纵观历史 码农估计是第一个把自己行业搞死的职业
程序员行业自我颠覆与AI发展瓶颈：从LLM到具身智能的深层探讨
帖子深入探讨了程序员行业可能自我颠覆的现象，认为LLM等AI技术的发展，虽然加速了行业进步，但也可能导致程序员自身被取代。讨论中也提及了行业结构性危机由来已久，AI研究员可能成为最终受益者，而LLM的研究可能已进入瓶颈期，未来的增长点可能转向具身智能，这可能对大多数人类工作者构成威胁。
1. 关键信息
- （之前已归纳）帖子认为，码农行业通过开源和为AI提供数据，最终可能导致自身被AI取代，重蹈拉黄包车、工人被自动化取代、实体店被电商取代、短信被微信取代的覆辙。
- （之前已归纳）有人认为AI研究员（AI researcher）才是最终受益者，而SDE（软件开发工程师）可能被AI研究员取代。
- （之前已归纳）讨论中提到，AI模型→编程→AI模型的飞轮效应加速了行业发展。
- （之前已归纳）新增回复强调了程序员写代码是为了自动化他人工作，而现在却在训练AI自动化自己的工作，甚至贴心提供README.md供AI学习。
- （之前已归纳）新增回复中，有用户将程序员的“skill”比作“token”，肉身比作“homeless”，暗示了职业价值的贬低。
- （之前已归纳）新增回复中，有人将AI研究员（大模型从业者）比作“码奸”，认为其已经害死前端、后端、测试、运维、网安、IC工程师，并可能最终害死自己和全人类。
- （之前已归纳）新增回复中，有用户认为，LLM的README.md比当年自己写的代码还要好。
- （之前已归纳）新增回复指出，AI研究员的黄金时期也可能结束，LLM的架构、预训练、SFT模式已定型，未来的增长点可能在RL（强化学习），如RLHF、RLVR、agentic RL，但算法已接近饱和。
- （之前已归纳）新增回复认为，未来的LLM可能侧重于无趣的数据造/洗和不断Scale Up，直到达到语料上限，真正的研究空间变小，NLP学术界已显现此趋势。
- （之前已归纳）新增回复预测，AI的下一个增长点可能是Embodied AI（具身智能），尤其是在机器人操控（manipulation）和运动（locomotion）方面，若此领域迎来突破，将是大多数人类工作者的末日。
- （之前已归纳）新增回复提到，理论计算机领域相对学界化，而System和Database领域就业机会更多。
- （之前已归纳）新增回复指出，过去Database核心研发组岗位固定，导致许多博士只能做通用性工作，而LLM的出现打破了供需平衡。
- （之前已归纳）新增回复认为，读博士并非为了快速赚钱，而是为了改变行业，是普通人能接触到的高杠杆途径。
- （之前已归纳）新增回复提到，正在从事机器人领域的研究，并感觉像在给自己“挖坑”。
- （之前已归纳）vczh指出，楼主的观点并不新颖，比尔盖茨在1976年就已在《致计算机爱好者的一封公开信》中阐述过类似问题，表明程序员行业的自我颠覆是长期存在的现象，只是具体细节随时代变化。
- 新增内容： LLM的发展趋势类似于几年前的CNN，垃圾论文数量呈几何级数上升，表明其可能进入瓶颈期，新的LLM方向尚不明朗。
- 新增内容： LLM与CNN相比，Transformer架构的强大之处被提及，但同时指出LLM发展中存在大量低质量论文，暗示研究可能趋于饱和或泡沫化，真正突破性进展受限于计算资源，研究方向转向低效的算法创新或数据/Agent的堆砌。
- 新增内容： vczh认为，机器人断网后摔下山的设计思路不佳，暗示对当前AI（尤其是具身智能）设计和安全性的担忧。
2. 羊毛/优惠信息
- 无
3. 最新动态
- 无
4. 争议或不同意见
- （之前已归纳）有人认为“撸羊毛”的才是自己搞死自己。
- （之前已归纳）有人指出SDE和AI researcher本质上是同一类人，H1B抽签职位类别也无区别。
- （之前已归纳）有人认为AI researcher也是工程师。
- （之前已归纳）新增回复中，有人认为“碳基生命使劲造硅基生命把自己搞死”是程序员行业自我颠覆的类比。
- （之前已归纳）新增回复中，有人认为“quant是被程序员搞倒的”，这可能暗示了程序员通过技术手段影响了其他行业。
- （之前已归纳）新增回复中，有人认为“auto research出来后，本老觉得搞大模型的有可能最先搞死自己”。
- （之前已归纳）新增回复中，有人对“15.1221和15.1252还是不一样的”表示了技术层面的区分，可能暗示了AI模型或技术细节的差异。
- （之前已归纳）新增回复中，有人对“也不能说是码农发明的 LLM。或者从业者觉得自己是不会淘汰的那拨呢”表示了对AI发明者身份和自我认知问题的探讨。
- （之前已归纳）新增回复认为，AI研究员的算法已接近饱和，未来的研究空间有限。
- （之前已归纳）新增回复中，用户对读博士的动机和价值提出了不同看法，认为其并非纯粹为了快速赚钱。
- （之前已归纳）新增回复中，从事机器人领域的研究者表达了对该领域前景的担忧。
- （之前已归纳）vczh的评论暗示，面对程序员行业的结构性挑战，应认识到其历史渊源，并可能需要更长远的视角来理解和应对职业的演变。
- 新增内容： LLM发展趋势与几年前CV领域的CNN相似，暗示了当前研究可能存在泡沫化和方向不确定性。
- 新增内容： LLM与CNN的对比被提出，但Transformer的优越性被强调，同时对LLM研究中大量低质量论文的现象表示担忧，认为其可能进入瓶颈期，真正的突破受限于计算资源，研究方向变得狭窄。
- 新增内容： vczh对具身智能的设计思路（机器人断网即摔落）表示质疑，暗示了对AI技术落地安全性和可靠性的担忧。
5. 行动建议
- （之前已归纳）建议将码农行业规模回撤到2000年代早期，认为当前“脑力外流”（最聪明的人都去科技公司）对基础科学和实体经济益处不大。
- （之前已归纳）新增回复中，虽然没有直接的行动建议，但隐含了对程序员行业发展方向和自我定位的警示，并预测具身智能可能是AI的下一个重大突破方向。
- （之前已归纳）新增回复中，建议对博士研究的目标进行深入思考，明确是否是为了改变行业。
- （之前已归纳）vczh的评论暗示，面对程序员行业的结构性挑战，应认识到其历史渊源，并可能需要更长远的视角来理解和应对职业的演变。
- 新增内容： 关注LLM发展的同时，应警惕其可能带来的泡沫化现象，并探索新的研究方向。
- 新增内容： 鉴于LLM研究现状，建议关注其发展趋势，同时警惕可能出现的泡沫化，并探索新的研究方向，因为当前研究可能已接近瓶颈。
- 新增内容： 对具身智能等新兴AI领域的设计和安全性需保持审慎态度，避免出现“断网即摔落”等低级且危险的设计。
拉黄包车的是被造汽车的搞死的
工人是被搞自动化的搞死的
开实体商店的是被亚马逊 淘宝搞死的
哪怕短信都是被微信搞死的
只有码农 觉得闭门造轮子丢人 天天嚷嚷着开源 拼命给AI喂数据 最后把自己给搞死了
按照楼主的结论来看，sde应该是被 ai researcher 搞死了
之前ai researcher 也比较清贫，哪有赚那么多钱，现在应该是researching落地的最幸福黄金时段了
（纯指正，非挑起矛盾）
你这么说撸羊毛的才是自己被自己搞死
本质上都是sde，甚至H1B抽签职位类别都没区别
码奸！码奸！
不过话又说回来了，不是AI model → coding → AI model的飞轮效应这个东西的提升也不会那么快
ai researcher也是engineer
感觉把码农这个行业回撤到2000年代早期的规模也不失为一个好选择，毕竟brain drain（让最聪明的人都在科技公司干活，让用户多点广告）除了让少数人赚大钱外，对基础科学和实体经济并没太大好处
哈哈这个角度挺有意思的，开源这件事确实双刃剑。不过话说回来，就算不开源AI也会发展起来的，只是快慢问题
【引用自 薅毛羊子】:
开实体商店的是被亚马逊 淘宝搞死的
这部分人其实原地转型电商也可以，店面租金都可以不用了。（改为给平台交租
不过另一方面，也使得厂家直销之类更容易，绕过中间商更简单了，总归还是干掉了一部分
这怎么得出的结论啊，现在古法notepad++编程和拉黄包车也没区别吧。
以后会不会有人说，碳基生命使劲造硅基生命把自己搞死
草 确实 自己写代码把自己饭碗干没了
quant是被程序员搞倒的
那还得是职业革命家。
以前我们写代码是为了 自动化 别人的工作
现在我们写代码是为了训练 AI 怎么 自动化 我们的 Debug 流程
最扎心的是：我们甚至还贴心地写了 README.md，生怕 AI 学不会怎么取代我们 （手动狗头
曾经在一个conglomerate工作, 工程师很diversity, 凡是在美国的工学院的找到的院系,都能找到毕业生
和SDE打交道最爽, 直接甩你code, 或者GitHub repo link, 大方得很
其他背景的工程师, 就得攀交情, 讲利益
你们搞大模型的就是码奸，你们已经害死前端兄弟了，还要害死后端兄弟，测试兄弟，运维兄弟，害死网安兄弟，害死ic兄弟，最后害死自己害死全人类
码农：我要写一个能自动写代码的程序！
程序：好的，我已经写好了，你可以滚了
【引用自 harvey8】:
README.md
现在llm的readme 比我写的好, 即使是我当年自己的写的code
是这样的，码农变成了skill，工资变成了token，肉身变成了homeless
15.1221和15.1252还是不一样的
没办法，抢活抢不过人家了
也不能说是码农发明的 LLM。或者从业者觉得自己是不会淘汰的那拨呢
auto research出来后，本老觉得搞大模型的有可能最先搞死自己。
以后Elon的脑机搞出来了，layoff前把脑袋给dump一下，train一train, 你以后就成为大模型的一部分了，任然可以和没有layoff的同事同在
ca5de0b354d0ca82aa70520dcf717d151180×2556 167 KB
以前都说炼丹师 炼丹术
这下真炼进去了
【引用自 薅毛羊子】:
只有码农 觉得闭门造轮子丢人 天天嚷嚷着开源 拼命给AI喂数据 最后把自己给搞死了
开源只是其中之一
AI有一大半也算是码农创造的，自己创造的东西取代得最狠、最先、最猛的居然是自己的饭碗，而不是别人的饭碗
别的行业（比如演员）至少还搞点工会什么的螳臂当车一下，码农太理想主义了，满脑子都是人类的技术革新而不是自己的钱袋子，阻挡都不阻挡一下
【引用自 lionlin】:
以后会不会有人说，碳基生命使劲造硅基生命把自己搞死
当然是了，等research和idea creation的能力也超越人类，说实话人类已经完成自己作为AI启动代码的使命了。有点像某些动物产完卵就可以立即去死了。
【引用自 carlzyy】:
brain drain（让最聪明的人都在科技公司干活，让用户多点广告）
我倒觉得让最聪明的人从事tech本来就是正确的选择，都去学医法商这种不需要动脑子、只需要死背和情商的行业才是真毁了
没区别，meta给phd用前者，非phd用后者，不看领域
Screenshot 2026-03-29 at 11.04.03 PM1206×1973 206 KB
但是rs和sde确实在responsibilities上是不一样的
好似喵 碳基不行，硅基好
【引用自 Alila】:
不需要动脑子、只需要死背和情商
要是情商的门槛比动脑子还低，炫压抑男做题家也就不会成为一个梗了
【引用自 AWSNiuma】:
sde应该是被 ai researcher 搞死了
其实ai researcher的黄金时期也有结束的迹象了，LLM的architecture和pretrain, SFT的模式早已定型，这两年唯一可以卷的增长点就是RL，从优化语气的RLHF到面向reasoning的RLVR再到现在的agentic RL，但算法其实也基本上就到头了。至于一些节外生枝的研究比如linear attention, dLLM什么的也大都被判了死刑
以后的LLM很可能是很无趣的造数据、洗数据，不断scale up，几十T上百T参数都有可能，直到达到所谓scaling law的上界（受制约于人类语料的有限）。但真正的research越来越没有空间了，这点现在nlp academia已经很明显了，industry可能还需要一定的时间来realize
ai的下一个增长点（如果有）我认为是embodied AI，现在manipulation的VLA还很弱智，locomotion也只能在摩擦力恒定的平坦环境下跳个舞。如果robotics真的能迎来GPT-3时刻，这才是大多数人类工作者的末日
理论研究到头了还有应用研究嘛
研究哪种工程方法能更好地抑制幻觉也是研究
OS理论研究五十年前就到头了系统PhD也一样毕业啊
？AI让你股票涨的时候你怎么不说话？
【引用自 收束观测者】:
系统PhD也一样毕业啊
theory/system phd可没有高的离谱的薪酬，甚至极少能找到和自己research领域对口的工作。在这波ai浪潮之前学cs的读phd都是极少数而且真正爱research的人，就是因为phd毕业顶多给你个L4，undergrad/ms毕业拿L3五年后至少也L4了，整体来说phd是划不来的选项
理论计算机有点太学界了，相对来说system和database 好就业很多
之前很多database 核心研发组都是一个 萝卜一个坑，导致很多phd 只能去做general的， 现在llm是打破供需平衡了。
不过我觉得读phd，不是为了赚快钱，是哪些真的想改变，对行业有想法的人，如果是以这个为目标，phd是普通人能接触到的高leverage事了。
正在做robotics，每天感觉是给自己挖坑
慢了好，百年之后哪管洪水滔天。
现在可以慢下来吗
大語言飛升了
你们搞大模型的就是码奸，你们已经害死前端兄弟了，还要害死后端兄弟，测试兄弟，运维兄弟，害死网安兄弟，害死ic兄弟，最后害死自己害死全人类
楼主还是后知后觉了。比尔盖茨1976年写的《致计算机爱好者的一封公开信》已经详细阐述过这个问题了，只不过因为年代关系具体细节不一样，但是结构是一样的。码农自残已经是由来已久了
【引用自 qwaszx】:
AI让你股票涨
image688×465 28.8 KB
image726×447 31 KB
image617×472 29.5 KB
image712×457 31.2 KB
image589×467 27.1 KB
image612×464 28.5 KB
最门清的还得是那些AI公司，大模型抄完傻白甜程序员的开源代码，直接闭源。好一个过河拆桥。
【引用自 Alila】:
robotics真的能迎来GPT-3时刻
小模型能达到gpt3，但是云上模型，永远比机上模型性能好。为什么要发展机上模型，不发展更好的网络连接呢
DEAD! Zszs
好像说的不是一个位面的东西，GPT-3时刻标志着scaling law让LLM真的能对universal的问题输出有意义的回答，而目前robotics无论是VLA还是world action model都还局限于overfit一些固定的tasks，换言之就是基模不够强，不能解决没见过的问题
LLM就是新的CNN，你看灌水趋势就知道了。最近NLP和几年前CV领域一样，垃圾论文数量呈几何级数上升。
新的LLM是啥还不知道。
【引用自 争取多活两年】:
LLM就是新的CNN
那还是不能这么说的，CNN比transformer弱太多了
【引用自 争取多活两年】:
垃圾论文数量呈几何级数上升。
其实很大程度上就是因为nlp确实短期没什么可做的了，真正的突破academia受限于计算资源很难做出来，要么搞一些没人用的arch/RL算法创新，要么就大水特水agent和dataset
机器人断网了就摔下山我觉得不是一个好的设计思路