可以接受的了？

孫逸神： 一樣的，我覺得對於不同領域來說，存在的問題是比較類似的。LLM 作為輔助肯定是 ok 的，但你讓它真的去自動駕駛，這個肯定是不 ok 的。在程式設計師以外，還有一個比較重要的點，就是這個商業道德的問題，或者說商業責任的問題到底由誰來承擔？

在醫療行業，大家都知道那個影像辨識 CT 在這個領域用了很多，像看片子，其實 AI 都能給出一些結論，但是最終還是要醫生來蓋章簽字。那落到程式設計師這邊來說，也是一樣的。PM 可以把這個任務交給一個 AI 去做，但最後還是要有一個人來簽字畫押。PM 來簽這個字不太可能，最終還是要有一個程式設計師來簽這個字，程式設計師還是要對這個結果做一個檢查。不檢查的話，那他簽了字，老板就要背商業責任了。

馬工： 是個很有趣的點，大模型不能背鍋。

03 什麽樣的崗位最危險？

楊彥波： 自動駕駛的例子我不太贊同。事實上，現在很多城市已經試點了一些公交路線，像我們合肥就有一些試點無人公交，還有無人送快遞，現實的例子已經 OK 了，只不過可能取代真正的人類還需要一段時間。不過，程式設計師這行也一樣，它取代也是逐步的取代，先從一些簡單的場景再到更復雜的場景逐步地去取代。

像我公司現在有一些工作，偏向簡單重復的程式碼開發，我們之前都是招實習生來做，在大模型出來之後，我們已經探索出用一些依賴大模型的 agent 技術來取代這一類工作，極大降低了用人成本。

馬工： 你之前說的智慧體是什麽東西？跟 chatGPT 有什麽區別？

楊彥波： 智慧體這個概念，在大模型沒有出來之前就有了，它的英文名字叫 agent。Agent 中文叫代理人，意思就是你完成一件事情，可能不需要你親自去幹，但你需要一個工具，或者是要一個實體人去幫你幹。現在，這個代理人就是 agent，它可能幹的事情不僅僅是調大模型，它會有一些高階的能力：它知道在這個事情的領域內，怎麽跟大模型互動，怎麽呼叫外部的一些工具。這就是智慧體的概念。它本質上也是大模型，但它是在大模型之上，又封裝了一些特定領域的任務規劃，或者是一些知識，相當於它是更加貼近於我們的真實使用者的。

馬工： 我這樣理解：以前打電話給攜程，需要告訴那個客服，讓他幫我訂票。現在這個客服可能改成了 LLM，對我來說，他就是智慧體。

孫逸神： 沒錯，你可以認為它就是一個控制器，或者說就是一個機器人。它主要做的事情，首先是接受一定的輸入，能夠去感知一個環境，然後透過這些輸入的資訊，自己做一定的決策，最後輸出一些 action 去改變這個 environment。

04 被取代了該怎麽辦？

馬工： 我問一個問題，如果我們程式設計師真的被取代了，能有什麽出路？彥波剛剛說了會有新的崗位產生，但是新的崗位是什麽？我們應該怎麽準備應對這一切？

楊彥波： 我們最初發明 AI 是為了幹啥？為了解放我們人類，提高我們的效率。那麽，大模型一旦它的能力邊界越來越大，能做的事情越來越多，那我們更需要關註的就是大模型給我們做的這些事情的品質，輸出的東西是不是安全的，是不是符合倫理的，怎麽控制大模型更好地輸出？像大模型的內容安全這一塊，一些新的崗位已經出來了。

還有一種崗位就是，怎麽更高級地去使用大模型？像開發 agent，就是一種新的崗位：怎麽去開發 agent，讓大模型可以為小白所用？我覺得這種崗位會越來越多，而且每個領域它的 agent 可能都不一樣，大家的開發方式也逐漸變化了。

馬工： 第一，普通程式設計師哪有能力去開發智慧體？那我只能做那種智慧體的小助手，稽核一下它寫的東西。也就是說，現在它是我的助手，但是過了若幹年之後，我會變成它的助手。聽起來不是很讓我興奮的旅程。

孫逸神： 彥波剛剛提到了，大模型替代一些基礎能力，是 ok 的。它其實還是你的助手，它在幫你幹一些雜活，或者說價值不高、附加值很差的活。作為一個程式設計師來說，你也不可能完全的就幹 「接收一個 stc 的輸入，然後輸出一個程式」 這麽簡單的事情。很多工作越往後，越可能往業務方向去走。那你在不同的領域，你可能還是需要在這個領域的知識裏面去做很多的事情。

CS 這一塊的話，系統架構也在不斷的演進。只要是新的東西，都可以認為大模型是沒有很強的能力的。因為它本質上來說，還是在總結既往已有的知識。在已有的知識前提下，它去創造，那它的創造力是很讓人捉摸不定的。它也許偶爾靈光乍現能給你一些有用的資訊，但是大部份情況下是沒有的。

另外，它對物理定律的理解其實就是沒有。如果去做一個極其復雜的 BI 場景，或者說我是一個開發 CAE 軟體的人，如果連微積分都搞不定，AI 它也一樣算不出來。我覺得，每個領域其實都有很多專業知識可以挖的。

馬工： 明白，如果我是個程式設計師，我要保證我的職業安全，我就應該讓領導盡量用新的語言。每個語言出來了，我就趕緊用。LLM 它還沒有讀到足夠的文本，它就用不了。哈哈。

END

更多直播內容，掃碼看看回放吧↓↓↓

【開源漫談】

OSCHINA 視訊號暢聊欄目【開源漫談】，每期一個技術話題，三五位專家圍坐，各抒己見，暢聊開源。給大家帶來最新的行業前沿、最熱門的技術話題、最有趣的開源計畫、最犀利的思想交鋒。

如果你手上也有新點子、好計畫，想要跟同行交流分享，歡迎聯系我們，講壇隨時開放～

熱門文章

-

-

-

-

-