我并不太认同，吴恩达的观点。 这个可能是AI行业在美国的一种PR。 事实上来讲，美国很多行业确实对AI大规模使用非常忧虑，阻碍了AI在美国的落地。 从事实层面来讲，AI的大规模使用，是的代码的可得性与价格大幅下降。很多基础的文职工作，入门工作都会被自动化取代。 这个但凡在一线的，都会有这个观察。 我举个例子来讲，比如现在很多电商公司，其实是一条非常高效的流水线，很多岗位都在做一些SOP的工作。比如如做竞品的研究，如何选品，如何建立listing, 如何写文案，如何做图， 如何调整广告，如何优化，调价，创建shipment,等等，操作。后面是一条pipeline，大型的电商平台都是提供标准API接口的比如amazon的sp-api，walmart的api，temu的api，shopify的api等等。基本上大点的平台都有api接口。 但是，在以前演一个能够熟练操作这些api的IT团队，非常贵，而且相对比较慢。 大家都使用一些通用的ERP平台，比如领星之类的。很多你特定的需求，只能靠sop去操作，靠人去操作。 说到底，就是代码太贵，代码周期长，还不如用人。 因为这些代码很多都是私有代码，可供训练的不多。 在去年这个时候，AI在操作这些平台的代码还是垃圾。根本没法用。 但是今年开始，Claude 生成的代码，已经非常可用了（claude 偷偷训练你的代码肯定的）。 这就带来的一个效果，就是代码变的便宜了，代码交付变得非常快了。很多原来一个运营需要一天才能处理完的操作，代码十分钟就跑完了。 而且因为原来很多操作都SOP化了，非常容易自动化。 我了解了一下周边但凡有点技术背景的老板们，都开始卷自动化了。 带来的直接影响： 1. 没有核心能力的新人不招了。 2. 只会做一些简单操作的运营，准备淘汰。 这是业务类公司。 在技术类公司： 大家都能感受到迭代速度在加快，有种推背感。 原来上班8小时，真正有效工作只有5小时，然后一天也就五六个pull request，现在，如果你满负荷工作的话，一天pull request 至少是几十个。 几个事情并行着干。 招人的条件会越来越高，工作量也越来越大。