原文摘要

There’s a bigger opportunity in computer science and programming (academically conveyed or self-taught) now than ever before, by far, in my opinion. The move to AI is like replacing shovels with bulldozers. Every business will benefit from this and they’ll need people to do it.

— Tim Sweeney, Epic Games

<p>Tags: <a href="https://simonwillison.net/tags/ai-assisted-programming">ai-assisted-programming</a>, <a href="https://simonwillison.net/tags/careers">careers</a>, <a href="https://simonwillison.net/tags/ai">ai</a></p>

原文链接

进一步信息揣测

• AI工具的实际应用门槛被低估：虽然AI被比作“推土机”，但企业往往忽视内部团队需要大量时间适应新工具，初期效率可能不升反降，需预留6-12个月过渡期预算。
• 隐性技能需求转移：传统编程能力（如算法优化）价值下降，而“AI指令工程”（Prompt Engineering）和模型微调能力成为高薪岗位的隐藏门槛，但这类技能极少出现在招聘JD中。
• 企业采购AI服务的灰色条款：云服务商（如AWS/Azure）会捆绑AI工具与基础设施合约，实际成本可能比公开报价高30%-50%，需通过谈判解锁独立采购权。
• 开源模型的内部替代趋势：为规避商业API的数据泄露风险，头部公司正秘密组建团队用Llama 3等开源模型替代GPT-4，但相关人才争夺已推涨ML工程师薪资40%+。
• 学术教育与市场严重脱节：高校CS课程仍侧重传统编程，而企业实际需求已转向“AI+领域知识”复合型人才（如医疗+AI建模），自学能力成为晋升关键分水岭。
• AI辅助开发的合规陷阱：使用Copilot等工具生成的代码可能包含GPL协议污染，法务部门开始要求提交前用Black Duck等工具扫描，否则可能引发IP诉讼。
• 中小团队的生存策略：通过购买现成AI代理（如AutoGPT定制版）快速交付项目，但需警惕技术债——这类方案通常无法迭代，2-3年后需彻底重构。