來源 新智元 編輯：英智 KingHZ

軟件開發的未來已來！每位工程師都將配備AI智能體，它們將嵌入日常開發，優化代碼、發現漏洞、加速原型設計。黃仁勛認為，未來每個人都將指揮多個AI助手，生產力呈指數級增長。

黃仁勛放話：英偉達將全員配AI助手！

這可不是隨便畫個大餅，而是英偉達正在大刀闊斧搞的變革，這趨勢可能席卷整個科技圈。

Meta的小扎、微軟CEO納德拉、Anthropic的CEO都表示：AI將重塑開發者角色。

AI很快會完成大部分代碼，程序員的工作將從苦哈哈地敲代碼變成「指揮」AI，像導演一樣告訴AI要做什么。

黃仁勛表示英偉達要全員轉型「AI指揮員」：

英偉達的絕大多數工程師都是軟件工程師，如今芯片設計師也是軟件工程師。不久之后，所有人都會用AI智能體輔助工作，其實現在很多人已經在用了。

這他們的工作效率更高，能做更大的項目，更快地將創意轉化為原型，開發出質量更高、漏洞更少、安全性更強的軟件。

所有的營銷人員、銷售人員、分析師，甚至研究人員都在使用。深度研究是一個非常強大的工具。

英偉達：全員配AI助手

英偉達早就明白，現代芯片開發本質上是一項軟件工作。硬件和軟件之間的界限幾乎不復存在。

引入AI智能體不僅是為了提高效率，而是徹底改變工程師的工作模式。

在英偉達，AI智能體不是偶爾調用的可選助手，而是成了日常工作的標配。

它能嵌入到日常的工作中，提前發現代碼漏洞，優化設計方案，用超快速度模擬測試，自動檢查系統是否符合監管和安全要求。

黃仁勛認為未來AI將從被動響應指令，進化成更主動的AI智能體。

未來的AI會像超級聰明的助手，自己思考、計劃、做事，而不是等你一步步指揮。

比如：告訴它「幫我規劃一次旅行」，它不僅會搜索機票，還會考慮你的預算、偏好，預訂酒店，甚至提醒你帶傘因為目的地可能下雨。

黃仁勛預測，未來5-10年，AI智能體會成為主流，徹底改變各行各業，比如醫療（自動診斷和治療方案）、制造業（優化生產流程）以及日常生活。

但同時也帶來挑戰，如AI自主決策的安全性、較高的技術門檻和開發成本。

認識到這一發展趨勢的并不只有英偉達。

OpenAI和DeepMind也越來越傾向于開發能進行推理、協作和自主執行任務的智能體模型。

然而，其中的差別在于這些系統的定位。

英偉達直接讓AI智能體深度融入工作，變成技術系統中不可或缺的、半自主的合作伙伴。

這種轉變的影響是深遠的。

GTC大會上，黃仁勛指出，現在全球大約有10億知識工作者，以后每個人可能指揮著10個AI助手！

在研發一線，工程師指揮一批各司其職的AI：有的專門查安全漏洞，有的優化代碼以提高能源效率，還有的確保和新硬件兼容。

「工程師」的概念也在發生演變，不再僅僅是單打獨斗的技術大佬，而是變成了指揮AI團隊的操盤手。

然而，黃仁勛在播客中，也強調了一個嚴峻的現實：能源和計算能力是AI普及的最終瓶頸。

以前芯片性能按摩爾定律指數級增長，現在卻撞上了熱力學和基礎設施的天花板。

無論單個GPU的效率有多高，要同時運行幾十億個AI助手，現有的電力、散熱和硬件條件根本撐不住！

芯片封裝、光子技術、散熱系統這些領域的創新不是可有可無，而是關乎生存的必要條件。

Agentic AI來了！

與此同時，各大公司都在拼命卷AI助手。

OpenAI研究讓AI學會用工具，DeepMind思考怎么讓AI團隊協作，大家目標很明確：那種只能聽指令的被動AI快過時了，未來屬于主動出擊、自主完成任務的AI智能體！

英偉達的內部戰略表明，它不僅想成為算力供應商，還想給科技行業提供藍圖。

黃仁勛的愿景中還隱含著一個警告。

AI助手將成為工作剛需，用得好的人和公司會一飛沖天，跟不上的就直接被淘汰。

生產力差距不會呈線性增長，而是會呈指數級增長。

有AI智能體加持的工程師，產出的價值可能是普通工程師的幾十倍甚至上百倍！

如果不做系統性的AI升級，以前靠經驗和資歷積累的優勢，很快就會被拍在沙灘上。

與其說這是英偉達的內部計劃，不如說這是AI時代技術行業的職場藍圖。

就像許多技術革命一樣，人們往往很晚才會認識到其重要性，先入場的公司早把領先優勢拉滿了。

GenAI的確是了不起的技術，但它也有明顯的局限性。

如果沒有應用在合適的場景中，或者缺乏恰當的管理控制，就可能引發嚴重問題。

著名商用統計軟件公司SAS的首席技術官Bryan Harris，舉了大模型在貸款申請的例子。

他表示：「大語言模型對黑人申請者的拒貸率更高，推薦的利率也普遍高于對白人申請者的建議。只靠LLM不足以勝任大多數企業級應用場景。它們需要更完善的流程、治理機制和倫理規范。」

他進一步解釋說，GenAI的模式是人類提問，AI給出決策或答案；而Agentic AI是雙向工作的，AI會先整理出總結供人類審閱。

他宣布，SAS全面擁抱Agentic AI，支持用戶通過低代碼/無代碼的方式構建AI智能體。

從GenAI到Agentic AI，轉型的不止是SAS。

AI重塑開發者角色

上周，Meta舉辦了首屆LlamaCon人工智能大會。

小扎預測，未來一年內，大約一半的開發工作將由AI完成，推動行業的生產力大幅提升。

他表示，Meta正在開發一種AI模型，給自家AI系統寫程序。

LlamaCon大會上，納德拉透露，AI已承擔了微軟30%的代碼工作。

開發者的角色將從寫代碼轉變為管理AI，開發者將更多扮演「定義需求」的角色，優化AI生成的代碼。

AI編程工具將掀起軟件開發革命。

它不僅能自動生成代碼，還能自己寫測試用例。這讓開發者有更多時間投入創新。

行業預測顯示，AI能讓生產力提高30%，有望為全球GDP貢獻超過1.5萬億美元。

目前，最受歡迎的AI應用之一是「氛圍編程」（vibe coding），就是用聊天的方式給AI指令。

開發者在舒服的燈光下，聽著音樂，和AI工具聊聊天，就能提供合適的編程思路，還能直接生成代碼。

高德納咨詢（Gartner Research）公司預測，到2028年，75%的專業開發者都會用氛圍編程等AI工具。

在2023年9月，這一比例還不到10%。

未來三年，80%的企業會把AI輔助測試工具集成到軟件工程工具鏈，與去年年初約15%相比，有顯著增長。

《MIT科技評論》的報告顯示，如今94%的企業領導者在軟件開發中會用生成式AI，82%用在多個開發階段。

有些行業專家大膽預測，用不了多久，AI寫代碼的占比會高得驚人。

Anthropic CEO在近期的采訪中表示：預計3-6個月后，AI編寫的代碼將達到90%。再過一年，幾乎所有代碼都可能被AI包辦。

雖說這個預測聽起來有點夸張，但現在軟件開發的方式確實在發生巨大變化。

Forrester咨詢公司副總裁表示，就連那些經驗豐富的資深開發者，都開始把氛圍編程當成得力助手了。

不過他也提到，目前的AI輔助開發主要是用來處理一些比較簡單的任務，這讓開發者騰出手來，去做那些更重要、更具創造性的工作。

今年早些時候，一項針對2300多名開發者的調查發現，42%的人已經在使用「圖靈機器人」（TuringBots），也就是基于AI的代碼生成器。

隨著圖靈機器人變得更加智能和自主，開發團隊將能自動完成更多軟件開發生命周期（SDLC）中的任務。

以前要花幾個星期、幾個月才能完成的端到端應用程序，以后說不定很快就能做好。

GPT-4 Turbo（ChatGPT）、GitHub Copilot、Cursor、Replit Ghostwriter、Codeium，還有亞馬遜的Q Developer，都支持氛圍編程這種對話式的開發方式。

GitHub Copilot氛圍編程demo

AI編程工具能幫開發者頭腦風暴、制作原型、完善功能，還能檢查代碼中的錯誤或安全漏洞。

比如像Copilot那樣提供實時建議，也可以像Cursor那樣實現交互式代碼編輯，或者像ChatGPT提供全棧式指導。

這些工具簡化了編碼過程，非常適合獨立開發者、快速原型制作或團隊協作開發。

像StackBlitz Bolt.new、Github Spark、Lovable這些，能根據指令直接生成應用。

BlinqIO、Diffblue、IDERA、QualityKiosk Technologies、Qyrus，是專門用來做AI輔助測試的。

據報道，蘋果正與Anthropic合作，打算把AI編程工具加到Xcode開發軟件里，用Claude Sonnet模型來幫開發者寫代碼、做測試。

亞馬遜（AWS）也沒閑著，2023年發布了預覽，2024年4月正式推出了Q Developer。開發者可以在命令行界面氛圍編程。

上周，AWS把這個功能擴展到了Visual Studio Code集成開發環境。

AWS生成式AI應用與體驗部門主管把AI助手比作兩個人一起寫代碼，它會像坐在你旁邊的程序員一樣完成任務！

在亞馬遜內部，所有開發者都可以使用Q Developer工具集。

最近，亞馬遜就用它把3萬個應用從舊版Java更新到了新版，這節省了4500年的人工開發時間，每年還能多賺2.6億美元，效率提升太明顯了！

開發周期迎來巨變

高德納咨詢公司上個月的調查顯示，35%的IT領導者預計生成式AI將從根本上改變他們的企業，52%預計企業會用這項技術進行軟件開發。

超過三分之二的受訪高管認為，生成式AI帶來的好處大于其風險。

在軟件開發過程中用生成式AI，會讓企業更注重團隊生產力，畢竟人們普遍認為其主要優勢在于降低成本。

大多數企業都已搭上AI這趟快車。雖然開發崗位仍將存在，但工作內容會徹底改變。

總體而言，生成式AI工具無法把一個應用90%的技術都搞定，但它能完成應用代碼庫60%-70%的內容。

具體到各個領域，比例大致如下：

• 簡單應用代碼：60-90%

• API與中間件：50%

• 數據層：40%

• 基礎設施即代碼（IaC）：80%

• 網絡：25%

• 安全與策略：25%

• 運維與監控：50%

以上數據是基于現有生成式AI工具的能力，這些數據每天都在變。

目前，生成式AI能寫大部分基礎、常見、重復的代碼。但要是遇到復雜的開發場景，還需要靠人指導。

現在的AI工具雖然功能強大，但用起來成本可不低，更新換代特別快。

工程師將成為精通AI技術的架構師，負責設計和維護復雜系統，還能根據用戶需求快速更新。

工程師不用害怕AI搶飯碗，他們可以和AI合作，更快開發出質量更好的應用程序，推動各個行業創新。

開發者認為生成式AI工具在生成樣板代碼、理解代碼、測試、編寫文檔和重構代碼等任務中非常有用。

但同時，這些工具也在代碼質量、知識產權，以及指導和驗證輸出結果等方面帶來了風險。

開發者越來越依賴AI輔助工具，但仍需有人參與其中，了解正在部署的代碼及其實現方式。

編程和構建應用確實變得容易多了，但在部署和調試過程中，理解代碼的邏輯和運行方式仍然非常重要。

參考資料：

https://www.computerworld.com/article/3975705/from-prompts-to-production-ai-will-soon-write-most-code-reshape-developer-roles.html

https://semiconductorsinsight.com/jensen-huang-agentic-ai-prediction/

https://www.techrepublic.com/article/news-sas-innovate-keynote-gen-ai-agentic-ai/

最后推薦一個我正在學習的短課

學吧，太深了，學無止境啊！