每經(jīng)記者 蔡鼎    每經(jīng)編輯 高涵    

AI技術的迅速發(fā)展猶如一場風暴，席卷了全球科技公司曾經(jīng)炙手可熱的崗位。

據(jù)裁員追蹤機構Layoffs.fyi提供的數(shù)據(jù)，截至12月2日，2024年全球科技公司至少裁員14.9萬人。這一數(shù)字較2022年和2023年同期明顯增多，顯示出科技業(yè)在AI潮流下面臨的巨大變革壓力。尤其是科技巨頭，紛紛依靠AI技術來提升效率、降低成本。以亞馬遜為例，自從將生成式AI開發(fā)助手“Amazon Q”集成到內(nèi)部系統(tǒng)后，不僅節(jié)省了約4500個開發(fā)人員一年的工作量，還節(jié)約了2.6億美元的運營資金。

據(jù)Spherical Insights的最新預測，到2032年，AI編碼工具市場規(guī)模可能超過295億美元。在這樣的背景下，教育界也開始重新審視計算機科學課程的設計。

極大縮短代碼編寫周期

從自動化代碼生成到優(yōu)化測試和部署，AI正在重塑軟件的設計、構建和維護方式。其中，生成式AI和大語言模型通過自動化關鍵步驟（從需求收集到編碼和測試），極大地簡化了軟件開發(fā)和縮短代碼編寫的周期。

生成式AI與人類開發(fā)人員合作，將人類的想法轉化為具體的需求。然后，生成式AI將這些需求轉換為具體的案例，并生成測試用例和代碼，這種寫作加快了軟件開發(fā)的過程，同時也提高了最終產(chǎn)品的質量。

支持機器學習的工具使用自然語言處理（NLP）來解釋自然語言并描述成代碼建議或完善代碼。這種功能可以加速代碼的編寫，減少人工編寫代碼的錯誤，并允許開發(fā)人員專注于更復雜的創(chuàng)造性任務，而不是機械地編寫代碼。

此外，AI支持的自動化工具通過預測下一行代碼甚至生成整體的代碼進一步提高了生產(chǎn)力，這些工具通過使用機器學習模型和深度學習技術來適應技術的發(fā)展和迭代，從而帶來了更高效的代碼編寫過程和項目成果。

除了代碼的編寫外，AI還能賦能軟件調(diào)試。先進的AI工具可以自動檢測錯誤和漏洞，并提出修改和優(yōu)化建議。AI驅動的測試系統(tǒng)還可以生成自適應測試用例，并優(yōu)先處理最關鍵的測試，從而提高軟件的整體質量。

AI能夠根據(jù)歷史數(shù)據(jù)測試錯誤，從而幫助開發(fā)人員避免未來可能出現(xiàn)的問題。這些系統(tǒng)依靠復雜的機器學習算法，通過分析從以往問題中收集的案例，不斷改進檢測和測試的方法。

總的來說，AI正在迅速提高軟件開發(fā)人員的速度和準確性，并培育一個更可靠和安全的軟件開發(fā)環(huán)境。展望未來，AI技術在代碼編寫過程中的應用還將有更大的進步。

隨著新一代AI的發(fā)展，其可能從根本上重塑軟件開發(fā)的每個環(huán)節(jié)，甚至可能使人們今天所熟知的程序員工作成為過去式。

IT公司Forrester的副總裁兼首席分析師Diego Lo Giudice指出，其實在軟件開發(fā)過程中借助AI工具并不新鮮，早在2019年就已存在。他表示，以前的AI主要用于代碼測試，利用機器學習來優(yōu)化測試策略和模型，而當前的新一代AI已經(jīng)遠遠超越了這些。

據(jù)IDC預測，到2026年，亞太地區(qū)40%新App將是“智能App”，這些App將集成生成式AI，以增強用戶體驗并提供新的用例。據(jù)IDC的研究，在軟件開發(fā)和設計中使用生成式AI的最大影響將是提高生產(chǎn)率和開發(fā)速度。IDC的研究預測，這種潛在的商業(yè)利益將推動30%的亞太地區(qū)企業(yè)為App 開發(fā)中的生成式AI功能支付11%~20%的溢價。

盡管如此，這并不是說在當下AI的協(xié)助下能“寫”出十全十美的代碼，而是需要人類程序員積極地管理潛在風險。

AI編程創(chuàng)業(yè)公司受青睞

在極大提高編程工作效率的趨勢下，AI“寫代碼”的初創(chuàng)公司也成為各方資本眼中的“香餑餑”。

就在上月初，AI編程助手公司Anysphere宣布收到風投的投資邀約，估值約為25億美元，比大約4個月前的交易估值高出6倍多。

這顯然不是AI編碼初創(chuàng)公司的唯一一筆融資案例。今年10月初，AI編碼初創(chuàng)公司Poolside完成了一筆5億美元的融資，最新估值達到30億美元，晉升為AI獨角獸。Poolside次輪融資包含了英偉達、匯豐創(chuàng)投、LG Technology Ventures等多家投資方。

今年8月，美國AI編程公司Codeium宣布完成了1.5億美元的C輪融資，投后估值達到12.5億美元。本次融資由知名風投公司General Catalyst領投，另外兩家美國知名風投機構Kleiner Perkins和Greenoaks也參與了本次融資。同月，另外一家美國AI編程創(chuàng)業(yè)公司Magic宣布完成一輪3.2億美元的融資，投資者包括谷歌前首 席 執(zhí) 行 官 Eric Emerson Schmidt、谷歌的CapitalG、澳大利亞軟件公司Atlassian等。

創(chuàng)業(yè)公司接連融資的背后，是AI編碼賽道廣闊的商業(yè)化前景。業(yè)內(nèi)人士分析稱，AI開發(fā)助手的應用能夠減少開發(fā)人員的工作量和企業(yè)的開發(fā)成本，從而達到降本增效的目的。亞馬遜首席執(zhí)行官Andy Jassy曾表示，將亞馬遜的生成式AI開發(fā)助手“Amazon Q”集成到內(nèi)部系統(tǒng)后，節(jié)省了約4500個開發(fā)人員一年的工作量，還節(jié)約了2.6億美元運營資金。

Github最近發(fā)布的一項調(diào)查顯示，目前已經(jīng)有97%的受訪開發(fā)者表示在工作中使用過AI編程類工具。據(jù)Spherical Insights的最新預測，到2032年，AI編碼工具市場規(guī)模可能超過295億美元。

計算機教育亟需調(diào)整

在AI編程的熱浪下，教育界也開始重新審視計算機科學課程的設計。

福布斯報道中稱，當前學校內(nèi)的計算機科學教育幾乎總是側重于代碼編寫（即創(chuàng)建正確的計算機程序所需的語法、語言結構和其他細節(jié)），這種類型的知識在標準化測試中還得到了進一步加強，這類測試評估學生對知識細節(jié)的嚴格理解。在一些大學甚至高中里，人們可以找到關于如何使用代碼來創(chuàng)建系統(tǒng)應用主題的課程。

隨著AI工具的發(fā)展，計算機科學課程的重要性正在被淡化。雖然學生們?nèi)匀恍枰軌蜷喿x、更新、修改和擴展代碼，但他們從頭開始學習編程并保持100%的正確性來說，可能已經(jīng)不再那么重要了。有教育界人士呼吁調(diào)整計算機科學教育課程以更好地適應新時代的需求。

使用過AI進行編程的專家稱，他們的開發(fā)重點目前是提示詞的撰寫和編輯，而不僅僅是單純的“寫代碼”，其中高達80%的代碼是由AI生成的。這種形式的編程結合了人類的閱讀、理解和改進代碼的技能，以及AI為特定任務生成的語法正確的代碼。然而，要在這種軟件開發(fā)方式中取得成效，需要人類程序員熟練地閱讀和理解代碼，并具備足夠的知識來評估，并在必要時直接進行更正。

這樣的趨勢表明，未來學生應該學習一種人類與AI相互協(xié)作的軟件開發(fā)模式，并思考人們今天所設定的計算機科學課程所傳授的技能是否適合未來的勞動力。

越來越多證據(jù)表明，應屆計算機科學畢業(yè)生已經(jīng)很難找到入門級軟件開發(fā)類工作。在計算機科學教育中，一個更大的轉變可能是將重點從編程轉移到企業(yè)級軟件所需的技能上，比如項目質量保證機制、大型代碼庫的寫作工作等。

封面圖片來源：視覺中國