AI將推動科技就業增長——前特斯拉總裁解釋發展方向與原因

科技就業末日論的路上發生了一件有趣的事情。

AI驅動的技術發展正在遭遇復雜性這道壁壘。隨著AI越來越多地融入商業，它正在推動對精心設計的基礎設施、彈性網絡和復雜軟件堆棧的需求，而所有這些都需要人工監督和干預。

這是DVx Ventures首席執行官、前特斯拉總裁、前Lyft首席運營官Jon McNeill的觀點。McNeill是新書《算法：改變特斯拉、露露檸檬、通用汽車和SpaceX的超增長公式》的作者。我最近有機會與McNeill坐下來討論IT專業人士在進入這一新環境時應該考慮和尋找什么。

首先，他表示："我是一個技術樂觀主義者，而不是悲觀主義者。我對那些只是半知半解的人制造的末日論感到厭倦。"

對于技術專業人士來說，強勁的機會正在從AI熱潮中產生，他說。這些機會對基礎設施和網絡專業人士與計算機科學和軟件專業人士來說有所不同。

對于基礎設施和網絡專業人士，他預測需求將非常強烈。"對計算資源、服務器的需求正在創造大量的網絡專業知識需求，"他觀察到。"保持這些服務器運行、保持它們同步所需的專業知識是非凡的。"

每年都有相當比例的GPU發生故障，所以"我們不斷地更換這些東西，"McNeill解釋道。"當你更換它們時，你必須重新同步它們，讓網絡軟件與高帶寬內存芯片重新協作。所有這些都增加了對人員的巨大需求，我認為這種情況不會很快消失——考慮到這些集群和服務器農場的所有復雜性。"

此外，"對推理的需求將繼續推動對基礎設施的需求，"他補充道。"這對IT基礎設施專業人士來說是個好消息。"

在計算機科學和軟件方面，出現了不同的情況，呼吁代碼編寫者、軟件工程師和開發人員提升到更高的技能水平，McNeill說。

"他們有這些不同架構方法的分層結構，聰明的計算機科學家正在弄明白這一點，"他指出。"是的，我可以在單一層面上編寫應用程序代碼。如果我有六七個不同的模型聚集在一起協同工作，我可以通過智能體的方式保持它們同步。但架構的發明是人類的工作——很可能在可預見的未來都是如此。"

現在出現的最持久的軟件公司"正在用多個層次創建，"他舉例說明。"它們攻克非常復雜的問題。它們會說，'嘿，這個問題的一層可以通過簡單的搜索索引解決。這個問題的另一層可以通過機器學習解決。'所以我不會花錢在Token上解決這些問題片段。問題的其他片段可以由小模型解決，也許問題的另一部分由大模型解決。"

因此，人們"正在向更高的架構價值鏈移動，"他補充道。"他們讓基本編碼由智能體和模型在質量保證、質量控制和部署中完成。但更重要的架構工作向價值鏈上游移動。"

在他的書中，McNeill敦促在AI——以及任何形式的自動化——方面謹慎和有預見性地前進。他講述了特斯拉在早期工廠自動化努力中遇到遲緩，無法滿足汽車需求的情況。這使他的團隊得出結論，"最后自動化"需要成為流程設計的指導原則。公司決定重新思考，在其場地上搭建了一個長帳篷，里面有一條完全由人工操作的裝配線。

"我們的機器無法制造我們急需銷售的汽車……只有在我們了解制造系統的來龍去脈之后，我們才知道足夠的知識來開始優化流程……最后自動化的原則是反直覺的……如果軟件在整個系統簡化和優化之前就構建，那么代碼就很難更改。這是可以避免的。讓編碼者等到最后，直到你設計出一個新的、簡化的流程，對其進行優化，并確切知道你想要什么。如果你有等待的紀律，編碼會進行得更快。"

McNeill敦促技術專業人士，如果管理層要求AI或高級、昂貴的解決方案，而簡單方法就能奏效時，要勇于反駁。"通常，這種理由會說服高級管理層的人員。"

Q&A

Q1：Jon McNeill認為AI會如何影響技術崗位就業？

A：McNeill認為AI將推動技術就業增長而非減少。隨著AI融入商業，對精心設計的基礎設施、彈性網絡和復雜軟件堆棧的需求增加，這些都需要人工監督。基礎設施專業人士面臨巨大需求，軟件專業人士則需要向更高技能水平發展。

Q2：基礎設施和網絡專業人士在AI時代有哪些機會？

A：需求將非常強烈。由于對計算資源和服務器需求巨大，保持服務器運行和同步需要專業知識。每年相當比例的GPU會故障需要更換和重新同步，加上推理需求持續推動基礎設施需求，為IT基礎設施專業人士創造了良好前景。

Q3：什么是"最后自動化"原則？為什么重要？

A：這是McNeill在特斯拉學到的教訓。當機器無法滿足生產需求時，他們決定先用人工裝配線了解制造系統，只有在簡化和優化整個流程后才開始自動化。這個原則強調在設計新的簡化流程并確切知道需求之前，要有耐心等待，這樣編碼會更快更有效。