一名失業(yè)中的程序員，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(quán)，用來投放自己的簡歷二維碼，掃碼就可以了解這名程序員“飄零的前半生”。
向瑤函是在2023年5月“主動失業(yè)”的。去年3月15日凌晨GPT-4發(fā)布，興奮之余，他和很多其他程序員隱隱感到不安——面對生成式AI技術(shù)的爆發(fā)，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(yè)當數(shù)據(jù)經(jīng)理，熱衷于AI比賽的他總是自詡為“AI狂熱分子”，業(yè)余在廣州的互聯(lián)網(wǎng)行業(yè)咨詢?nèi)ψ右哺傻糜新曈猩?/p>
2023年5月，舉辦了4場小范圍AI講座后，向瑤函明顯感到大模型的熱度已經(jīng)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(yè)，企業(yè)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?！癆I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”……抱著這樣的想法，雄心勃勃的他計劃轉(zhuǎn)型去當一名算法工程師。
大模型呼嘯而至，互聯(lián)網(wǎng)已經(jīng)很久沒有經(jīng)歷這樣的技術(shù)沖擊了。互聯(lián)網(wǎng)時代的技術(shù)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(chǎn)品經(jīng)理
事情沒有向瑤函想得順利，“門檻確實太高了，很多招聘要求是能開發(fā)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(jīng)驗寥寥。
更糟糕的是，畢業(yè)于湘潭大學企業(yè)營銷專業(yè)的他，曾經(jīng)靠自學Python闖入技術(shù)圈，但“英雄不問出處”的法則在大模型行業(yè)失靈了，“學歷上就卡死了”。
市場達成了自己的共識，這個共識就是追求確定性，以實現(xiàn)不確定性。
要在大模型行業(yè)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(huán)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(chuàng)業(yè)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(chuàng)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(chǎn)品經(jīng)理的工作。
創(chuàng)辦共生團隊幾個月后，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(lián)網(wǎng)體系內(nèi)找到可以經(jīng)驗復用的產(chǎn)品經(jīng)理。放棄招聘后，他和幾位AI工程師出身的創(chuàng)始團隊成員，兼起了公司產(chǎn)品經(jīng)理的職責。
“我們篩選過很多產(chǎn)品經(jīng)理的簡歷，做UI的、產(chǎn)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(jīng)驗?！睆埩终f道，“如果理解程度是‘畫一個界面’，那最后基本一塌糊涂。”
國產(chǎn)大模型已經(jīng)卷了一年半，但張林至今沒有看到“比較高質(zhì)量”的產(chǎn)品經(jīng)理出現(xiàn)。他產(chǎn)生了巨大的緊迫感。
他告訴36氪，創(chuàng)辦公司幾個月的時間里，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(shù)讓單個個體角色發(fā)生根本性變化，那么由這樣一個個體所組成的單位和系統(tǒng)，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，國內(nèi)只有他們。”
“無論創(chuàng)業(yè)公司還是大廠都在問我同樣的事情：唐杰老師（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(chuàng)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？”
短時間內(nèi)，清華幫十余人成了國內(nèi)大模型人才市場唯一的確定性，要招他們之外的人，大家?guī)缀踹B招聘要求怎么寫都沒有頭緒。
資深獵頭肖恩曾接過幾個互聯(lián)網(wǎng)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么，還異想天開想從OpenAI、Meta什么的挖人。”“有些大廠大模型團隊辦公室都開到國外了，但是也沒做出什么水花，也不知道未來要干什么?！?/p>
投資人也在霧里看花。曾經(jīng)有投資人問張林，是不是國內(nèi)（大模型公司）已經(jīng)泛濫了，這讓張林感到無奈?！案静豢赡?，真正能做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(shù)很難短期內(nèi)擴散?！?/p>
眼下，優(yōu)秀的AI工程師就像上世紀九十年代的程序員，匱乏且搶手。技術(shù)招聘平臺CoderPad近期發(fā)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(shù)崗位，包括數(shù)據(jù)清洗和SFT（有監(jiān)督微調(diào)）等。和所有人一樣，她最開始的路線是專找圈內(nèi)“掐尖兒”的技術(shù)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(shù)崗位邊界在變得模糊。
張林的技術(shù)團隊不到10個人，除去一兩位專做底層大模型的工程師，其他人絕大部分精力用來做系統(tǒng)設計和產(chǎn)品設計，寫代碼的比重越來越小?！奥涞貢r，誰寫的代碼誰就自己做項目經(jīng)理?！?/p>
HiDream.ai的研發(fā)人員同樣覆蓋全流程，公司創(chuàng)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?！?/p>
36氪走訪了解到，行業(yè)普遍的預測是，未來程序員和產(chǎn)品經(jīng)理兩個崗位將合體。
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(jīng)歷，現(xiàn)階段市場里沒有現(xiàn)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(yǎng)出成熟人才后再收割，大模型迭代，晚一天都是萬億參數(shù)訓練的落后。
經(jīng)過一年摸索后，Louis感覺國產(chǎn)大模型人才需求進入階段性穩(wěn)定期，呈現(xiàn)出一種“啞鈴狀”格局，要么追求頭部技術(shù)大咖，要么招應屆或在讀的學生。
“有些公司的心態(tài)是，大模型極大地降低了編程門檻，那對于一些非核心技術(shù)崗，利用開源大模型也可以迅速學會，應屆生又便宜、技術(shù)又新，Why not？”Louis說道。
張林在碰壁后也發(fā)現(xiàn)，通過招聘的方式，已經(jīng)很難找到技術(shù)和產(chǎn)品的多面手，他選擇另辟蹊徑，從源頭培養(yǎng)。
他告訴36氪，共生團隊已經(jīng)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(fā)掘足夠強的候選人，將來自然而然進入公司工作?！?/p>
張林的做法并不少見，學術(shù)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(fā)人員，沒有產(chǎn)品經(jīng)理，且9位研發(fā)人員中，有4位都是尚未畢業(yè)的本科生。
而“工業(yè)界與學術(shù)界融合”最為成熟的標桿，自然是OpenAI。
過往，新的技術(shù)突破總是最先誕生在學術(shù)界，但ChatGPT成為一個節(jié)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”，將科學和產(chǎn)品、商業(yè)結(jié)合，才最終誕生了ChatGPT這樣偉大的系統(tǒng)。
“過去把研究型組織安插在大公司，這樣的AI Lab模式已經(jīng)成為歷史了?！痹轮得鎰?chuàng)始人楊植麟日前在接受騰訊新聞采訪時表示，AGI的生產(chǎn)方式跟互聯(lián)網(wǎng)不一樣，科研或教育系統(tǒng)會轉(zhuǎn)變職能，變成培養(yǎng)人才為主。
這一輪技術(shù)革命中，經(jīng)驗的重要性被不斷降級，取而代之的是“擁有足夠新的知識”，越來越多科技領域?qū)W者，在學術(shù)生涯早期便介入工業(yè)界。
在此背景下，大模型老板們自然也是下手多早都不為過?！氨究粕覀兌疾环胚^”，據(jù)張林觀察，在大模型時代，本科生甚至比博士生更容易出東西，“沒有（舊技術(shù)的）負擔很重要”。
02
并非取代那么簡單
大模型或許是屬于技術(shù)追求者的最好的時代，它更單純、更聚焦、更長期主義。產(chǎn)品是否受歡迎，比拼的幾乎只有技術(shù)。
這也造成了一種技術(shù)焦慮——新一輪技術(shù)沖擊下，跟不上就會被拋棄嗎？
地鐵站求職廣告發(fā)布后，有50多家企業(yè)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(shù)據(jù)分析。他不得不告訴自己，自己的“大模型夢”可能很難實現(xiàn)了。
“感覺大模型出來后，之前學了三年python都白費了?！?/span>
在他身邊，案例也逐漸變得兩極化，有人因為在高精尖行業(yè)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(yè)困境，或許和大模型編程能力的完善有關(guān)，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(gòu)建互聯(lián)網(wǎng)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，到后來的機器代碼、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(fā)出了Codex系統(tǒng)，Codex可根據(jù)程序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，這之后便開始有聲音討論“大模型取代程序員的可能性”。
直到最近，類似產(chǎn)品開始井噴，一批“碼農(nóng)大模型“密集誕生。比如初創(chuàng)公司Cognition發(fā)布的首個AI軟件工程師Devin、螞蟻集團CodeFuse平臺推出的“圖生代碼”技術(shù)、微軟根據(jù)OpenAI的Codex模型開發(fā)的代碼建議工具GitHub Copilot……
今年年初，技術(shù)招聘平臺CoderPad的一份調(diào)查顯示，超過80%的開發(fā)者正在工作中使用ChatGPT或Copilot。CSDN的一份調(diào)查則顯示，35%的開發(fā)者每天使用代碼生成工具，其中36%的人認為開發(fā)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顛覆意味，在于互聯(lián)網(wǎng)的生產(chǎn)方式圍繞編程展開。編程之外，還有需求分析、測試運維、數(shù)據(jù)洞察等成體系的開發(fā)流程，改變了基礎編程，就改變了互聯(lián)網(wǎng)的生產(chǎn)方式。
用英偉達CEO黃仁勛的話說，“現(xiàn)在世界上每個人都是程序員”——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(xiàn)在的Java、Rust、JavaScript，編程語言之父們發(fā)明了數(shù)百種編程語言，只為讓開發(fā)更容易?！盋SDN創(chuàng)始人兼董事長蔣濤說，如今大模型允許自然語言生成代碼后，“我們預計在未來3年至5年，全球開發(fā)者會從現(xiàn)在的1億增長至10億規(guī)模?！?/p>
當個體開發(fā)者增長到一定規(guī)模后，蔣濤預測會出現(xiàn)一批超級程序員個體，會像視頻的up主一樣，提供類似freelancer的軟件開發(fā)服務。
當然，硬幣永遠有另一面。
“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(fā)者的需求會向上層能力轉(zhuǎn)移?！笔Y濤說道，“這一調(diào)整過程中，一定會經(jīng)歷一個階段，是程序員失業(yè)期。”
Motherboard和Blind此前展開了一項有9388名工程師參與的調(diào)查，數(shù)據(jù)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表示人工智能將導致程序員招聘人數(shù)減少。
作為前沿試驗場，硅谷大模型公司的人才結(jié)構(gòu)說明了一切。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余人，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(fā)團隊在精簡甚至縮編，但“零工”體量在變大。
CoderPad數(shù)據(jù)顯示，去年近六成招聘方為了滿足技術(shù)需求，會招聘臨時工或?qū)嵙暽夹g(shù)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余人。
拉長時間看，這樣的變化和“取代”發(fā)生在一次又一次的技術(shù)迭代之中。
25年前，蔣濤創(chuàng)辦CSDN的上世紀90年代，他們這群“國內(nèi)第一批互聯(lián)網(wǎng)程序員”還曾需要自己“畫窗口”。
蔣濤告訴36氪：“程序員的工作，幾乎每天都在經(jīng)歷自動化。過去幾次自動化，是給程序員提供了‘框架’，如何使用框架，還需要程序員的能力，但如今這一能力被大模型掌握了。”
90后軟件工程師蘇奇試用了幾次大模型后，并未引發(fā)他過多的職業(yè)焦慮?！翱梢匀〈徊糠种貜凸ぷ鱽硖嵘?，比如idl和一些POJO代碼，但本身壁壘不深的技術(shù)崗，比如測試、SRE、前端，可能會最早受到?jīng)_擊?！?/p>
他的焦慮不來自于取代本身，而是來自于如何確定自己是否會被取代。
“假設大模型取代了簡單工種，原來的程序員只保留了頭部的30%到50%，但我如何判斷自己是否是前30%？”蘇奇說，“比如一個應屆生剛工作，沒有經(jīng)驗，基本無法判斷自己的身位?！?/p>
03
開發(fā)者更好的時代？
技術(shù)開發(fā)所需要的核心人員越來越少，過去互聯(lián)網(wǎng)時代堆人頭的開發(fā)方式，在大模型時代不再奏效。
大模型是互聯(lián)網(wǎng)之外的一個新底座，互聯(lián)網(wǎng)舊系統(tǒng)很可能已經(jīng)不再適用，大模型之上的生產(chǎn)方式與組織方式要被重構(gòu)。
比如“螺絲釘”，這一誕生在互聯(lián)網(wǎng)時代的名詞，張林覺得會在技術(shù)行業(yè)消失。
“即使未來共生團隊擴張，業(yè)務增加，我們技術(shù)團隊的人數(shù)也不會暴增。不管哪個做大模型的公司或機構(gòu)，如果哪天突然人數(shù)暴增，我覺得都是不正常的。”
蔣濤抱有類似的看法。雖然互聯(lián)網(wǎng)三十年，龐大的軟件程序是靠每一位程序員的每一行代碼建立，但從另一個角度看，“‘程序員’同樣是過去軟件開發(fā)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，程序員數(shù)量仍然遠遠小于需求量?！笔Y濤說道，“而對于公司而言，如果想開發(fā)任何軟件，算一下調(diào)用和雇傭程序員的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是在微軟內(nèi)部領導微軟旗下的人工智能團隊，會和OpenAI有什么不同。他直言，要在舊文化里產(chǎn)生新組織，難度很大。
蘇奇曾先后在中美的三家互聯(lián)網(wǎng)大廠做軟件工程師，在應聘過程中，他發(fā)現(xiàn)國內(nèi)各個階段的互聯(lián)網(wǎng)公司招聘，都很喜歡要“速贏人才”。
“一家公司要做A業(yè)務，就要把競對大廠做A業(yè)務很多年的人直接挖過來，能帶點PPT和代碼就更好了。這導致什么？整個行業(yè)的技術(shù)框架高度同質(zhì)化。比如搜推都是百度的架子，訂單、支付、對賬都是阿里的?！?/p>
“速贏人才”能最大程度促進擴張，這自然對追求規(guī)模效應的互聯(lián)網(wǎng)公司至關(guān)重要。當然，算法好壞也很關(guān)鍵，但仍然比不上在當?shù)劁伭硕嗌俚赝啤l(fā)了多少補貼、辦了多少拉新活動重要。
不管是“速贏人才”還是“螺絲釘”，互聯(lián)網(wǎng)公司的生產(chǎn)邏輯，是盡可能細得切割個人能力，然后將個體固定在某一環(huán)節(jié)進行生產(chǎn)。但36氪的多個受訪者看來，大模型將不再奉行這一邏輯。
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(shù)也更為技術(shù)導向。“以前一個人臉識別單子下來，十幾個供應商都在那里投標，這里面看的不是模型，而是公司的綜合解決方案能力?！?/span>
他舉例，小區(qū)閘門的人臉識別、工廠的人臉識別和關(guān)口的人臉識別本質(zhì)都不一樣，性能差別很大，無法基于同一個模型底座，最終就變成傳統(tǒng)企業(yè)的服務現(xiàn)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(yè)模式，也不是一個行業(yè)，它是一個自己能閉環(huán)的技術(shù)。”梅濤說。
張林同樣遇到過類似的問題。經(jīng)常有投資人一見面就問他“你們是做哪個行業(yè)的”，但這是屬于互聯(lián)網(wǎng)時代的“問法”，“什么是行業(yè)”在大模型公司要重新定義。
他一遍遍解釋，“和上一代技術(shù)不一樣，今天很難定義什么叫行業(yè)。比如不管是服裝設計還是建筑設計，對于大模型來說，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?！?/p>
張林最近跟朋友聊起《人月神話》——這本書被視作軟件開發(fā)行業(yè)的圣經(jīng)，經(jīng)歷了一段時間大模型創(chuàng)業(yè)后，他對這本書的理解更深了。
書中寫道，當軟件組織體量很大，開發(fā)的難度并不是線性增長的關(guān)系，而是指數(shù)級增長，最后導致重要的開發(fā)問題變得異常復雜，像一個“焦油坑”，讓所有開發(fā)人員深陷其中。
“為什么會這樣？很重要的一個原因是，過去的軟件開發(fā)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(tǒng)才能運轉(zhuǎn)起來。”張林說道。
《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(fā)，可能需要配2個測試，1個項目管理，2個產(chǎn)品經(jīng)理等，最終下來，團隊中的研發(fā)比例只剩不到30%。這本書最終推論，一窩蜂的作業(yè)方式無助于軟件生產(chǎn)，且會制造麻煩，產(chǎn)生出更差的軟件。
在這樣臃腫的“舊文化”里，技術(shù)創(chuàng)新的空間便愈發(fā)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(chǎn)生新效益，全憑開發(fā)人員主動的自我要求?！?/p>
但現(xiàn)實是大部分開發(fā)人員都是被動支持系統(tǒng)的“螺絲釘”。蘇奇回憶供職的上一家大廠，時常發(fā)生的情況是，開發(fā)方案A改B晉升了一波人，走之后，方案B改A又晉升了一波人。
“有時為了爭取資源，技術(shù)人員不得不做點簡單問題復雜化但能匯報的東西。”蘇奇說，“很多人自己做的產(chǎn)品自己都不用?！?/p>
《人月神話》已經(jīng)是22年前出版的作品，如今軟件工程發(fā)展了幾十年，我們擁有了更快的硬件、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，依舊困擾著每一個程序員——
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(huán)境和工作目標，而是他人來提供目標和資源；項目落后時，只能被動延長工作時間或者增加人力……
所以軟件工程幾十年來沒有進步嗎？原因的源頭自然不是技術(shù)，而正是幾十年未變的生產(chǎn)鏈條。
GPT4.0 發(fā)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(huán)節(jié)。
那個因為AI被裁員的朋友，沒過幾個月就發(fā)現(xiàn)是新人填補了他的空缺而不是大模型?！癆I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。