问一
有几个比较疑惑的点：
1. 现在都说算法方向技术迭代很快，个人长期积累不太乐观，再加上 AI 编程发展迅速，结合目前行业裁员、晋升的实际情况，你怎么看待互联网行业的职业发展路径？有没有比较长期的发展方向？
2. 还有一种说法是先做几年算法，再往业务方向转，这种路径可行性高吗？如果可行，有哪些比较合适的方向，比如产品经理、互联网出海业务这些？
答一
我大概总结了一下你的问题，就是AI对未来的职业有什么影响、怎么看待个人技术积累、懂AI但不做AI去做业务行不行、有什么长期发展方向，我下面按顺序回答你：
AI编程对什么级别的程序员影响最大：
AI编程的发展路径大致是：和大模型问答输出代码片段 -〉cursor这种使用ai功能深度改造的idea -〉claude code这种纯vibe工具 。 三种方案我都比较深度的使用了下。从去年开始我在同事圈子小范围推广claude code+glm模型的方案，涵盖程序开发、数据开发、运维、产品，所有人给了非常正向的反馈，有工程能力不是很强的同事，甚至觉得即使没有其他程序开发同学支持，他也可以自己完成很多事情了。
根据我的观察和判断，我觉得即使以目前的ai水平，ai也可以在某些工作上替代初级开发人员和中级开发人员。唯有高级开发人受影响比较小，原因是：
- llm存在的幻觉、难以理解复杂意图、全局理解能力极差等固有缺陷
- ai编程最大的现实瓶颈是token的限制。面对复杂场景，ai需要大量的上下文进行决策，而ai在某些方面缺失了人进行深度思考并压缩上下文的能力，导致ai的决策总是不完美的。
- ai的架构设计能力不足。架构设计往往是因地制宜的，既需要考虑历史包袱，也需要考虑现实环境制约，还需要考虑人的因素。尤其是面对跨模块问题，ai目前能力还不足。
- ai生成代码，局部质量高，但从全局看，扩展性、可维护性有问题，高级程序员能引导ai进行重构以及规整代码
- 对复杂架构下程序bug的诊断，ai不如人
技术迭代与个人积累：
现在IT行业任何方向的技术迭代都很快，算法方向尤其快。但任何方向都需要长期积累才能形成突破。AI的出现，会挤压初级人才以及中级人才的生存空间，但人的学习曲线，又注定了要先经历初级和中级才能达到高级。我觉得这个矛盾未来可能会作为企业人才工作的主线，即如何将没有潜力的初级、中级人才的工作交给AI，转而将资源尽可能的投入有成长为高级人才潜力的人。因此，对于你而言：
- 积累是必须的，不积累的人更容易被AI轻松淘汰
- 要学会使用ai加速你的积累速度，做到比别人更快的积累知识
- 相比起单纯的积累，等到你毕业的时候，可能重要的是证明你是值得长期培养的，有成为高级人才潜力的人。方法有很多：表现出更高的智力水平、更积极的探索前沿技术的心态、比其他人更快的积累速度
先说我关于“业务”的理解：
无论你是做算法，还是工程，还是产品经理抑或是数据开发，AI几乎把人拉齐到了同一个赛道。
- 对于不懂llm算法的人：开源的大模型足够解决绝大部分问题
- 对于不懂程序开发和其他算法的人：AI能够快速构建应用程序，以及传统算法模型
- 对不懂产品的人：未来基础产品思维，可能会成为IT行业要求的基础能力
- 对不懂数据的人：目前大数据行业正在快速被AI重构，分析和理解数据的成本越来越低
随着AI的能力越来越强，未来IT行业就业市场能容纳最多的人才的方向，我觉得是：能够利用AI提升业务的人，即能够充分的理解业务，然后使用已有的技术工具提升业务指标的人。
比如：
- 懂业务流程、能用AI把链路效率拉满的人。清楚公司从获客、转化、交付、售后的每一环，知道哪里最痛、哪里最耗人，然后用大模型、自动化工具把重复劳动、人工判断、低效流程直接砍掉，把业务效率、人效比直接拉高
- 懂行业规则、能把AI落地成真实业务价值的人，比如金融行业懂风控与合规，能知道哪些环节可以使用AI，哪些环节必须保留人工
这个能力不一定需要你有突破前沿技术的能力，在更多的场景下，需要的是你对业务的理解能力、知识的广度、对工具的熟悉程度、对前沿技术的了解等等。而且，这个能力在所有行业都会有一席之地，除了互联网行业，传统行业的数字化转型、IT建设等等都会需要这种人才。对于这个大的方向，最难的反而是对业务的理解能力，纯粹的程序员往往不如一线业务人员，新员工不如老员工，专才不如通才。AI正在消灭“纯技术执行岗”，但会放大“懂业务、会用 AI、能解决真实问题的人”。
长期的发展方向：
综上所属，结合你的实际情况，我觉得有两个发展方向：
- llm算法方向。如果AI是社会变革的最大推力，那么构建AI的那批人肯定能吃到最多的时代福利。目前，几乎只有Transformer架构还在迅猛成长，其他算法领域我觉得希望也不大，但也不排除未来AGI在真正实现时会抛弃transformer架构。走llm算法方向，只要第一份工作找好，那基本未来吃穿不愁。但这个方向竞争巨大，只有那些知识积累速度非常快的人才能站稳脚跟，你需要仔细评估你的个人能力
- 做一个通才，算法方向最为核心发展，但工程、产品、数据领域你也要懂一点，在招聘的时候瞄准企业类似“AI应用工程师”的岗位，直接去企业做AI业务。你的算法背景可以使你在技术层面获得一定的优势，但你的劣势是需要迅速熟悉业务，以及提升软实力（人际交往、项目推进等）。
现在要怎么做：
如果你选方向1，那你按你目前的规划进行即可。
如果选方向2，那么要做以下微调：
- 不能局限于llm算法。要学会程序开发，也要了解大数据。你有统计学背景，了解大数据对你来说不难
- 一定要学会借助用AI提高你的效率以及能力。比如AI编程工具。不会用AI提升自己的人，也无法用AI去提升业务。
- 要有意识的提高沟通能力、人际交往能力
- 要学会面试技巧，如我前文所言的，要让人觉得你有培养潜力，而不是被认为是一个可以被AI替代的员工
问二
走方向2，但这又让我产生了两个问题
1.大厂螺丝化问题，既然是走这个算法应用方向，前期肯定是奔着大厂去的，不过我从网上获取的信息经常提及了大厂螺丝化的问题，即每个人只负责整个流程一小块的工作，你的建议中也提到了要尽可能熟悉从业务到数据上下游的整体流程，那么这方面的实践操作是否能在大厂的流程背景下实现？还是说为了延长职业寿命，我需要可能在大厂历练几年后主动跳槽到中小厂，以换取接触完整项目的机会？
2.长沙的就业环境，我还想了个问题，就是北上广深的房价比较贵，历史的教训证明背高房贷并不明智，那如果若干年后我想着回到长沙来定居工作，那这个城市在算法等新产业方向的岗位需求又如何呢？
答二
问题一：
- 大厂的螺丝化情况未来应该会减弱。过去所有事情都要人做，所以企业要求员工精专某个技能。如果未来AI能解放很多领域，那对员工的核心要求也就回顺势由深度变为广度，会要求知识全面，能更好的调动AI的人
- 不要排斥当螺丝钉，应届生对于“接触业务”这个事情，应该是抱着”在出现接触业务的机会时尽可能抓住“的心态，而不是过分苛求在一开始就要接触业务熟悉业务。刚工作很难一开始就深入业务，可能给你的工作就是技术工作而不是业务工作。无论你一开始做什么都可以，只要在出现机会的时候积极争取即可
- “AI应用工程师”是个接触业务的好方向。这个职位放出来意味着企业以及想清楚了要通过AI重构某个业务，只是缺人而已，碰到这种机会要大胆点
- 现在不必考虑延长职业寿命的事情，把握好当下即可。事物发展太快了，过早考虑没用。比如说，以前程序员延长职业寿命的办法是降低代码质量让别人维护不了自己的代码，现在AI一出来这招完全没用了，这些人反而是最先被淘汰的
- 不必过分苛求去大厂。能去当然最好，但你在求职时要关注其他机会。原因：a.中国IT发展这么多年，大厂光环已经不如几年前好使了 b.最近几年大厂求职竞争尤为激烈 c.互联网大厂大部分都有AI思维，很多产品就是AI原生的。最需要AI重构业务的不是互联网大厂，而是传统企业
问题二：
- 长沙的互联网行业非常弱，想回长沙，你主要要瞄准传统行业以及金融行业。这些行业面对ai自身危机感也很强，也很需要人才利用AI对传统业务进行重构
- 长沙的核心优势就是房价低，除了房价低一无是处。职业天花板低、竞争激烈、企业普遍不遵守劳动法