今天小編分享的互聯網經驗：大模型吞了誰？程式員彷徨，產品經理消失，歡迎閲讀。
作者｜宋婉心
編輯｜潘心怡
一名失業中的程式員，因為一次大膽的求職之舉登上了微博熱搜。
向瑤函花費 999 元，在廣州地鐵珠江新城站購買了一個廣告位 5 天的使用權，用來投放自己的簡歷二維碼，掃碼就可以了解這名程式員 " 飄零的前半生 "。
向瑤函是在 2023 年 5 月 " 主動失業 " 的。去年 3 月 15 日凌晨 GPT-4 發布，興奮之餘，他和很多其他程式員隐隐感到不安——面對生成式 AI 技術的爆發，是當一名旁觀者，還是主動擁抱新變化？
此時的向瑤函還在廣州一家糧食企業當數據經理，熱衷于 AI 比賽的他總是自诩為 "AI 狂熱分子 "，業餘在廣州的互聯網行業咨詢圈子也幹得有聲有色。
2023 年 5 月，舉辦了 4 場小範圍 AI 講座後，向瑤函明顯感到大模型的熱度已經不能簡單地用 " 陡然上升 " 來形容。
來參加講座或來咨詢的廣州老板們陷入了 AI 焦慮，不論是哪行哪業，企業多大多小，都琢磨起了建大模型的主意。
但向瑤函當時的東家——一家把泰國的大米賣到中國的上市公司，似乎對做 AI 并不感興趣。"AI 是大方向 "" 我要做 AI"" 指不定成為中國 AI 界一顆冉冉升起的新星 " ……抱着這樣的想法，雄心勃勃的他計劃轉型去當一名算法工程師。
大模型呼嘯而至，互聯網已經很久沒有經歷這樣的技術衝擊了。互聯網時代的技術崗打工人，和前線大模型公司，這兩塊拼圖要完全吻合，難度超乎想象。
01 消失的產品經理
事情沒有向瑤函想得順利，" 門檻确實太高了，很多招聘要求是能開發底層大模型 "。
向瑤函自認在寫代碼這件事上是有天賦的，在 AI 比賽上靠寫中小模型也獲過不少獎項，但對大模型經驗寥寥。
更糟糕的是，畢業于湘潭大學企業營銷專業的他，曾經靠自學 Python 闖入技術圈，但 " 英雄不問出處 " 的法則在大模型行業失靈了，" 學歷上就卡死了 "。
市場達成了自己的共識，這個共識就是追求确定性，以實現不确定性。
要在大模型行業有一席之地，人才密集和資金密集與否，是唯二決定生死的核心要素。
大家多少清楚如今大環境下投資人的謹慎，至于人才，情況要令人困惑得多——從大廠高管、創業公司老板，再到投資人、獵頭，沒人了解方向，都在從零摸索起。
作為大模型初創公司共生團隊負責人，張林最近做了一個決定，暫時擱置招聘產品經理的工作。
創辦共生團隊幾個月後，市場給忙于吸納人才的張林上了最新一課——大模型公司很難在互聯網體系内找到可以經驗復用的產品經理。放棄招聘後，他和幾位 AI 工程師出身的創始團隊成員，兼起了公司產品經理的職責。
" 我們篩選過很多產品經理的簡歷，做 UI 的、產品的等等，但他們的共同問題是，不了解大模型項目的底層機制，導致沒有辦法很快遷移經驗。" 張林説道，" 如果理解程度是‘畫一個界面’，那最後基本一塌糊塗。"
國產大模型已經卷了一年半，但張林至今沒有看到 " 比較高質量 " 的產品經理出現。他產生了巨大的緊迫感。
他告訴 36 氪，創辦公司幾個月的時間裏，團隊更加堅定了這樣的認知：" 我們嘗試從原子化角度來看，如果一個新技術讓單個個體角色發生根本性變化，那麼由這樣一個個體所組成的部門和系統，自然也逃不過變化。"
大模型獵頭 Louis 則感覺" 所有人都在追逐同一撥人 "，就是清華幫那十幾個，" 如果追求對底層大模型的認知，國内只有他們。"
" 無論創業公司還是大廠都在問我同樣的事情：唐傑老師（智譜 AI 首席科學家、清華大學計算機系教授）的減一（直屬下級）能不能挖來？豈凡超（深言科技創始人、清華大學人工智能研究院教授孫茂松的學生）的減一能不能挖來？"
短時間内，清華幫十餘人成了國内大模型人才市場唯一的确定性，要招他們之外的人，大家幾乎連招聘要求怎麼寫都沒有頭緒。
資深獵頭肖恩曾接過幾個互聯網大廠的大模型招聘需求，只不過對接的過程令他有些啞然失笑。
" 某頭部大廠根本不知道想要什麼，還異想天開想從 OpenAI、Meta 什麼的挖人。"" 有些大廠大模型團隊辦公室都開到國外了，但是也沒做出什麼水花，也不知道未來要幹什麼。"
投資人也在霧裏看花。曾經有投資人問張林，是不是國内（大模型公司）已經泛濫了，這讓張林感到無奈。" 根本不可能，真正能打底層大模型的始終只有那一撥人，無非是幾個團隊間繞來繞去，這個技術很難短期内擴散。"
眼下，優秀的 AI 工程師就像上世紀九十年代的程式員，匮乏且搶手。技術招聘平台 CoderPad 近期發布的報告顯示，"AI 專家 " 成為最難填補的職位第二名，而即使在十年前的上一輪 AI 革命，AI 專家的招聘難度都未曾進過前三。
去年 Louis 為一家大模型團隊招聘一系列技術崗位，包括數據清洗和 SFT（有監督微調）等。和所有人一樣，她最開始的路線是專找圈内 " 掐尖兒 " 的技術人員，但很快這些候選人被驗證 " 又貴又不好用 "。
很大一個原因在于，大模型時代，技術崗位邊界在變得模糊。
張林的技術團隊不到 10 個人，除去一兩位專打底層大模型的工程師，其他人絕大部分精力用來做系統設計和產品設計，寫代碼的比重越來越小。" 落地時，誰寫的代碼誰就自己做項目經理。"
HiDream.ai 的研發人員同樣覆蓋全流程，公司創始人兼 CEO 梅濤博士告訴 36 氪：" 工程師做完模型自己封裝，才跟得上迭代的速度。"
36 氪走訪了解到，行業普遍的預測是，未來程式員和產品經理兩個崗位将合體。
要找到符合這樣要求的復合型人才是件難事。一方面，如張林的經歷，現階段市場裏沒有現成的人選，另一方面，需要跟時間賽跑的大模型公司們，也不被允許等待市場培養出成熟人才後再收割，大模型迭代，晚一天都是萬億參數訓練的落後。
經過一年摸索後，Louis 感覺國產大模型人才需求進入階段性穩定期，呈現出一種 " 啞鈴狀 " 格局，要麼追求頭部技術大咖，要麼招應屆或在讀的學生。
" 有些公司的心态是，大模型極大地降低了編程門檻，那對于一些非核心技術崗，利用開源大模型也可以迅速學會，應屆生又便宜、技術又新，Why not？"Louis 説道。
張林在碰壁後也發現，通過招聘的方式，已經很難找到技術和產品的多面手，他選擇另辟蹊徑，從源頭培養。
他告訴 36 氪，共生團隊已經開始廣泛跟高校合作，" 我自己在帶碩士和博士的科研項目，在這個過程中發掘足夠強的候選人，将來自然而然進入公司工作。"
張林的做法并不少見，學術和工程邊界加速彌合，是大模型公司帶來的新變化。以 Midjourney 為例，11 人團隊中，9 人是研發人員，沒有產品經理，且 9 位研發人員中，有 4 位都是尚未畢業的大學生。
而 " 工業界與學術界融合 " 最為成熟的标杆，自然是 OpenAI。
過往，新的技術突破總是最先誕生在學術界，但 ChatGPT 成為一個節點——一個獨立于大公司之外的研究型組織，引入一批 " 年輕甚至在讀的頂尖學者 "，将科學和產品、商業結合，才最終誕生了 ChatGPT 這樣偉大的系統。
" 過去把研究型組織安插在大公司，這樣的 AI Lab 模式已經成為歷史了。" 月之暗面創始人楊植麟日前在接受騰訊新聞采訪時表示，AGI 的生產方式跟互聯網不一樣，科研或教育系統會轉變職能，變成培養人才為主。
這一輪技術革命中，經驗的重要性被不斷降級，取而代之的是 " 擁有足夠新的知識 "，越來越多科技領網域學者，在學術生涯早期便介入工業界。
在此背景下，大模型老板們自然也是下手多早都不為過。" 大學生我們都不放過 "，據張林觀察，在大模型時代，大學生甚至比博士生更容易出東西，" 沒有（舊技術的）負擔很重要 "。
02 并非取代那麼簡單
大模型或許是屬于技術追求者的最好的時代，它更單純、更聚焦、更長期主義。產品是否受歡迎，比拼的幾乎只有技術。
這也造成了一種技術焦慮——新一輪技術衝擊下，跟不上就會被抛棄嗎？
地鐵站求職廣告發布後，有 50 多家企業找到向瑤函，這本該令人高興，但 30 多次面試下來，靠譜的工作還是偏數據分析。他不得不告訴自己，自己的 " 大模型夢 " 可能很難實現了。
" 感覺大模型出來後，之前學了三年 python 都白費了。"
在他身邊，案例也逐漸變得兩極化，有人因為在高精尖行業做大模型如魚得水，也有以 "AI 可以取代你 " 為名而被迫離職的案例。
向瑤函眼下的職業困境，或許和大模型編程能力的完善有關，這聽上去簡直是個悖論。
編程是從計算機誕生起就存在的概念，是構建互聯網最基礎和底層的工作。與此同時，編程語言一直在進化，從最初的二進制，到後來的機器代碼、匯編語言，再到高級語言，諸如 C 語言、JAVA、Python 等當下流行的編程語言都已有三四十年的歷史。
2021 年時，OpenAI 就開發出了 Codex 系統，Codex 可根據程式員的自然語言輸入進行簡單的代碼編寫支持，被看作是 AI 編程的開端，這之後便開始有聲音讨論 " 大模型取代程式員的可能性 "。
直到最近，類似產品開始井噴，一批 " 碼農大模型 " 密集誕生。比如初創公司 Cognition 發布的首個 AI 軟體工程師 Devin、螞蟻集團 CodeFuse 平台推出的 " 圖生代碼 " 技術、微軟根據 OpenAI 的 Codex 模型開發的代碼建議工具 GitHub Copilot ……
今年年初，技術招聘平台 CoderPad 的一份調查顯示，超過 80% 的開發者正在工作中使用 ChatGPT 或 Copilot。CSDN 的一份調查則顯示，35% 的開發者每天使用代碼生成工具，其中 36% 的人認為開發效率得到極大提升。
相比于過去一段日子大模型學會畫畫、做視頻和作曲，" 學會編程 " 這件事之所以更具有颠覆意味，在于互聯網的生產方式圍繞編程展開。編程之外，還有需求分析、測試運維、數據洞察等成體系的開發流程，改變了基礎編程，就改變了互聯網的生產方式。
用英偉達 CEO 黃仁勳的話説，" 現在世界上每個人都是程式員 " ——過去需要編程語言完成的工作，如今使用自然語言就可以完成。
" 從早期的 COBOL 語言到現在的 Java、Rust、JavaScript，編程語言之父們發明了數百種編程語言，只為讓開發更容易。"CSDN 創始人兼董事長蔣濤説，如今大模型允許自然語言生成代碼後，" 我們預計在未來 3 年至 5 年，全球開發者會從現在的 1 億增長至 10 億規模。"
當個體開發者增長到一定規模後，蔣濤預測會出現一批超級程式員個體，會像視頻的 up 主一樣，提供類似 freelancer 的軟體開發服務。
當然，硬币永遠有另一面。
" 把編程能力看作是一個金字塔形狀的話，大模型吃掉的是最下面一兩層、門檻最低的寫代碼能力，比如代碼輔助和生成，市場對開發者的需求會向上層能力轉移。" 蔣濤説道，" 這一調整過程中，一定會經歷一個階段，是程式員失業期。"
Motherboard 和 Blind 此前展開了一項有 9388 名工程師參與的調查，數據顯示有 66% 的人認為找工作變得更加困難了，而從崗位供給來看，Motherboard 表示人工智能将導致程式員招聘人數減少。
作為前沿試驗場，硅谷大模型公司的人才結構説明了一切。Midjourney 只有 11 名全職員工，Magnific AI 只有 2 名全職員工，Sora 只有 13 人。
36 氪受訪者中，共生團隊同樣只有十餘人，HiDream.ai 則只有不到 30 人。
與此對應的變化是，雖然大模型公司的全職開發團隊在精簡甚至縮編，但 " 零工 " 體量在變大。
CoderPad 數據顯示，去年近六成招聘方為了滿足技術需求，會招聘臨時工或實習生技術崗。Midjourney 同樣是個典型的例子，在 11 人全職團隊外，其外包人員達 60 餘人。
拉長時間看，這樣的變化和 " 取代 " 發生在一次又一次的技術迭代之中。
25 年前，蔣濤創辦 CSDN 的上世紀 90 年代，他們這群 " 國内第一批互聯網程式員 " 還曾需要自己 " 畫視窗 "。
蔣濤告訴 36 氪：" 程式員的工作，幾乎每天都在經歷自動化。過去幾次自動化，是給程式員提供了‘框架’，如何使用框架，還需要程式員的能力，但如今這一能力被大模型掌握了。"
90 後軟體工程師蘇奇試用了幾次大模型後，并未引發他過多的職業焦慮。" 可以取代一部分重復工作來提升效率，比如 idl 和一些 POJO 代碼，但本身壁壘不深的技術崗，比如測試、SRE、前端，可能會最早受到衝擊。"
他的焦慮不來自于取代本身，而是來自于如何确定自己是否會被取代。
" 假設大模型取代了簡單工種，原來的程式員只保留了頭部的 30% 到 50%，但我如何判斷自己是否是前 30%？" 蘇奇説，" 比如一個應屆生剛工作，沒有經驗，基本無法判斷自己的身位。"
03 開發者更好的時代？
技術開發所需要的核心人員越來越少，過去互聯網時代堆人頭的開發方式，在大模型時代不再奏效。
大模型是互聯網之外的一個新底座，互聯網舊系統很可能已經不再适用，大模型之上的生產方式與組織方式要被重構。
比如 " 螺絲釘 "，這一誕生在互聯網時代的名詞，張林覺得會在技術行業消失。
" 即使未來共生團隊擴張，業務增加，我們技術團隊的人數也不會暴增。不管哪個做大模型的公司或機構，如果哪天突然人數暴增，我覺得都是不正常的。"
蔣濤抱有類似的看法。雖然互聯網三十年，龐大的軟體程式是靠每一位程式員的每一行代碼建立，但從另一個角度看，" ‘程式員’同樣是過去軟體開發最大的阻礙 "。
" 一個沒有編程知識的人，即使有想法，也無法落地成應用。所以即使幾十年過去，程式員數量仍然遠遠小于需求量。" 蔣濤説道，" 而對于公司而言，如果想開發任何軟體，算一下調用和雇傭程式員的 ROI，大部分應用可能就被放棄了。"
楊植麟此前在騰訊新聞采訪中被問及，如果 Sam Altman 是在微軟内部領導微軟旗下的人工智能團隊，會和 OpenAI 有什麼不同。他直言，要在舊文化裏產生新組織，難度很大。
蘇奇曾先後在中美的三家互聯網大廠做軟體工程師，在應聘過程中，他發現國内各個階段的互聯網公司招聘，都很喜歡要 " 速赢人才 "。
" 一家公司要做 A 業務，就要把競對大廠做 A 業務很多年的人直接挖過來，能帶點 PPT 和代碼就更好了。這導致什麼？整個行業的技術框架高度同質化。比如搜推都是百度的架子，訂單、支付、對賬都是阿裏的。"
" 速赢人才 " 能最大程度促進擴張，這自然對追求規模效應的互聯網公司至關重要。當然，算法好壞也很關鍵，但仍然比不上在當地鋪了多少地推、發了多少補貼、辦了多少拉新活動重要。
不管是 " 速赢人才 " 還是 " 螺絲釘 "，互聯網公司的生產邏輯，是盡可能細得切割個人能力，然後将個體固定在某一環節進行生產。但 36 氪的多個受訪者看來，大模型将不再奉行這一邏輯。
梅濤的體會是，哪怕是跟上一代 AI 四小龍時期比，大模型為代表的 AI 技術也更為技術導向。" 以前一個人臉識别單子下來，十幾個供應商都在那裏投标，這裏面看的不是模型，而是公司的綜合解決方案能力。"
他舉例，小區閘門的人臉識别、工廠的人臉識别和關口的人臉識别本質都不一樣，性能差别很大，無法基于同一個模型底座，最終就變成傳統企業的服務現象——需要大量的 BD 和交付，有 N 個項目就需要招 N 倍的人。
" 今天的 AI，它在任何時候都不是一個商業模式，也不是一個行業，它是一個自己能閉環的技術。" 梅濤説。
張林同樣遇到過類似的問題。經常有投資人一見面就問他 " 你們是做哪個行業的 "，但這是屬于互聯網時代的 " 問法 "，" 什麼是行業 " 在大模型公司要重新定義。
他一遍遍解釋，" 和上一代技術不一樣，今天很難定義什麼叫行業。比如不管是服裝設計還是建築設計，對于大模型來説，它們二者是一樣的，因為計算方式一樣。大模型有很強的牽引性。"
張林最近跟朋友聊起《人月神話》——這本書被視作軟體開發行業的聖 經，經歷了一段時間大模型創業後，他對這本書的理解更深了。
書中寫道，當軟體組織體量很大，開發的難度并不是線性增長的關系，而是指數級增長，最後導致重要的開發問題變得異常復雜，像一個 " 焦油坑 "，讓所有開發人員深陷其中。
" 為什麼會這樣？很重要的一個原因是，過去的軟體開發絕大部分是體力勞動，就是敲代碼，當公司越來越大，代碼和人員越來越多時，一個組織中需要有 1/4 甚至更多的人去做管理，這個系統才能運轉起來。" 張林説道。
《人月神話》更具體地描述了這種困境：比如一個項目需要 4 個開發，可能需要配 2 個測試，1 個項目管理，2 個產品經理等，最終下來，團隊中的研發比例只剩不到 30%。這本書最終推論，一窩蜂的作業方式無助于軟體生產，且會制造麻煩，產生出更差的軟體。
在這樣臃腫的 " 舊文化 " 裏，技術創新的空間便愈發逼仄。
蘇奇對《人月神話》序章那句 "success without applause，diligence without reward." 深有同感，" 代碼寫得好不好、有沒有實際價值、是否產生新效益，全憑開發人員主動的自我要求。"
但現實是大部分開發人員都是被動支持系統的 " 螺絲釘 "。蘇奇回憶供職的上一家大廠，時常發生的情況是，開發方案 A 改 B 晉升了一波人，走之後，方案 B 改 A 又晉升了一波人。
" 有時為了争取資源，技術人員不得不做點簡單問題復雜化但能匯報的東西。" 蘇奇説，" 很多人自己做的產品自己都不用。"
《人月神話》已經是 22 年前出版的作品，如今軟體工程發展了幾十年，我們擁有了更快的硬體、更完善的框架、更方便的語言，然而這本書中描述的幾十年前的問題，至今都沒有被解決，依舊困擾着每一個程式員——
他們依舊無法評估工作量，難以進行合理的進度安排；他們很少能自己控制工作環境和工作目标，而是他人來提供目标和資源；項目落後時，只能被動延長工作時間或者增加人力……
所以軟體工程幾十年來沒有進步嗎？原因的源頭自然不是技術，而正是幾十年未變的生產鏈條。
GPT4.0 發布一年了，求職者向瑤函仍舊百分百對 AI 保持熱忱，" 人 " 才是他不相信的環節。
那個因為 AI 被裁員的朋友，沒過幾個月就發現是新人填補了他的空缺而不是大模型。"AI 沒有取代這個崗位 "，向瑤函甚至懷疑，這僅僅是一個冠冕堂皇的理由。
（應受訪者要求，本文蘇奇、肖恩為化名）
關注獲取更多資訊
