点击上方↑↑↑“OpenCV学堂”关注我
来源：公众号 新智元 授权
十年前，如果你问想转行的人怎么快速进入科技行业，答案很可能是「学编程」。
一张培训营的结业证书、一套基础的编程技能，就能让普通人敲开硅谷的大门，踏入高薪职业的快车道。
然而，如今这条路已经越来越难走了。
全球范围内，程序员们纷纷失业，曾经风光无限的编程训练营也纷纷倒闭。
而这一切的背后，是AI工具的崛起，让编程不再稀缺，让初学者的生存空间被无情压缩。
在科技行业，生存的门槛正在迅速拔高。如今，仅仅会写代码远远不够——掌握AI技能，才是新的求职通行证。
AI催热了科技行业，也筛走了跟不上节奏的人。
入门级程序员都凉了
这些编程训练营是什么，从何而来？
在美国，自2010年代中期，强化的基础编程技能课，因其被视为通向高薪职业的快捷途径而备受推崇。
时任总统奥巴马将其纳入就业计划，各类非营利组织也推出了类似课程，帮助不同背景的人进入科技行业，包括哈佛和伯克利在内的大学也提供了自己的编程训练营课程。
这些课程确实奏效了。在CourseReport对3000名训练营毕业生的2020年调查中，79%的受访者表示课程帮助他们在科技行业找到了一份工作，平均薪资增幅达到了56%。
但随着AI编程工具开始普及，行业招聘正在收缩。
今年5月，在波士顿，Launch Academy训练营的创始人Dan Pickett决定无限期暂停课程，因为该训练营的就业安置率从曾经高达90%骤降至不到60%。
Motherboard和Blind曾进行了一项9388名工程师参与的调查，结果显示66%的人认为找工作变得更加困难。同时，Motherboard指出，AI的普及将导致程序员岗位的招聘人数减少。
据CompTIA统计的数据，与五年前相比，软件开发人员的活跃职位发布数量下降了56%。对于缺乏经验的开发人员来说，这一降幅甚至更糟，达到了67%。
加州大学圣巴巴拉分校技术管理助理教授Matt Beane正在研究AI工具的使用如何影响银行、保险等行业中的初级程序员。
Matt Beane
「GPT工具员（GPT monkey）这个词反复地出现，」他说，「这些初级开发者感到自己被局限于一些琐碎的小任务，只是借助一些AI工具机械地完成。」
有时，Beane追踪的这些初级程序员甚至连这样的机会都没有。因为AI生成的代码往往充满了经验不足者难以发现的错误，高级开发者有时发现自己生成和编辑代码比交给初级程序员处理更省事。
Beane在其他被自动化取代的技能（如手术和财务分析）中也观察到了类似的困境：初学者需要更多的专业技能才能派上用场，但获得这种技能的实践机会却越来越少。
曾经，没有大学学历或丰富经验的人想要进入科技行业，具备基本的编程技能即可。
然而在未来，初级程序员可能需要更广泛的技能和更深入的培训才能胜任工作。他们需要更多地了解自己的代码在更大系统中的运行方式。
「围绕商业问题的战略思考也变得更加重要，」科技人才招聘公司Mondo的总裁Stephanie Wernick Barker表示，「所以大学学历依然是至关重要的。」
换句话说，软件行业最大的变化可能不是AI取代了软件工程师，而是AI让成为一名软件工程师变得更加困难。
「可以说，在过去25年里，这是我见过的科技行业对入门级岗位最不友好的时期。」风险投资公司Menlo Ventures的合伙人Venky Ganesan说道。
放眼国内，2021年，知乎还有人在提问：「既然报个培训班就可以成为码农，那学计算机专业有什么用？」
而现在，这些曾经打着「XX天速通编程，轻松转行码农」旗号的编程培训班们也销声匿迹。
一切好像都是在2022年有了苗头。这一年，全球的科技公司们就开始大批量地裁员了。
并且这波裁员潮在2023年达到了顶峰。
好消息是，眼看着2024年接近尾声，今年的裁员人数相比去年大概少了10万左右。
肉眼可见地，裁员的趋势有所放缓。
裁员潮没有再大张旗鼓地汹涌而来，也足以证明，不是行业不行了，是行业在转型——
AI浪潮加速了高技能人才的需求，同时也让低技能岗位大量消失，许多普通程序员因此面临失业。
StackOverflow在5月对65000名开发者的调查中，提问道：「AI工具会威胁到你的工作吗？」
专业开发者中，有11.7%的人认为有威胁，18.7%的人不确定，69.6%的人认为没有。
编程初学者中，有15%的人认为有威胁，27.1%的人不确定，57.9%的人认为没有。
认为没有威胁的，大约相差了10%。
许多知名的AI创企组织结构也说明了一切：精简，精简，再精简。
Anthropic员工数量仅约为300人。
Perplexity更少，只有36人，公司估值却超过600亿。
Ilya创办的新公司「安全超级智能」（Safe Superintelligence，SSI）员工数量也只有10人。
科技巨头们的大波裁员，也展现了行业在向高效、精简转型的趋势。
AI浪潮，冲走的都是普通人。
开发者暴增，几乎全在搞AI
部分原因在于学生群体的崛起。GitHub教育计划已吸引超过700万名验证参与者。同时，通过GitHub Copilot免费访问计划，学生、教师和开源维护者的使用量同比增长了100%。
这表明，AI不仅帮助更多人学习编写代码或更快构建软件，还吸引并帮助更多人成为开发者。
另外，值得注意的是，这些暴增的「开发者」们并不一定是狭义上的软件开发者。
Python一跃成为GitHub上最常用的语言，全球开源项目不再局限于传统软件开发。
Python广泛用于机器学习、数据科学、科学计算等领域。其使用量的增长得益于大量STEM从业者和爱好者加入开源社区，这些新兴开发者不同于传统的软件开发者。
当然，系统编程语言（如Rust）的使用量也在增加。除了Python，JavaScript、TypeScript和Java仍然是GitHub上使用最广泛的语言。
Jupyter Notebooks的使用量也激增了92%，这可能表明从事数据科学、AI、机器学习和学术研究的人变得越来越多。
2024年，开发者在GitHub上创建了超过7万个公开、开源的生成式AI项目，并且对所有生成式AI项目的贡献总量增加了将近60%，项目总量增长了98%。
AI模型也正在成为开发者技术栈的一部分。
随着开发者不断发现AI的新应用场景，生成式AI模型在软件开发中的角色也发生了扩展，除了辅助开发者编写代码，还能成为开发应用程序的新构建模块。
随着开发者对性能良好且计算成本较低的小型模型需求的增加，嵌入式AI模型在智能手机中的使用成为驱动这一趋势的重要因素。
值得注意的是，2024年，贡献者数量增长最快的开源AI项目是ollama/ollama，这表明开发者对本地运行的大型语言模型（LLM）的实验兴趣增加。
项目地址：https://github.com/ollama/ollama
随着模型变得更小、计算需求更低，预计会有越来越多的开发者将它们应用于各种程序中。
「学编程」正在让位于「掌握AI技能」
有些人将其与长除法做了类比：了解其工作原理是好的，它是学习更高级数学的必要步骤。
在美国，求职建议中的「学习编程」，已经被「掌握AI技能」的呼声所取代。
麻省理工学院、康奈尔大学、西北大学、哥伦比亚大学等高校纷纷推出AI证书课程。
训练营们也在加快布局AI培训项目，比如Fullstack Academy最近就启动了为期26周的AI和机器学习训练营。
而像博思艾伦和摩根大通这样的公司，则为员工提供免费的AI课程。
根据CompTIA的数据显示，与AI相关的热门职位包括「机器学习工程师」和「人工智能工程师」。
这些职位要求掌握「机器学习模型的部署与扩展」以及「大语言模型的训练、版本管理、监控和部署的自动化流程」。
要知道，没有数学或编程背景，这些都很难快速上手。
与此同时，在微软和领英对9000多位高管的一项调查中，66%的受访者表示，他们不会雇佣没有AI技能的人，但这些技能具体是什么却并不清晰。
在国内，这样的趋势也已经有了苗头。
据麦可思《中国本科生就业报告》统计，2022届、2023届计算机类本科生就业率相较前几届下滑得厉害。2023届的就业率甚至直接跌到全国平均水平以下，还低了3.2%。
相比之下，电子信息类的就业率依然较为稳健。报告称，这与近年来爆火的5G通信、大数据、人工智能等热门领域都有着密切的联系。
不过另一方面，国内对AI编程工具的使用也才刚刚兴起。
今年年初，全球技术招聘平台CoderPad的一份调查显示，超过80%的开发者正在工作中使用ChatGPT或Copilot。
另根据全球开发者社区平台StackOverflow对65000名开发者的调查，大约60%的受访者表示他们今年使用过AI编程工具。
相比之下，国内知名的开发者社区平台CSDN的调查数据显示，有35%的开发者每天使用代码生成工具，其中36%认为效率提升显著。
显然，国内开发者对AI编程工具的使用比例相对较低。
但随着全球AI技能的需求日益增加，国内市场很可能在未来迅速追赶。
这不仅关乎工具的普及，更关乎AI技能的全面渗透。
国内企业在招聘中逐步引入AI技能要求或许只是时间问题，而这也将进一步推动开发者向AI领域靠拢。
https://www.nytimes.com/2024/11/24/business/computer-coding-boot-camps.html
https://github.blog/news-insights/octoverse/octoverse-2024/
http://www.mycos.com.cn/
OpenCV4系统化学习
推荐阅读
OpenCV4.8+YOLOv8对象检测C++推理演示
ZXING+OpenCV打造开源条码检测应用
攻略 | 学习深度学习只需要三个月的好方法
三行代码实现 TensorRT8.6 C++ 深度学习模型部署
实战 | YOLOv8+OpenCV 实现DM码定位检测与解析
对象检测边界框损失 – 从IOU到ProbIOU
初学者必看 | 学习深度学习的五个误区
