您知道的人工智慧乾貨，第一時間送達
轉自51CTO技術棧，僅用於學術分享，如有侵權留言刪除
編輯 | 雲昭
「軟體行業正處在一個相當微妙的拐點上！」
「未來幾年，將決定我們是用速度換掉理解，還是把理解變成新的護城河。」
在他的部落格《未來兩年的軟體工程》一文中，作為在 Google 內部親手推動 Gemini、Vertex AI 和 Agent Development Kit與開發者工作流結合的負責人，Addy 並沒有急於給出明確的答案。
相反，他將軟體工程拆分了5個殘酷的問題。
要判斷未來兩年的軟體工程會變成什麼樣，就需要先看到這5個深刻影響軟體工程行業的關鍵問題。
總之，在AI把整個軟體行業衝擊的七零八落的時候，持續學習、保持創造力就是唯一的辦法。
小編發現，谷歌雲高級總監兼首席布道官 Richard Seroter 也轉發了這篇好文。
從今天起，如果你還立志於從事軟體行業，如果你是一名應屆生，請開始儲備你的創意AI整合作品吧，而如果你是一名老兵，架構方面的Taste以及跨職能映射的能力也需要錘煉起來！
以下是小編梳理的精彩觀點。enjoy！
軟體正處於微妙的拐點
1. 初級工程師，還被需要嗎？
另一種可能的未來是反過來的。
Addy給出的應對建議
（1）給初級工程師：
（2）給資深工程師：
2. 技能的問題：程式設計師的基本功被廢掉了嗎？
但另一種可能是相反的。
Addy給出的應對建議：
給初級工程師：
給資深工程師：
3. 角色的問題：系統編排者
開發者可能退化為「AI 輸出的審計員」，也可能進化為 AI 驅動系統的編排者。無論哪種情況，價值早已不只是寫程式碼。
最悲觀的設想中，工程師的創造性角色被極度壓縮，只剩下審核和看護 AI 的工作：檢查自動生成的程式碼是否合規、是否安全、是否存在偏見，然後批准上線。
有工程師已經感覺到，自己越來越像「程式碼清潔工」，而不是創造者。
但更有吸引力的未來是：
工程師成為高層次的系統編排者——決定系統結構、任務分配、AI 與軟體元件如何協作。你不寫每一行程式碼，但你定義系統的旋律。
在這種「代理化（agentic）」開發環境中，工程師更像指揮家，而不是樂手。
應對建議
初級工程師：培養系統觀、溝通能力、文件能力
資深工程師：承擔架構、規範、倫理與指導角色
從 coder 進化為 conductor
4. 專才將死， 通才走紅
而很快，市場上會因為原來的細分領域被AI顛覆後，會迎來一種新型模式：「多面手」或T型開發者。
5. 教育的問題：本科還有必要讀嗎？
CS 學位是否仍是黃金門票？Addy認為，有兩種可能，一種是上大學仍然有必要，但會越來越吃力，你需要額外補充知識。
第二種更極端些，就是傳統教育會被系統性替代。Addy透露，現在市面上，程式設計訓練營、線上認證、自學型作品集、企業自建培訓學院開始成為主流。同時，越來越多頭部公司（如 Google、IBM）已經在部分技術職位上取消了學歷要求。有數據顯示，到 2024 年，美國接近 45% 的公司 計劃在至少一部分職位上取消學士學位門檻。
這可以說是一個全球性的問題：大學更新速度慢，而行業變化極快。越來越多公司開始取消學位硬性要求，轉向技能導向招聘。
應屆畢業生反映，他們在大學期間從未學習過雲端運算、現代DevOps或人工智慧工具。如果大學在提供低相關性教育的同時，卻要求求職者投入大量時間和金錢，那麼它們就有可能被視為昂貴的守門人。
學位仍然是預設的資格認證，但課程設定滯後於快速變化的需求，緩慢的課程更新週期和繁瑣的審批流程阻礙了這一進程。學生和雇主都感到學術界與產業脫節，教授的理論或過時的實踐無法轉化為實際工作技能。
AI 本身正在成為個人化導師，降低學習門檻。
Addy給出的應對建議
初學者：用專案、作品集、認證證明能力
如果你在傳統 CS 專案中，別把它當成唯一依靠。主動補充真實專案經驗：做一個 Web 應用、參與開源專案、爭取實習或合作專案。
課程沒涵蓋的熱門方向，用線上平台自己學。考取行業認可的認證（GCP、AWS、Azure等），向雇主傳遞「我能直接上手」。
如果你是自學或訓練營背景，把重心放在作品集上：至少一個體量夠大、文件清晰的專案。
積極參與開發者社區：參與開源、寫技術文章、參加線下 meetups 和開發者大會，通過 LinkedIn 建立連接。爭取有經驗的開發者為你背書。
把 AI 當成你的私人導師。
而對於資深開發者和管理者而言，
推動技能優先招聘、內部培養和導師制度。
與高校和替代方案保持互動：加入顧問委員會、做客座演講、回饋課程缺口。
唯一的主線：變化
可以看出，Anddy對於所有這些問題的答案都出了兩個版本的看法，（「專才和通才」除外），但奇特之處在於，這不同的兩個版本，本身並不互斥。
Addy表示，現實只會更精彩，它更可能會同時包含多種版本。
有些公司會減少初級職位，有些則會在新領域擴大招聘；
AI 會自動化大量重複編碼，同時抬高人類介入部分的標準；
開發者可能上午在審查 AI 生成的程式碼，下午在設計高層架構；
……
唯一確定的是：變化本身就是常態。
持續學習、保持懷疑、整體思考、強化人類獨有的判斷力和創造力，並把技術用於解決真實問題，是穿越不確定性的唯一方式。
預測未來最好的方式，是親手把它工程化出來。
參考連結：