开篇想到《岳阳楼记》的结尾：
不以物喜，不以己悲；居庙堂之高则忧其民；处江湖之远则忧其君。是进亦忧，退亦忧。然则何时而乐耶？其必曰：“先天下之忧而忧，后天下之乐而乐”乎。
未来30年的开发变革，与过去30年相比，是指数函数才能勉强描述的趋势。有时候回想已经过去的30年，确实有些恍惚和迷茫。AI的发展已经到了一个拐点，无论是个人还是公司，如果不去主动拥抱新的变化，必然会被时代淘汰。
1.Visual Studio 引入 Github Copilot
随着 visual studio 2022 的再次升级， Github Copilot 集成进入VS。大语言模型这些年发展太快了，很想马上体验一下，结果网速太卡，半天 github 也连不上。不过以一个普通程序猿的视角，也能感受到openAI+Github会成为一种崭新的生产力工具，借助Github上庞大的代码资源，训练并启发生成代码、理解代码、排除错误、给出提示，极大程度颠覆现有的开发的模式。
2.个人要会用工具聚焦于创造性活动
从个人角度，这种开发方式会显著提高效率，降低职业门槛。目前公司里依靠固定框架、机械复制粘贴的专门工作岗位，以后很可能就慢慢消失了。构造一些同质的功能，只要驱动AI即可。这是一个巨大的变化。以后想靠“死读书”、“死磕”来立足，估计会越来越困难。
说到死读书，这里举自己的例子。我读书不行，第一学历是大专，后来才一步步读上去。还记得我在学校读研究生时，比起应届的学弟，已经很老了，已经有了孩子。很多课考试都考得很差，论文也写不好。不过自己在工作时，已经百炼成钢，对MFC的熟练程度很高。那个时候，教研室有博士大拿，做了很多算法，但是其他方面不想去做。我就专门跟着比我小好多岁的大神，专心致志做算法之外的东西。我不需要任何参考，脱离MSDN也能直接敲win32 API，对各种宏、第几个参数传什么、结构体里的开关烂熟于心。看到我比应届生熟练太多了，导师就把几个项目里最复杂的界面、最繁琐的东西丢给我，我总能以他预期10倍的效率完成，年底拿的奖金不仅高于算法开发组的博士，在全系的学生里也是最多的。
当时硕士导师（比我还年轻）很感慨我积累了一个背MFC各种技巧、用法的卡片册，上厕所也在背（那时候还没有智能手机），就给了我一个粗眉毛的卡通人物作为头像。而其他人也有自己的头像。后来和孩子补看了这个动画，才明白这个洛克李真的很贴切。其实我最早喜欢的武打明星就是罗芙洛，她的成长异曲同工吧。
传统的靠熟练程度就能立足的岗位，主要源于线性的、闭塞的学习环境。大专毕业时，因为互联网不是很普及，我没有见过Unix、Linux，故而以为 MFC+VC IDE=C++，我的师兄、老师都是这样认为的。天经地义。所以苦练MFC，背API表就是基本功。有时候还会互相考，和学习五笔字型的字根时一样。有时候为了背字根，一晚上不睡觉。这种非常东方的“铁杵磨成针”的精神，依旧很重要。但在未来，如果不去抬头看路，一味刻舟求剑，则无法适应科技爆炸式的发展。
未来，纯靠死记硬背来弥补天赋的工作，生存度会大打折扣。这种工作只应该当做短期的敲门砖，跟着别人做周边的同时，不停的学习，为今后做原创性、创造性更强的工作做基础。AI是一个巨大的进步，我们有更多的时间和灵活度来聚焦于更为有意思的工作，节约沟通成本。智商越高的人，和“猪队友”的沟通成本就越高。对于算法工程师而言，以前要苦口婆心和我这种软件工程师讲通一个要点，还要照顾彼此面子，费力的去让对方修改自己认为正确的东西。AI是没有情感、不会生气和急躁的。有想法的人可以不停地尝试新的实现。
3. 国内头部企业面临的挑战
未来，大部分应用开发企业会变成几个头部AI+Coding巨头的用户，类似购买电力一样购买AI资源。大语言模型需要大量资源的训练。掌握基础数据的企业，具有极强的原生优势。从这一点来说，Github+openAI 极有可能变成全球最大的AI电厂。国内有实力深耕大语言模型的头部企业，目前国内算法方面可能差距不大，但是在开源资料库上差距太大了。国内头部的几家企业，想复刻这种大模型获得同样的效果，难度还是很大的。Github 的既有资源和每日的互动，与其他平台完全不在一个数量级。
（上图来自网络）
当openAI+GitHub+工业CAD+3D打印这样的怪物工具链出现时，预示着一种全新的工业模式，即从想法直接到产品的直通车模式。西方企业因为掌握了大量的既有基础研究成果，和国内是两种完全不同的情况。如果把下一次工业革命比作做饭，基础研究成果就是米，AI是烹饪技巧。巧妇难为无米之炊，没有覆盖全部工业链条的基础研究成果，即使有了大语言模型以及AI的支持，也很难形成实用的生产力。这使得基础研究强大的企业，会更强；一般的企业，最终可能只能沦为“交电费”的芸芸众生。
4. 人工意识是下一个突破口
在去全球化的今天，连接Github巨卡，openAI也主动进行封锁。面对这样的不利因素，怎么避免不被再次全面碾压呢？我认为只有尽快研究人工意识才能再次改变游戏规则。
人工意识区别于目前的 openAI为代表的大语言模型，是具备真实自主意识的硅基智能生物。对于前面在各个基础学科落下的差距，如果借助人工意识进行基础学科的研究与研发，可能那点差距就相当于马拉松起点迟疑了1秒。由于没有宗教束缚，研究硅基自主意识和挑战伦理极限具备先天优势。一旦能够生成具有创造性、自我复制能力和主观能动性的忠实硅基智慧生命体，则能够在竞争中脱颖而出。
（图片来自网络）