大家好，我是老三，先说一下这篇文章没什么干货，就是一篇随笔。
今天闲来无事，在掘金上刷到一篇文章：GPT-4都来了，我们还需要刷算法题和背八股文吗？：juejin.cn/post/721112…
在一个技术社区的评论区，看到了杜小帅，足球迷无处不在，篮球迷也不差啊。
关于阿杜的那些回忆
扯点对杜兰特的回忆吧，那时候我还在上高中，有几个同学是非常狂热的球迷。
12年西决，雷霆vs马刺，NBA比赛北京时间是上午。上课的时候，几个高低胖瘦的小伙子，挤在最后两排，凑在一部手机前看比赛——对了，还是文字版的，手机流量不够。
老师坐在讲台上，往后一看，嘿，四五个人，凑不出一张脸，全是后脑门。
雷霆赢了，打进总决赛了，有个小子是杜兰特铁杆球迷，捏着拳头想喊，又不敢，脸上的每一颗青春痘都泛着红光。
那年雷霆的结局并不如意，三少碰上了如日中天的热火三巨头，最终倒在了迈阿密那个炎热的夏天。
虽然可惜，但那支潜力无限的雷霆青年军，让所有人觉得未来可期。
谁能想到那年雷霆就是巅峰呢？被羞辱的哈登，流着泪远走休斯顿，成为火箭城四点半浪子，雷霆三少就此解体。
哈登远走，似乎带走了俄城的气运，其后几年，雷霆一直有夺冠潜力，但总是差点运气，伤病、失误……
城头变换大王旗，此时的NBA山河几度变色，热火三巨头解体、马刺GDP垂垂老矣，宇宙勇横空出世，水花四溅、势不可挡。
16年，面对来势汹汹的勇士，人员齐整的雷霆，直接在西决上送给卫冕冠军3:1，雷霆似乎会越过群山，登上高峰。
没想到，那年水花兄弟变浪花，超神发挥，连扳三城，让雷霆成为史上第一支西部决赛3:1被翻盘的球队。
那年西决，还成就了格林“追蛋格林”的“威名”，雷霆中锋海王亚当斯，在系列赛的第二场和第三场分别被格林击裆。格林表示，海王裆太铁，那就来两次。
被逆转+脏动作，这两支球队似乎要成为湖人vs凯尔特人那样的宿敌，所有人都在期待着明年雷霆vs勇士的复仇之战。
结果，作为绝对核心的杜兰特表示：“打不过怎么办？当然是加入他们。”于是，一届MVP+四届得分王、雷霆老大杜兰特，投奔73胜宇宙战舰勇士。
有个评论员这么评论：“杜兰特妹根儿了。”
在勇士，杜兰特终于拿到了他梦寐以求的总冠军，但是没有收获尊重。还是那位追蛋专家格林，在日后发明了一个“格林公式”：
“在你来之前，我们已经是冠军了”。
曾经有望成为联盟第一人的杜兰特，从此成为老1.5，不由让人唏嘘。
投AI去？
水了这么多杜兰特，该说今天的正题了。
GPT4已经出来3个多月了，单纯从使用角度来讲，真的是生产力提升杀器，很多代码生成、SQL编写、数据分析都可以丢给GPT。
那么老问题又来了，程序员会不会被GPT给取代呢？
暂时看不会，就我自己的使用体验而言，GPT4虽然很强，但并不能保证不出错误，甚至还给我埋过坑。
所以，他还需要合适的“提示”和“提示”，就像一匹好马，要配上马鞍和马鞭，不然，就可能变成撒欢的小野马了。
那么，长期来看，程序员会不会被替换呢？GPT4已经比GPT3.5强上不少，OpenAI的官方Blog提到GPT5将会在2023Q4发布，那么GPT6呢？7呢？……
这么看，AI真的要干掉程序员了吗？
那么有没有一种可能，既然打不过，那就加入呢？——什么杜兰特行为。
那么我们先来看看，AI产业都涉及到哪些分工呢？[2]
数据服务：作为智能机器的“食物”和数字经济世界的生产要素，数据在被“喂”给机器之前，常常会涉及查询与处理、转换与编排、标注与管理等前置步骤，而在整个数据的使用过程中也离不开治理与合规方面的管理工作。作为AIGC的源头，相关数据服务产业孕育了很大的商业机会。
算法模型：人工智能之所以能判断、分析、创作，主要是因为存在支撑这些功能的算法模型。因此，训练算法模型也就成为整个产业链中最“烧脑”、最具技术含量和最具商业潜力的环节。在数字世界，围绕着如何让算法模型更聪明的命题，诞生了包括人工智能实验室、集团科技研究院、开源社区等主要玩家，构成了整个产业链的中游环节。
应用拓展：经过数据训练后的算法模型最终会在下游应用拓展层完成“学以致用”的使命，根据应用场景的模态和功能差异诞生出文本处理、音频处理、图像处理、视频处理的各个细分赛道。每个细分赛道里都有许多创新企业在相互较量，这也是当前风险投资机构最热衷投资的环节。
那么我们如果想要加入的话，这个产业地图里的哪一部分，我们有机会呢？
首先是数据的处理，还是把AI当成一匹千里马，那么数据处理就是给千里马喂饲料。
虽然作为CRUD熟练工，但是说真的，数据服务看起来还是相当陌生的，跳过。
再来看看中游，也是AI产业的核心，算法模型。算法模型在人工智能中起到大脑的作用，是人工智能的基础，这就相当于千里马的驯养。
算法模型的主要参与者，包括人工智能实验室、集团科技研究院和开源社区。
我们挑一个耳熟的阿里巴巴达摩院，看看它的招聘要求，在招岗位有12个。
科学家跳过，我们看个开发工程师的，学历卡在了硕士，主要工作是分布式训练/推理，技术要求是熟悉主要人工智能框架，熟悉编程语言。
这个姑且可能算是离我们最近的，先忽略学历，看看技术，可以看到主要有两个方面需要学习的，第一个是pytorch/tensorflow这些人工智能框架，第二个是Python/C++这些编程语，至于计算机体系结构，这个就是不论什么开发都需要掌握的。
之前呢，老板也给我推荐过课程，偏实战，建议是先实战搞起来，再去看看算法之类。课程我是真的收藏，学是真的没学，惭愧。
当然，哪怕真花时间学了，也很难转，毕竟连人工智能相关的开发，都要硕士学历，而且还要有论文，所以Pass。
那么没办法，只能看看下游了。上游是喂马，中游是驯马，那么下游就是骑马了。
GPT的崛起，让AIGC瞬间爆炸，可以看到下游的应用相当广泛，文本、音频、图像、视频百花齐放。
看看出现的第一个中文名字公司彩云科技的招聘：
有开发岗，主要语言是Python和Go，看上去工作内容和要求相比普通的开发大差不差。
——当然，这也看出来了，其实下游的应用，很多可能只是对一些开源或者商业模型的应用，门槛也不高。
看到这，就有种淡淡的悲伤了，想向敌人投降的时候，却发现没有可以跪下的台阶。被打败不可怕，被屠杀才可怕。
又回到杜兰特了，人人都笑杜兰特，人人都想当杜兰特。
想投敌，也是有要求的，MVP、得分王，这个星球加起来也没几个。
写到这里的时候，擦干净键盘上的眼泪，对着镜子，挤出假笑。
虽然我们培育不了千里马，但是我们可以当好骑手啊，也要更好地照顾马儿啊。
翻译过来就是什么呢，想做AI产业的核心参与者，是不行了，但是可以学着怎么更好地利用AI，AI相关的东西，比如Python语言、人工智能框架也可以学一学，总没坏处。
——哪怕真的被变化淹没，也得挣扎几下不是。
最后，感谢大家听老三胡扯一堆东西，作为一个底层搬砖仔，老三对很多东西也是一知半解，东拼西凑，各位读者朋友，有什么指导意见，也欢迎联系老三，带老三一起进步，多谢！
参考：
[2]. 《AIGC：智能创作时代》
