最近一篇名为《Something Big is Happening》（或译：大的要来了）的文章在技术圈内外引发了巨大波澜。作者断言，最新一代AI模型的编程能力已悄然达到“自主劳动者”水平，超过多数程序员，并预言白领工作将在1-5年内消亡。原文链接：https://shumer.dev/something-big-is-happening
文章迅速爆火，阅读量近亿。围绕它的讨论也两极分化：有人陷入FOMO（担心错过），有人驳斥其过度夸大“人+AI”模式的优势，更有批评者直指原作者曾卷入模型套壳造假丑闻，此文动机不纯。
无论原作者信誉如何，文章能引爆如此广泛的焦虑，本身就说明“AI将如何重塑社会”已是悬在许多人头顶的达摩克利斯之剑。作为一名身处AI大模型行业一线的工程师，我也在反复审视自己的答案。需要说明的是，本文仅在资料检索与逻辑检验环节适度使用了AI，核心的选题、构思与文本生成均为“古法手作”，以确保所思即所写。
从编程开始：一场静悄悄的渗透
但凡人能想象到的事物，必定有人能将它实现。——儒勒·凡尔纳
“大的”会不会来尚不确定，但有一点是明确的：AI大模型对程序员的影响是真实且深刻的。目前积极面居多，但潜在的冲击风险不容忽视。
年初时，我对“氛围编程”（vibe coding）这类概念不以为然。作为一名拥有十余年经验、经历过不同规模公司的程序员，我深知软件工程的复杂性远不止于功能实现。我不愿花费精力反复调教提示词（prompt），更不想逐行审查模型生成的上万行代码——谷歌过去的建议是，单次变更最好控制在百行以内以便审查。
然而到了年底，我的看法彻底改变。模型辅助编程确实能显著提升生产力。当我切入陌生领域或代码库时，模型定位关键线索的速度比我快得多（我自认为还算擅长在陌生系统中排查问题）。在开发那些并不新奇、很可能在GitHub上有类似实现的功能时，模型基本能完成需求。当然，产出质量高度依赖上下文。如果我能先通过几轮讨论明确设计，甚至用Mermaid图表来消除需求歧义，再让模型分模块工作，它确实能在数千行代码的尺度上给出不错的实现。
模型辅助帮我突破了个人的注意力瓶颈。人脑会疲倦、会分心，而模型没有这些限制。这似乎印证了当前的一种主流观点：“人+AI”的混合模式能结合双方长处，未来似乎一片光明。
但这片光明的天空里，至少飘着两朵乌云。
第一朵乌云来自劳动力市场。 能发挥“人+AI”优势的，似乎更偏向那些对行业、领域和软件工程本身有透彻理解的资深工程师。资深工程师并非凭空产生，他们是从初级工程师成长而来的。如果让新手直接与AI协作，他们还能顺利成长为资深人才吗？资深者是否还有动力去培养新人？这个问题悬而未决。
在没有AI的时代，大型软件工程依赖一套包含项目经理、产品、高级工程师、初级工程师、实习生的庞杂体系。工作本身承担了重要的教育职能。但如果“资深+AI”模式就能高效完成任务，出于经济动机，组织必然会对这个体系“去肥增瘦”。
如果上述推论成立，那么在软件工程需求未爆发式增长的前提下，供需关系将驱使程序员（无论资深与否）大幅贬值、出现人才断代，甚至引发整个软件开发逻辑的变革。相关劳动力市场的引擎将熄火，仅靠大厂的利润惯性和招聘惯性滑行。
第二朵乌云来自模型能力的未知边界。 这里的能力不仅是“编程能力”，还包括“让人感觉它在编程”的能力（后者后续会展开）。就编程本身而言，随着数据、算力和算法的进步，模型能力日新月异。在我的工作流中，越来越多的环节开始有AI参与，甚至部分被完全取代。在某些任务上，我几乎成了模型的“复制粘贴器”：接到任务，询问AI如何理解与执行；复制指令，运行或编码；遇到报错，再粘贴给AI寻求下一步方案。这个循环在近期变得越来越普遍。
这朵乌云或许是可控的。很多人可能没意识到，“编程”这项看似复杂高薪的工作，恰恰是所有生产活动中相对最容易被AI取代的。这要感谢程序员几十年来的开源传统，让模型能以极低成本获取海量源码。GitHub上详尽的数字化记录（如issue、PR、review），为构造让AI学习“编程机理”的训练数据提供了完美素材。其次，编程是一个相对“封闭”的任务，其可行性不依赖多变的外界环境或人类行为，这为大规模强化学习提供了绝佳条件。其他工种未必具备如此优美的性质。可以说，编程对人类个体很难，但对AI而言，任务本身是“容易”的——这有点像围棋。
“从编程开始”，我们得以窥见一条AI影响人类的可能路径：
- AI原理与领域适配，顶尖模型能力在算力、数据、算法驱动下不断提升。
- 资深专家利用AI提效，建立并优化“人+AI”工作流。
- 后续推测：工作流持续迭代，劳动力市场萎缩，人力贬值，初级岗位消失。
风险在文明本身：当劣币开始驱逐良币
有机械者必有机事，有机事者必有机心。——庄子
然而，在“从编程开始”的进程中，一些更微妙且危险的因素正在浮现。这些风险根植于人性与人类社会运行的底层机理。
行百里者半九十。把一件事从80分做到98分相对容易，但从98分到99分却异常艰难。因此，“AI在编码能力上全面、彻底地超越人类程序员”的未来，其实还很遥远，并非我主要的担忧。
问题在于，人类历史并非由完美理性构筑。当代人津津乐道的“草台班子定理”提醒我们，现实往往运行在脆弱的平衡之上。文明的光鲜表皮之下，可能仍涌动着非理性的暗流。
我可以举一个切身的例子。由于长期与各类模型输出打交道，我练就了“一眼鉴定AI文章”的能力。早期，这类充满“AI味儿”的文章多见于机器运营的营销号，文风生硬，逻辑漏洞百出，评论区通常以“一眼AI”的嘲讽为主。
但到了2025年，情况变了。越来越多的真人博主开始用AI辅助乃至完全接管写作，自己只负责选题。虽然我依然能辨别出来，但评论区里“声讨AI”的声音已日渐式微，取而代之的是认真的讨论、回复甚至求助，穿插在博主“哈哈哈”的互动中。我相信部分读者也能看出端倪，但他们似乎觉得这不重要了——只要博主像个真人，与AI生成的帖子互动又有何妨？
在这个例子里，AI的写作能力远未达到人类顶尖水平，甚至能否达到普通专家水准都存疑。但在经济逻辑的驱动下，相关行为已如潮水般涌来。这有点像“劣币驱逐良币”，因为“劣币”（AI内容）生产成本极低、复制效率极高，而在许多场景下，其使用效果却“差不多够用”。
人类个体也存在固有缺陷。例如，DeepSeek-R1的“开放思维链”之所以爆火，部分原因在于人们喜欢看到模型“思考”的过程，这种“一本正经”的演绎极大地增强了信任感。OpenClaw则让人体验了一把“指挥千军万马”的快感——暂且不论实际产出，它精准拿捏了人类“喜欢指挥”的情绪弱点。这些现象级传播事件，其核心并非生产力上的巨大突破，而在于击中了人性的某些“阿喀琉斯之踵”。巧合的是，过去成功的消费级互联网产品，其传播根基也往往深植于人性弱点。
同时，我们天性懒惰，倾向于将思考“外包”。这个过程如同久坐导致肌肉萎缩，会逐渐削弱我们自身的思考能力，从而降低标准，接受更次的结果。很可能，AI距离真正在生产效率上全面替代人类还很远，但AI生态“利用人性弱点，让未来的人类误以为它可以替代生产力”的那一天，则没那么遥远。
人类向来不擅长关注长期价值与群体利益，容易被短期指标和宣传话术蒙蔽。在恐慌、短视与逐利驱动的混乱决策中，真诚与理性的声音往往被迫沉默。这种“名不副实”将引发争议，而巨大的利益已然绑定，变革会因惯性被强行推动为既成事实。在漫长而痛苦的过渡期中，人类预期被重塑，技术缓慢进步，最终期望与现实在某个妥协点相遇。而过程中那些“本可避免的代价”，则像书页一样被轻飘飘地翻过。回望历史，这一范式已反复上演多次。
如何为可能的“乱纪元”做准备
存人失地，人地皆存；存地失人，人地皆失。——毛泽东
技术展示了其深远潜力，但不完美的文明与人性会将其效应复杂化甚至放大。因此，传播学意义上的“AI替代奇点”很可能早于真正的技术奇点，并以一种吊诡的方式冲击我们的社会。文明建立在“信任”之上，而信任的基础可能被动摇；理性建立在“思考”之上，而思考的价值可能被摊薄。
这个过程可能比想象的更平滑。我不认同“静悄悄穿过奇点”的说法，因为文明和模型能力都是高维复杂的，奇点更像是一个宣传概念。正如AI进入编程领域是渐进的一样，AI浸透文明的过程更可能是一种“低温慢煮”，或许会有十年以上的过渡期。未来回望，史学家或许会将这一漫长过程浓缩为一个点。因此，“大的来了吗？”或许不是正确的问题，答案可能是：“如来”。
几乎可以肯定，AI是一次生产力变革。而从趋势看，它有可能挟持社会，在真正的质变完成之前，就提前引发一场生产关系变革。编程只是一个起点。其他领域是否会被批量渗透，仍需观察。但从一线视角看，即便缩放定律（scaling law）遇到瓶颈，仍有大量可改进的空间。更明显的是，世界已为AI的未来押下重注，泡沫巨大到无法被轻易戳破，人类可能已无法回头。
技术发展与社会响应均存在巨大不确定性。叠加当前的经济周期与地缘政治现实，我们或许已一只脚踏入“乱纪元”。几十年来积累的秩序可能面临挑战。
这次与以往的生产力革命有所不同。过去，技术淘汰旧需求的同时会创造新需求，但这次，连部分AI从业者自身也可能被波及。泛泛而言，“智力”正在如同体力和精神力一样，经历一场“贬值”。如果乱纪元真的到来，我们该如何自处？
我不认为“每天和AI相处1小时”是本质解。这顶多算一种缓解焦虑的“术”，而非指导未来的“道”。如果变革要求我们更新底层生存规则，那么应对之道也应向更深处探寻。
- 建立强大的“求生意志”。 这里用了夸张修辞，我们大概率不面临生死，但需警惕人性的软弱。我们可能会失业、收入锐减、不得不“脱下长衫”，甚至进入自己并不认同的环境工作。但我们必须保有“乐观主义精神”，相信自己能穿越周期。从此刻起，通过心理学或其他任何有效方式锤炼内心。因为在动荡中，首先不能自我崩溃。
- 更多实践，更少教条，坦诚面对现实。 我们总结的许多规律，是稳定世界中的经验。在乱纪元，它们可能失效。“企业总要招应届生”还成立吗？“大规模裁员会损害品牌”还成立吗？“高学历等于高收入”是对的吗？虽然智力可能贬值，但独立思考变得史无前例地重要。
- 建设并保持足够的“安全边际”。 这包括：一笔能支撑一段时间的储蓄、一副健康的身体、一套可靠的情感支持系统（家人、爱人、朋友）、一些低成本的兴趣爱好，以及清理大额负债。这些虽是老生常谈，但我们常为短期目标而牺牲它们。
- 在行事上高度灵活，保持学习，不断调整。 我们无法预知变革细节，只能在实践中摸索、快速转型。但“灵活性”知易行难，人天性追求稳定。因此，需要时常反思自己是否“过得太安逸”。在非线性的竞争中，“保持敏捷”比“抢占先机”更重要。当然，做到这一点，需要前三条作为支撑。
在这四条基本原则之下，无论是每天花一小时学AI、健身还是陪伴家人，都需要根据自身情况权衡，因为这些才是穿越困境的真正武器。如果这次真是“大的”，其过程难以预测，需要的是“道”而非“术”；如果这次其实“不大”，那我们也不会因此损失什么。
AI的潜力与影响维度过于广阔，一篇短文无法穷尽所有思考。限于个人的知识、见闻与不可避免的价值取向，能清晰地表达己见已属不易。愿我们都能穿越未知，抵达和平与富足的未来。关于技术演进的更多深度讨论，也欢迎在云栈社区共同探讨。
发表于 17 小时前
|
查看: 2|
回复: 0
