微软的AI程序员尚在演示（DEMO）阶段，国内首个AI（人工智能）程序员已经宣布正式上岗。

  据报道，国内某大模型企业近期正在内部推行AI编程，使用大模型辅助程序员写代码、读代码、查BUG（漏洞）、优化代码等。这一AI程序，还被分配了正式的员工工号，据企业有关人员透露，该企业已决定未来目标为20%代码由大模型编写。

  “AI程序员上岗”的消息一出，“码农失业”也相应成为了人们热议的话题。创造出了AI大模型的程序员，会率先成为被冲击甚至是被取代的工作吗？

  尽管淘汰焦虑已近在咫尺，但其实，从报道细节和行业发展现实来看，AI程序员取代“码农”这一担忧，目前仍然有些早了。

  从报道中能够准确的看出，此次“被上岗”的AI大模型，所承担的角色不是通常意义上的“写代码的程序员”，而是作为程序员的辅助程序。AI程序员所承担的这些功能，都是利用大模型的数据归纳分析能力，对既有代码进行辅助审核优化。

  从业务实质上看，这一上岗的程序员也并未取代任何人的工作，而只是在现有的研发流程中，增加了一个“大数据审核”的环节而已。

  这一工作职能，与一些媒体利用AI来纠查错别字、一部分医院利用AI来识别检验报告提供基础分析等一样，只是承担了人类判断决策的辅助功能，离真正的“人类程序员”相去甚远。

  因此，如果要准确地表述这一报道，这并非“AI如同人类程序员一样上岗工作”，而是“将大模型作为辅助工具，提供给了人类程序员”。

  而且，从当前行业发展现在的状况来看，大模型目前还无法代替程序员的“写代码”等日常研发工作，一直是作为“智能编码助手”的身份在参与日常工作。

  事实上，AI大模型作为编码的辅助工具，过去两年内在行业内得到了广泛应用，均是以“助手”的角色参与其中。

  例如，国内另外一家大模型企业，也于去年发布过“编码助手”相关的工具应用。而在海外，也有不少大模型企业发布了专门辅助编程的工具应用。

  近一年来，大模型参与编程应用的程度越来越深，包括参与代码的辅助输入与续写、与人类进行自然语言交互等，都使得“低代码”的趋势越来越明显。

  或许正是基于此，多位大模型创业者和专家也曾提出，程序员有可能是在5年内失业。

  但目前为止，大模型仍然是以“助手”的角色参与编程，成为人类程序员的日常工作流程之一。期待中的“写代码、搞开发”的功能始终没再次出现突破，也自然不可能在短期内替代真正的程序员。

  2023年，多篇论文研究多个方面数据显示，AI从事简单编程任务一次性生成正确的概率大约在50%左右，和掷硬币得到的正反结果概率差不多。

  2023年5月，国外一组研究显示，模型的参数每提高一个量级，代码生成的准确率能大大的提升5%-10%左右。以此估算，模型参数规模至少达到10万亿级别，等于是现在的ChatGPT4.0的10倍以上。

  而就算达到了90%的准确率，大模型依然难以取代代码的生成工作程序员。在实际的开发过程中，不太可能让模型生成大量代码后，再由程序员去甄别筛选。

  果真如此，光是阅读、检验这些大模型生成代码的成本，就已经远超于了实际雇佣程序员写代码的成本了，得不偿失。

  大模型写代码，其实并不是真的在“写”，而是根据人类指令在过往的数据库中作检索后对答案进行归纳整理。AI无法根据代码运行的逻辑，对这些代码进行核验。

  换句话说，从思维与生产结构来看，AI大模型原理依然是归纳，而不是逻辑推理。

  因此，单从原理来看，大模型与程序员“写代码”在生产逻辑上也是完全不同的。这也解释了，为什么AI当下可以写出非常“标准”甚至“简约美观”的代码，但其代码本身的运转却常常会出现错乱等问题。

  例如，致力于在财务、医疗、数据处理等领域应用人工智能解决方案的公司业ABBY在此前接受媒体采访时承认，即使用最先进的系统，也也许会出现人工智能错乱或输出不准确的情况，因此，人工验证目前依然必不可少、至关重要。

  网络上有程序员分享过用大模型来生产代码的体验，结果显示，写一个简单函数模块时，AI或许可以胜任，但当需要多个函数模块时，AI所生成的代码就有可能会出现各种BUG，无法使用。

  而就算勉强可以运行，也过不了企业内部的代码评审。这就是因为，尽管AI能够最终靠海量的搜索归纳来试图在形式上满足写代码的需求，但因为没有办法理解多个模块之间的逻辑关系，因此，不可避免会出现逻辑性的错误。

  可以说，截至目前，人工智能作为编码助手，依然是程序员的辅助工具，是对人类程序员的效率放大工具，而不是互相替代的关系。

  给“AI”一个正式员工的工号与称呼，也无法短期内改变其并非一个真正的员工的现实，更遑论要取代“码农”。公众所设想的AI全面自动化的情景，很可能短期内无法到来。

  尤其是，有创造性与原创性，需要综合调动创意与逻辑能力来完成工作的岗位，很难被AI取代。

  但不可否认的是，AI大模型作为一种效率工具，仍然将在可见的一段时间内加速人才市场的新旧淘汰。例如，一部分率先应用AI的高级人才的效率提高，同时也加速了另一部分人才的落伍和被淘汰。

  与此同时，大量容易被替代的基础性机械性岗位，例如文案整理、日程助理、内容审核等岗位，也非常容易率先被替代。

  如何进一步在教育体系、人才教育培训、发展中全面重视与提升人才的创造性，才是AI对人类生产关系提出的新课题。需要迫切面对这一课题的，就不仅是“码农”们了，而是我们所有人。