AI将推动科技就业增长——前特斯拉总裁解释发展方向与原因

科技就业末日论的路上发生了一件有趣的事情。

AI驱动的技术发展正在遭遇复杂性这道壁垒。随着AI越来越多地融入商业，它正在推动对精心设计的基础设施、弹性网络和复杂软件堆栈的需求，而所有这些都需要人工监督和干预。

这是DVx Ventures首席执行官、前特斯拉总裁、前Lyft首席运营官Jon McNeill的观点。McNeill是新书《算法：改变特斯拉、露露柠檬、通用汽车和SpaceX的超增长公式》的作者。我最近有机会与McNeill坐下来讨论IT专业人士在进入这一新环境时应该考虑和寻找什么。

首先，他表示："我是一个技术乐观主义者，而不是悲观主义者。我对那些只是半知半解的人制造的末日论感到厌倦。"

对于技术专业人士来说，强劲的机会正在从AI热潮中产生，他说。这些机会对基础设施和网络专业人士与计算机科学和软件专业人士来说有所不同。

对于基础设施和网络专业人士，他预测需求将非常强烈。"对计算资源、服务器的需求正在创造大量的网络专业知识需求，"他观察到。"保持这些服务器运行、保持它们同步所需的专业知识是非凡的。"

每年都有相当比例的GPU发生故障，所以"我们不断地更换这些东西，"McNeill解释道。"当你更换它们时，你必须重新同步它们，让网络软件与高带宽内存芯片重新协作。所有这些都增加了对人员的巨大需求，我认为这种情况不会很快消失——考虑到这些集群和服务器农场的所有复杂性。"

此外，"对推理的需求将继续推动对基础设施的需求，"他补充道。"这对IT基础设施专业人士来说是个好消息。"

在计算机科学和软件方面，出现了不同的情况，呼吁代码编写者、软件工程师和开发人员提升到更高的技能水平，McNeill说。

"他们有这些不同架构方法的分层结构，聪明的计算机科学家正在弄明白这一点，"他指出。"是的，我可以在单一层面上编写应用程序代码。如果我有六七个不同的模型聚集在一起协同工作，我可以通过智能体的方式保持它们同步。但架构的发明是人类的工作——很可能在可预见的未来都是如此。"

现在出现的最持久的软件公司"正在用多个层次创建，"他举例说明。"它们攻克非常复杂的问题。它们会说，'嘿，这个问题的一层可以通过简单的搜索索引解决。这个问题的另一层可以通过机器学习解决。'所以我不会花钱在Token上解决这些问题片段。问题的其他片段可以由小模型解决，也许问题的另一部分由大模型解决。"

因此，人们"正在向更高的架构价值链移动，"他补充道。"他们让基本编码由智能体和模型在质量保证、质量控制和部署中完成。但更重要的架构工作向价值链上游移动。"

在他的书中，McNeill敦促在AI——以及任何形式的自动化——方面谨慎和有预见性地前进。他讲述了特斯拉在早期工厂自动化努力中遇到迟缓，无法满足汽车需求的情况。这使他的团队得出结论，"最后自动化"需要成为流程设计的指导原则。公司决定重新思考，在其场地上搭建了一个长帐篷，里面有一条完全由人工操作的装配线。

"我们的机器无法制造我们急需销售的汽车……只有在我们了解制造系统的来龙去脉之后，我们才知道足够的知识来开始优化流程……最后自动化的原则是反直觉的……如果软件在整个系统简化和优化之前就构建，那么代码就很难更改。这是可以避免的。让编码者等到最后，直到你设计出一个新的、简化的流程，对其进行优化，并确切知道你想要什么。如果你有等待的纪律，编码会进行得更快。"

McNeill敦促技术专业人士，如果管理层要求AI或高级、昂贵的解决方案，而简单方法就能奏效时，要勇于反驳。"通常，这种理由会说服高级管理层的人员。"

Q&A

Q1：Jon McNeill认为AI会如何影响技术岗位就业？

A：McNeill认为AI将推动技术就业增长而非减少。随着AI融入商业，对精心设计的基础设施、弹性网络和复杂软件堆栈的需求增加，这些都需要人工监督。基础设施专业人士面临巨大需求，软件专业人士则需要向更高技能水平发展。

Q2：基础设施和网络专业人士在AI时代有哪些机会？

A：需求将非常强烈。由于对计算资源和服务器需求巨大，保持服务器运行和同步需要专业知识。每年相当比例的GPU会故障需要更换和重新同步，加上推理需求持续推动基础设施需求，为IT基础设施专业人士创造了良好前景。

Q3：什么是"最后自动化"原则？为什么重要？

A：这是McNeill在特斯拉学到的教训。当机器无法满足生产需求时，他们决定先用人工装配线了解制造系统，只有在简化和优化整个流程后才开始自动化。这个原则强调在设计新的简化流程并确切知道需求之前，要有耐心等待，这样编码会更快更有效。