在軟件工程中，自動編程一直被視為圣杯。從編譯器誕生時代開始，程序自動生成的目標(biāo)就是將接近自然語言的高級語言翻譯成低級語言，最終目標(biāo)是實現(xiàn)根據(jù)自然語言描述的需求，自動生成程序。盡管這個問題在學(xué)術(shù)圈已經(jīng)探索了五六十年，但直到近年來才取得重大進展。

隨著 GPT-4 的出現(xiàn)，自動化編程迎來新的可能。未來人機協(xié)同提高開發(fā)效率將成為主流發(fā)展趨勢。AI 的強大能力讓很多程序員擔(dān)心被取代，但業(yè)界認為 AI 并不是來取代程序員的，而是來助其提高生產(chǎn)力的工具。哪些程序員將在這場 AI 革命中將受到更大沖擊？誰又是這場技術(shù)革命的受益者？它會對編程的交互方式帶來怎樣的改變？

懷揣著種種疑問，《開談：AI 編程會取代程序員嗎？哪家強？》直播中，我們邀請到了擁有三十余年編程經(jīng)驗的 CSDN 創(chuàng)始人&董事長、極客幫創(chuàng)投創(chuàng)始合伙人蔣濤；復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院副院長彭鑫；華為云智能化軟件研發(fā)首席專家王千祥；超對稱創(chuàng)始人、首席科學(xué)家吳恒魁齊聚線上，深入探討，為身處 AI 時代的程序員帶來一些指引。

其中精彩搶先看：

蔣濤：受 AI 影響較大的人員歸為三類：一類是將被取代工作的程序員；一類是技能將被增強的人員；一類是全新的藍海市場中的從業(yè)者；

彭鑫：技術(shù)的進步正在逐漸抬升簡單勞動和復(fù)雜勞動的邊界，創(chuàng)造性較低的開發(fā)活動容易被取代。人類在軟件開發(fā)的最后一公里中仍然扮演著重要角色，發(fā)現(xiàn)并修復(fù)最后 1% 的問題和背鍋都需要人來完成；

王千祥：如何描述問題和提示詞可能成為一個值得研究的領(lǐng)域，甚至可能發(fā)展出一門新的學(xué)科；

吳恒魁：AI 模型將對人類智力的提升產(chǎn)生巨大影響，這將是除了生產(chǎn)力提高之外對人類社會產(chǎn)生的重大影響。

自動化編程標(biāo)準(zhǔn)如何建立？

ChatGPT 展示出強大的編程能力，但是如何衡量 AI 編程能力的強弱標(biāo)準(zhǔn)。CSDN 曾提出自動化編程的 5 個等級：

第一個等級（C1）：基于當(dāng)前行代碼自動補全。

第二個等級（C2）：編寫代碼時 AI 可以預(yù)測下一行代碼。

第三個等級（C3）：基于自然語言生成代碼；基于自然語言完成編程語言翻譯功能。

第四個等級（C4）：高度自動編程。可以基于自然語言生成項目及注釋，基于自然語言生成模塊及注釋，基于自然語言生成函數(shù)及注釋，函數(shù)、模塊、項目粒度自動化測試生成；主流編程語言正確互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位及正確修正建議）；基于當(dāng)前行代碼自動補全；代碼檢查（自然語言提示問題）。

第五個等級（C5）：完全自動編程。可以基于自然語言生成系統(tǒng)及注釋；基于自然語言生成項目及注釋；基于自然語言生成模塊及注釋；基于自然語言生成函數(shù)及注釋；函數(shù)、模塊、項目、系統(tǒng)粒度自動化測試生成；全編程語言最佳互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位以及自動修正）；基于當(dāng)前行代碼自動補全；代碼檢查（自然語言精準(zhǔn)提示問題）；代碼自動最佳糾錯。

閆輝：對自動化編程的標(biāo)準(zhǔn)，各位有何看法？

蔣濤：GPT-4 或者說 GPT 給編程帶來了一種新的能力——使用精確的語言描述需求，以將其轉(zhuǎn)換成代碼、模塊或成熟的系統(tǒng)的能力。這種能力在國內(nèi)還不是很明顯，但在國外已經(jīng)非常流行，它被稱為提示詞工程（Prompt Engineering）。一些在硅谷的朋友告訴我，許多程序員可能會面臨挑戰(zhàn)，歷史的變革巨大，需要新的技術(shù)要求和能力，新的模塊也需要新技能。GPT-4 是一個助手，但是這種助手會取代一部分現(xiàn)有的工作，就不需要那么多助理程序員了。

彭鑫：這幾個級別基本上反映了智能化編程的發(fā)展過程。傳統(tǒng) IDE 具有簡單的代碼補全功能。再往前3-5年，生成完整的函數(shù)非常困難，但從 Copilot 開始，代碼生成已經(jīng)實現(xiàn)。而 ChatGPT 給我?guī)淼恼鸷呈遣粌H能夠給出代碼，還能告訴你代碼的邏輯，甚至可以改代碼，比如在恰當(dāng)?shù)奈恢眉尤刖彺妫⒔忉尀槭裁催x擇在這個位置加入緩存。

從程序員長期的工程化開發(fā)的角度考慮，如工程維護，代碼理解仍然是非常重要的。也正因此，人類在軟件開發(fā)的最后一公里中仍然扮演著重要角色，發(fā)現(xiàn)并修復(fù)最后 1% 的問題和背鍋都需要人來完成。未來的智能化編程可以進一步豐富，除了生成大量代碼之外，還可以提供解釋和修復(fù)缺陷等功能。

王千祥：發(fā)布這個評估標(biāo)準(zhǔn)是有意義的。而評估是否合理至關(guān)重要，否則會失去公信力。為了確保評估的合理性，可以參考其他人的做法，例如 GPT-4。NLP 領(lǐng)域有很多成熟的評估數(shù)據(jù)和排行榜，而代碼領(lǐng)域缺乏評估標(biāo)準(zhǔn)，這是一個需要解決的問題。GPT-4 報告的第五頁列出了大量的評估數(shù)據(jù)，例如 SAT 考試和法律考試等。可以借鑒這些評估標(biāo)準(zhǔn)來建立自己的評估體系，其中第一行講到 Codeforces 評比。DeepMind 開發(fā)的人工智能 AlphaCode 參加了 Codeforces 舉行的 10 場編程比賽，并取得了排名前 54.3% 的成績，擊敗了 46% 的參賽者。相比之下，GPT-4 在 Codeforces 的評級只排在倒數(shù) 5%，說明其編程能力遠遠不如 AlphaCode。在早期，評估 Codex 的能力使用了一個名為 HumanEval 的測試集，包含 164 道手工編寫的題目，這種方法對于評估人類的編程能力是有意義的。

如果想要評估 AI 的編程能力，可以先看看人類的編程能力是如何評估的，這是個基本點。當(dāng)然，這種方法也存在一些不足之處，競賽題并不會用到那些非常復(fù)雜的庫，但實際應(yīng)用中，會用到很多公共庫和私有庫。對此，我們開發(fā)了一個新的評估方法 CoderEval，現(xiàn)已經(jīng)開源，從多個方面制定評估 AI 能力的標(biāo)準(zhǔn)，歡迎大家提出寶貴的建議。

吳恒魁：CSDN 發(fā)布的評測標(biāo)準(zhǔn)有 C1 到 C5 五個等級，這是一種程序員尋找編程輔助工具時所依賴的評測標(biāo)準(zhǔn)，能夠更好地評估模型在工作中的幫助作用，是個非常好的方向。而王老師提到的學(xué)術(shù)界標(biāo)準(zhǔn)則更為廣泛，適用于各種領(lǐng)域。華為做的benchmark （標(biāo)準(zhǔn)或數(shù)據(jù)集）也是個非常好的例子。它作為學(xué)術(shù)界的評測基準(zhǔn)，已經(jīng)被廣泛應(yīng)用于文章發(fā)表和大模型測試。C1 到 C5 也可以和學(xué)術(shù)界的評測方法結(jié)合起來使用，或許在后面可以找到更多的結(jié)合點。在金融領(lǐng)域，我們也提出了一個中文金融下游任務(wù)評測標(biāo)準(zhǔn)，國內(nèi)對這類評測標(biāo)準(zhǔn)的關(guān)注度較低。

新技術(shù)帶來焦慮or機遇？

閆輝：當(dāng)一個新技術(shù)出現(xiàn)時，它可能給整個社會的變革或者工種的帶來變化。歷史上火槍的出現(xiàn)導(dǎo)致了騎士階層的消失，平民成為了戰(zhàn)士，整個社會政權(quán)也發(fā)生了變化。當(dāng)人工智能 GPT 等新技術(shù)出現(xiàn)時，它所展現(xiàn)出的強大能力給程序員帶來了諸多挑戰(zhàn)，哪一類程序員受到的挑戰(zhàn)更大？哪一類挑戰(zhàn)更小？

彭鑫：與許多同行一起討論過這個問題，從學(xué)術(shù)界的角度來看，機會大于焦慮。AI 編程領(lǐng)域的人工智能經(jīng)歷了幾年的沉寂之后，迎來了突破性進展，這讓人感到興奮和耳目一新。

歷史上，人類的技術(shù)創(chuàng)新往往會改變簡單勞動和復(fù)雜勞動的邊界。Brooks 早在寫《人月神話》時就指出，軟件開發(fā)需要應(yīng)對本質(zhì)上的難題和偶然性的困難，有簡單勞動和復(fù)雜勞動。本質(zhì)上的難題是把問題搞清楚，比如將大規(guī)模軟件的問題進行分解后給出一個恰當(dāng)?shù)脑O(shè)計。相對簡單的是將問題翻譯成可實現(xiàn)的代碼，這一部分相對簡單，容易被取代。這種變化早在十幾年前就開始了，一些企業(yè)開始用低代碼開發(fā)的方式把時間省下來。盡管這種變化潛移默化，沒有造成很大的震動，但也取代了部分初級程序員的崗位。

相比之下，為什么 ChatGPT 的影響如此之深？因為它們的出現(xiàn)讓這種趨勢變得更加顯著，對人們的沖擊也更大。技術(shù)的進步正在逐漸抬升簡單勞動和復(fù)雜勞動的邊界，創(chuàng)造性較低的開發(fā)活動容易被取代。

在業(yè)界大會上，我曾經(jīng)提出過一個口號：“人工智能的進步可以幫助減少重復(fù)的勞動和思考。軟件開發(fā)中最大的浪費是知識的浪費和重復(fù)思考的浪費”。其實很多問題和成果已經(jīng)被前人思考過和解決過了，但以前沒有將它們凝聚在一起，人工智能技術(shù)的出現(xiàn)彌補了這種缺失，讓我們能夠更好地利用和共享已有的知識和成果，從而減少重復(fù)的思考和勞動。

總的來說，我認為 AI 可以取代一些相對簡單的編程任務(wù)，尤其是那些不涉及復(fù)雜設(shè)計的任務(wù)，而且需求已經(jīng)非常清晰明確的任務(wù)。但仍需要人類確認和測試代碼的正確性并進行修改。并且工作量和人數(shù)肯定會比原來少。

王千祥：我認為有三類程序員受到的挑戰(zhàn)較小。

第一類是那些不怕背鍋的人。如果 AI 編寫的程序出了問題，責(zé)任最終還是在人身上。如果你是愿意承擔(dān)責(zé)任的人，敢于背鍋，那么你可能不會失業(yè)。AI 模型基于統(tǒng)計學(xué)，總有出錯的時候，只是概率大小不同。

第二類是從事非通用系統(tǒng)代碼編寫的程序員。現(xiàn)在的軟件很少是獨立的，都需要調(diào)用其他系統(tǒng)或接口。大量軟件需要建立在已有系統(tǒng)上。如果你的系統(tǒng)不通用，或者你有特殊的底層知識，你就不容易被替代。因為 AI 生成的模型可能沒有見過這些特殊的情況，無法生成合適的代碼。

第三類是做架構(gòu)的程序員。需求總是在變化的，舊的需求可以用 AI 生成的代碼來滿足，但新的需求需要新的架構(gòu)。這時候，AI 可能沒有見過這樣的架構(gòu)，無法生成合適的代碼。所以做架構(gòu)的崗位也是比較安全的。

吳恒魁：短期來看程序員大規(guī)模淘汰的可能性很小，AI 主要幫助程序員提高生產(chǎn)力。實際的工業(yè)生產(chǎn)過程中，要真正實現(xiàn)端到端的自動編程，比如用大模型來完整地開發(fā)一個產(chǎn)品，是非常困難的。盡管 OpenAI 展示了一些用自然語言編寫網(wǎng)站和游戲的案例，以及 GPT-4 演示了用圖形化方式生成網(wǎng)站的例子，實現(xiàn)端到端的自動編程仍然只是 Demo。

它的作用應(yīng)該是極大地提高程序員的生產(chǎn)力和效率，它能更快速、準(zhǔn)確地查找相關(guān)信息，自動代碼補全，幫助程序員提高生產(chǎn)力。從長遠來看，這種 AI 工具可以幫助許多沒有足夠時間成為專業(yè)程序員的人更快掌握編程工具，以解決問題。這意味著將更多的人引入編程群體中，轉(zhuǎn)化為半個程序員的水平，從而極大地提高整個社會的生產(chǎn)。

未來，當(dāng)超大的編程項目可以用大型模型完成編寫，會不會有大量的程序員失業(yè)？我們需要再考慮這個問題。

蔣濤：我們可以將其影響的人員歸為三類：一類是將被取代工作的程序員；一類是技能將被增強的人員；一類是全新的藍海市場中的從業(yè)者。

第一批失業(yè)的將是從事單一模型研究的人員。不一定是他們工作的事業(yè)沒了，而是他們的工作目標(biāo)沒了。ChatGPT 已經(jīng)可以吊打很多單一模型，它在諸如翻譯等領(lǐng)域的表現(xiàn)遠勝于Google Translate和 DeepL 等單一模型。這是一個橫掃級的進步，給單一模型研究帶來了巨大沖擊。因此，許多人需要轉(zhuǎn)變工作任務(wù)，學(xué)習(xí)新的知識或使用新的工具。

第二類容易失業(yè)的人是從事那些需求可以明確定義的人員，如外包公司的員工。原因有兩點：首先，如果外包公司采用AI工具，其工作效率將得到提升；其次，客戶在使用AI工具后，他們的效率也會提高。由于他們的任務(wù)相對明確，外包程序員將受到較大沖擊。

第三點，AI 也會帶來新的機會，如 promote engineering （提示詞工程）。若將 GPT 大型模型比喻成一個操作系統(tǒng)，暴露出來的 API 是輸入一串文本提示詞，然后得到一個輸出。但這些詞并不像過去的 API 編程那樣固定，這是一個有趣的變化。正如恒魁所說，如果要從端到端完成一個任務(wù)，現(xiàn)在還缺乏中間層工具，也就是 promote engineering ，這是 AI 帶來的新機會之一。這些新機會源于 GPT 作為一個“操作系統(tǒng)”，需要更豐富的生態(tài)系統(tǒng)以及各種第三方工具和應(yīng)用。在這個過程中，可以發(fā)現(xiàn)并抓住更多新的發(fā)展機遇。我們可以期待所謂的 GPT 原生應(yīng)用的出現(xiàn)。就像早期的移動應(yīng)用發(fā)展過程，從最初的簡單應(yīng)用逐漸演變?yōu)槟艹浞职l(fā)揮大模型優(yōu)勢的應(yīng)用。

誰將成為這場技術(shù)革命的受益方？

閆輝：在這場技術(shù)革命中，一些程序員會受到?jīng)_擊，那么誰將會成為受益方？

彭鑫：這個答案很明顯，首先受益的當(dāng)然是老板，因為技術(shù)的進步可以降低成本。其次是沒有被淘汰的程序員。

隨著大模型的出現(xiàn)，很多應(yīng)用工具將被開發(fā)出來。大模型可以整合互聯(lián)網(wǎng)上的通用知識和企業(yè)內(nèi)部的特定領(lǐng)域知識，形成一個統(tǒng)一的智能中心，為開發(fā)人員提供統(tǒng)一的門戶。沒有被淘汰的程序員都將從這些技術(shù)進步中受益。

那些經(jīng)驗不足但思維靈活的人也將成為受益者。以架構(gòu)師為例，一個優(yōu)秀的架構(gòu)師通常擁有多年的開發(fā)經(jīng)驗，處理過不同類型的系統(tǒng)，并面臨過各種挑戰(zhàn)，這些經(jīng)驗積累新手可能需要很多年的時間才能學(xué)會。如果一個人雖然經(jīng)驗不足，但善于與大模型互動，并能準(zhǔn)確把握大模型的提示，善于向大模型表述問題，消化吸收大模型的答案，將這些信息與當(dāng)前項目的上下文結(jié)合起來，迅速形成具體的解決方案，那么這類人的能力將迅速提升。這只是一種可能性，不一定完全合理。

吳恒魁：大模型的蓬勃發(fā)展可能會給未來教育領(lǐng)域帶來極大的變化，特別是計算機使用和編程知識的普及，更多原本覺得計算機遙不可及的人，可更快地掌握這一工具。這種教育變革會全方位地影響各個領(lǐng)域，從教育到工業(yè)界。尤其是工業(yè)界，大模型對生產(chǎn)力提高所帶來的成本效益將是顯而易見的。

蔣濤：獲益最大的將是第一批采用這項 AI 技術(shù)的企業(yè)，但具體哪個行業(yè)或工種的變化最快仍有待觀察。科技日新月異，早加入，早受益。雖然很多人可能會因此產(chǎn)生焦慮，但更重要的是這開辟了一個新的藍海。在這個新藍海中，能孕育出怎樣的成果尚不清晰，短期來看，找到一個切入點就能受益，但這個受益是否長期還需打個問號。很多家長可能會因此感到焦慮，擔(dān)心孩子的未來，但我建議家長們讓孩子盡早使用這些技術(shù)，從而早受益。

編程教育將不再遵循舊例

閆輝：這場 AI 技術(shù)革命對編程教育的學(xué)習(xí)方式將會產(chǎn)生怎樣的影響？編程領(lǐng)域會不會出現(xiàn)不同的學(xué)習(xí)模式？

彭鑫：在編程學(xué)習(xí)方面，應(yīng)該逐步提升思維層次。在 20 年前，人們會從語法入手，講解如何編寫程序。未來，普通學(xué)生可能不需要像現(xiàn)在這樣從數(shù)據(jù)結(jié)構(gòu)、算法和基本編程語法入門，這部分可能會被機器或 AI 接手完成，程序員更多的任務(wù)是清晰地表達自己的意圖，計算思維可能會成為一種通用能力并得到強化。在特定領(lǐng)域，考慮到如資源限制、時間復(fù)雜度限制等方面，仍然需要優(yōu)秀的程序員來完成。因此，我們?nèi)匀恍枰凑漳壳暗姆绞脚囵B(yǎng)一部分優(yōu)秀的程序員。

王千祥：的確，編程教育課程的比例需要進行調(diào)整。一些較舊的知識，如匯編，可能需要壓縮，而新的知識則需要加強學(xué)習(xí)。

未來的編程可能更多地依賴于提示詞，需要清晰地表達需求，如何描述問題和提示詞可能成為一個值得研究的領(lǐng)域，甚至可能發(fā)展出一門新的學(xué)科，專門研究如何用更接近自然語言的方式描述問題，以便讓大型 AI 模型更容易理解。

吳恒魁：我的觀點與大家不太一樣。這個觀點來源于 OpenAI 首席執(zhí)行官 Sam Altman 和首席科學(xué)家 Ilya Sutskever 在 Twitter 上的討論。我們認為，prompt（提示詞）只是一個過渡階段，是由于大型 AI 模型尚未完全理解自然語言的局限，未來的發(fā)展方向肯定是朝著更強大的自然語言理解能力邁進。

關(guān)于教育的問題，我們認為 AI 模型將對人類智力的提升產(chǎn)生巨大影響，這將是除了生產(chǎn)力提高之外對人類社會產(chǎn)生的重大影響。智力水平的提升可能會引發(fā)未來教育的巨大變革，下一代孩子將會把計算機作為最基本的通識類技能和知識。借助大型 AI 模型的幫助，能極大地補足現(xiàn)有教育資源和人類智力資源，從而引發(fā)教育領(lǐng)域的重大變革。

交互方式隨之改變，拓展編程邊界

閆輝：盡管計算機技術(shù)發(fā)生了很大變化，但編寫程序的目的仍然是解決人們的基本需求，今后編程解決的需求和應(yīng)用場景方面可能會有哪些變化？

彭鑫：軟件開發(fā)最終服務(wù)于現(xiàn)實世界的需求和場景，AI 編程并沒有改變這一點，生成代碼只是軟件開發(fā)任務(wù)分解中的子節(jié)點。

AI 更擅長生成某些相對簡單的代碼，在處理較為復(fù)雜的軟件開發(fā)任務(wù)時，AI 的輔助作用可能有限。從學(xué)術(shù)研究的角度來看，我們希望未來的工具能在大型 AI 模型基礎(chǔ)上，通過在獨立問題上的智能，將各個部分串聯(lián)起來，實現(xiàn)更無縫的銜接，更自動化、更系統(tǒng)性的智能化編程。

計算和人、機、物的融合，與大模型的智能發(fā)展在一定程度上平行。未來的軟件編程對象將不再局限于計算機內(nèi)部的數(shù)據(jù)結(jié)構(gòu)和存儲，而是涵蓋萬物互聯(lián)的各種設(shè)備，如咖啡機、大樓的門窗、傳感器、語音音箱和機器人等。這些設(shè)備可以通過 API 進行包裝，實現(xiàn)應(yīng)用創(chuàng)新。我們關(guān)注最終應(yīng)用形態(tài)的變化，特別是設(shè)備上的變化。

Meta 有一篇具有影響力的文章提出讓大模型“長手”，即讓大模型的智能轉(zhuǎn)化為實際行動。大模型可以融入到現(xiàn)實世界的問題解決中，例如結(jié)合機器人。現(xiàn)在已經(jīng)有研究探討如何利用大模型更好地編排機器人行為。

物理世界數(shù)字化程度的提高和軟件定義一切的理念已經(jīng)成為現(xiàn)實。物理世界的事物通過軟件封裝和網(wǎng)絡(luò)化接入實現(xiàn)可編程，這大大拓展了編程的空間，未來這種融合將發(fā)生一些化學(xué)反應(yīng)，帶來巨大的變化。

蔣濤：過去，微軟一直提倡自然人機接口，現(xiàn)在這一概念已經(jīng)演變?yōu)?LUI（語言用戶界面），基于語言的應(yīng)用將逐漸興起。未來可能會出現(xiàn)更適合 LUI 接口的新型計算設(shè)備和場景。前端接口需要更好地將 LUI 與用戶的意圖和目標(biāo)結(jié)合起來，以創(chuàng)造更多垂直領(lǐng)域的場景和新應(yīng)用。

正如滴滴打車利用手機定位能力產(chǎn)生了巨大的應(yīng)用，GPT 等大模型的能力可能在未來會催生殺手級應(yīng)用。微軟已經(jīng)將 GPT 集成到 Office 中，對于提高信息生產(chǎn)力和數(shù)字化生產(chǎn)力具有重要意義。其潛力仍有待挖掘。

吳恒魁：當(dāng)前信息社會的最大成就是搜索引擎和抖音等應(yīng)用。大模型的發(fā)展不僅關(guān)注信息處理，還在于模擬人類智力。大模型的最大應(yīng)用或殺手級應(yīng)用究竟在哪里？一個重要方向是大模型對人類智力的不斷逼近或超越。因為所有工業(yè)生產(chǎn)和應(yīng)用都基于科學(xué)，如果大模型在理解和發(fā)現(xiàn)科學(xué)方面超過人類，那么它將深入各個行業(yè)的工業(yè)生產(chǎn)。

大模型與機器人的結(jié)合將在物理世界產(chǎn)生實質(zhì)性影響，這種影響可能遠大于推薦引擎和信息檢索。因為目前大部分生產(chǎn)仍在物理世界中進行，如果大模型能更深入掌握工業(yè)生產(chǎn)所需的知識，它將進入工業(yè)生產(chǎn)領(lǐng)域，直接影響各個行業(yè)，如生產(chǎn)制造和金屬加工等。借助這種高強度智力系統(tǒng)，人類社會應(yīng)該建立一個以知識為中心的社會，擺脫以信息為中心的社會，未來每個人可以掌握所有學(xué)科的知識。我認為 AGI 的發(fā)展可以為人類社會帶來一個徹底改變的機會。

審核編輯 ：李倩