隨著AI時代的全面到來，越來越多碼農開始對未來感到焦慮，AI替程式碼農的傳言也愈演愈烈。
1
AI是否會代替碼農？
“AI要讓所有人沒有工作了！”最近這篇帖子迅速登上熱搜。
該網友說自己所在公司已經開始全面使用AI tool，大家只需要輔助寫程式碼就行，預感到未來基礎的SDE、DATA崗都會被AI所替代。
乍一看標題挺誇張的，看到大家的留言後，不禁後背發涼。80%的人都認同這一觀點，認為AI取程式碼農只是時間問題。
親身體驗派：同為大廠碼農深有同感，AI agent讓工作效率成倍提升，基礎崗位減少是趨勢。
認清現實派：早日放棄幻想，AI替代中低端碼農是大勢所趨。
也有少數人覺得這是在危言聳聽，AI生成的東西很多都用不了，一時半會還替代不了碼農。
2
AI發展背後：並非消失而是重構！
其實說來說去，大家的觀點無外乎就是，原來需要5個人乾的活，現在2個人配合AI tool就可以搞定；原本1周才能做完的專案，現在2天就能完成，AI提高了生產力，也可能隨時引發裁員潮。
所以問題來了，AI是否真的會讓大家都失去工作呢？我們又該如何應對呢？這些問題或許可以從圖靈獎得主、紐約大學教授、Meta首席研究員楊立昆的發言中找到答案！
Q1
AI是否會讓大家失去工作？
“It's mostly transforming jobs right it's making everyone who has a job more productive in that job and then then sort of changing the focus of the activity that those people are doing, but it's not really kind of making job disappear. It makes new job appear which are and it's very difficult to predict.”
Q2
未來如何應對AI的發展？
“The world is going to change a lot，don't put all your chips on what you think is going to be the big thing.Because it's going to change within three to five years, the technology is going to change completely, the capabilities are going to be much bigger than they are currently, and so don't make choices that sort of makes you prisoner of a hypothesis about where technology is going right on that。”
簡單將以上兩段話歸結一下，意思就是：
-
AI不會讓工作消失，但會改變工作形態，創造新崗位。
-
不要把所有籌碼押在AI上，因為技術變化很快，過早押注可能被某些技術困住。
篇幅有限，想了解楊立昆教授的更多建議，掃碼即可領取影片~
理論太深奧！就想知道在職碼農、CS專業的NG，現在能做些什麼？
3
打不過就加入！
AI發展並不完全是壞事。首先可以提高工作效率，節省下來的時間不管是開發新專案也好，學習新技能也好，對個人發展來說都是有益的；其次AI可以幫助大家迅速進入、熟悉新領域，消除資訊Gap。
對於大部分在職碼農來說，與其每天擔心被AI取代，擔心失業，不如早點適應變化，持續學習保持靈活性，結合楊立昆教授的觀點，做好以下幾點：
（1）深度學習並利用好AI tool提高工作效率，即使有一天，公司準備大批次裁員，而會使用複雜AI tool的你就是公司離不開的“大動脈”！
（2）不要把所有籌碼押注在AI上，量力而行，評估自己當前的技能、狀態、未來發展是否適合轉AI（比如經濟情況是否可以覆蓋轉行的沉默成本）等。
（3）特別想轉AI的朋友注意，一定要提前做好職業規劃，不要盲目轉行。
很多轉AI的朋友基本是半路出家，沒有PHD學歷、沒有專精的專案背景，僅憑一腔熱血闖入神仙打架的AI賽道，最後敗下陣來。
想加入AI首先明確你想走以下哪條路徑：
✅申請PHD，堅持五六年的時間，繼續申請AI方向。
✅直接選擇一些中小型AI公司，積累工作經驗再進入大廠。
✅選擇大廠SDE、DS方向先過渡。
要對每條路徑背後的細節、方向有清晰的認知和規劃，比如確定路徑後，每一步該怎麼走、關鍵節點要怎麼把握，比如我們就有兩位學員選擇透過SDE、DS過渡到AI的案例，可以進行參考。
學員A：CS專業NG想求職MLE，經過meeting推薦求職路徑SDE→AI開發→MLE
首先從Backend開發崗切入，逐漸接觸AI功能模組（如推薦系統介面開發），爭取參與模型部署與最佳化，積累一定經驗後內部轉崗至AI組，逐步接觸核心演算法，轉到AI賽道。
學員B：DA經驗豐富，想轉到MLE，推薦路徑：求職DA→建模DS→MLE
DA轉到MLE，整體Gap較大，入職DA後需爭取從SQL轉換到Python語言應用，主導AB測試與特徵工程，爭取獨立完成輕量級模型開發（如使用者流失預測），積累一定的業務場景經驗後，爭取到Modeling DS的工作，接下來再從DS轉到MLE。
掃碼答疑解惑！
同樣的路徑不一定適合你，對未來迷茫，不清楚怎麼轉行的朋友，掃碼評估！直通矽谷根據你的背景，1V1定製求職路徑，最大程度減少你和AI的Gap！
對於NG來說，基本功要打牢！現階段最需要做的就是強化基礎coding知識，這些底層能力可以幫助你在未來的技術變遷中保持高遷移性。
對此，直通矽谷在coding方面帶來的幫助是：透過影片學習基礎理論知識，有資深助教全程輔導，疑問點1v1諮詢討論，夯實基礎的同時，還有對應的OA練習鞏固加強。
除此之外，直通矽谷能在求職路上給予的幫助還有：
-
透過對學員背景的分析、評估，生成專屬求職方案。—避免職業規劃不清晰，在求職上走彎路。
-
1V1構建可背調的工業級專案—解決缺少專案窘境。
-
提前熟悉面試節奏，把脈大廠考點—快速提升面試技巧，排雷排坑。
如果目前的你正處在焦慮、迷茫中，歡迎掃碼連線大廠導師，聽一聽他們的見解~
* 本文原創於直通矽谷【https://www.zhitongguigu.com】，歡迎尊重版權的轉載。一般轉載請在文章開頭或結尾正確註明以下資訊：
作者：直通矽谷 公眾號：直通矽谷訂閱號
直通矽谷，讓科技求職更簡單。
封面：pexels
文中素材、截圖來源於新聞媒體或論壇，版權歸釋出人所有，如有侵權請聯絡我們。
