文章探讨了 AI 智能体对软件开发领域带来的变革。英伟达 CEO 黄仁勋提出公司全员配备 AI 助手，并预测 AI 将从被动响应指令进化为主动思考、计划和执行任务的智能体。Meta 和微软等公司也纷纷表示 AI 将重塑开发者角色，AI 将承担越来越多的代码编写工作。文章分析了 AI 在代码生成、测试、文档编写等方面的应用，以及在提高生产力、降低成本方面的潜力。同时也指出了 AI 在安全性、技术门槛和伦理规范等方面带来的挑战，以及对能源和计算能力的需求， 强调能源和计算能力是 AI 普及的瓶颈。此外，文章还提到了 Agentic AI 的概念，以及 SAS 等公司对 Agentic AI 的拥抱。最后，文章强调了开发者在 AI 时代的角色转变，以及与 AI 合作的重要性。
新智元报道
新智元报道
【新智元导读】软件开发的未来已来！每位工程师都将配备AI智能体，它们将嵌入日常开发，优化代码、发现漏洞、加速原型设计。黄仁勋认为，未来每个人都将指挥多个AI助手，生产力呈指数级增长。
黄仁勋放话：英伟达将全员配AI助手！
这可不是随便画个大饼，而是英伟达正在大刀阔斧搞的变革，这趋势可能席卷整个科技圈。
Meta的小扎、微软CEO纳德拉、Anthropic的CEO都表示：AI将重塑开发者角色。
AI很快会完成大部分代码，程序员的工作将从苦哈哈地敲代码变成「指挥」AI，像导演一样告诉AI要做什么。
黄仁勋表示英伟达要全员转型「AI指挥员」：
英伟达的绝大多数工程师都是软件工程师，如今芯片设计师也是软件工程师。不久之后，所有人都会用AI智能体辅助工作，其实现在很多人已经在用了。
这他们的工作效率更高，能做更大的项目，更快地将创意转化为原型，开发出质量更高、漏洞更少、安全性更强的软件。
所有的营销人员、销售人员、分析师，甚至研究人员都在使用。深度研究是一个非常强大的工具。
英伟达早就明白，现代芯片开发本质上是一项软件工作。硬件和软件之间的界限几乎不复存在。
引入AI智能体不仅是为了提高效率，而是彻底改变工程师的工作模式。
在英伟达，AI智能体不是偶尔调用的可选助手，而是成了日常工作的标配。
它能嵌入到日常的工作中，提前发现代码漏洞，优化设计方案，用超快速度模拟测试，自动检查系统是否符合监管和安全要求。
黄仁勋认为未来AI将从被动响应指令，进化成更主动的AI智能体。
未来的AI会像超级聪明的助手，自己思考、计划、做事，而不是等你一步步指挥。
比如：告诉它「帮我规划一次旅行」，它不仅会搜索机票，还会考虑你的预算、偏好，预订酒店，甚至提醒你带伞因为目的地可能下雨。
黄仁勋预测，未来5-10年，AI智能体会成为主流，彻底改变各行各业，比如医疗（自动诊断和治疗方案）、制造业（优化生产流程）以及日常生活。
但同时也带来挑战，如AI自主决策的安全性、较高的技术门槛和开发成本。
认识到这一发展趋势的并不只有英伟达。
OpenAI和DeepMind也越来越倾向于开发能进行推理、协作和自主执行任务的智能体模型。
然而，其中的差别在于这些系统的定位。
英伟达直接让AI智能体深度融入工作，变成技术系统中不可或缺的、半自主的合作伙伴。
这种转变的影响是深远的。
GTC大会上，黄仁勋指出，现在全球大约有10亿知识工作者，以后每个人可能指挥着10个AI助手！
在研发一线，工程师指挥一批各司其职的AI：有的专门查安全漏洞，有的优化代码以提高能源效率，还有的确保和新硬件兼容。
「工程师」的概念也在发生演变，不再仅仅是单打独斗的技术大佬，而是变成了指挥AI团队的操盘手。
然而，黄仁勋在播客中，也强调了一个严峻的现实：能源和计算能力是AI普及的最终瓶颈。
以前芯片性能按摩尔定律指数级增长，现在却撞上了热力学和基础设施的天花板。
无论单个GPU的效率有多高，要同时运行几十亿个AI助手，现有的电力、散热和硬件条件根本撑不住！
芯片封装、光子技术、散热系统这些领域的创新不是可有可无，而是关乎生存的必要条件。
与此同时，各大公司都在拼命卷AI助手。
OpenAI研究让AI学会用工具，DeepMind思考怎么让AI团队协作，大家目标很明确：那种只能听指令的被动AI快过时了，未来属于主动出击、自主完成任务的AI智能体！
英伟达的内部战略表明，它不仅想成为算力供应商，还想给科技行业提供蓝图。
黄仁勋的愿景中还隐含着一个警告。
AI助手将成为工作刚需，用得好的人和公司会一飞冲天，跟不上的就直接被淘汰。
生产力差距不会呈线性增长，而是会呈指数级增长。
有AI智能体加持的工程师，产出的价值可能是普通工程师的几十倍甚至上百倍！
如果不做系统性的AI升级，以前靠经验和资历积累的优势，很快就会被拍在沙滩上。
与其说这是英伟达的内部计划，不如说这是AI时代技术行业的职场蓝图。
就像许多技术革命一样，人们往往很晚才会认识到其重要性，先入场的公司早把领先优势拉满了。
GenAI的确是了不起的技术，但它也有明显的局限性。
如果没有应用在合适的场景中，或者缺乏恰当的管理控制，就可能引发严重问题。
著名商用统计软件公司SAS的首席技术官Bryan Harris，举了大模型在贷款申请的例子。
他表示：「大语言模型对黑人申请者的拒贷率更高，推荐的利率也普遍高于对白人申请者的建议。只靠LLM不足以胜任大多数企业级应用场景。它们需要更完善的流程、治理机制和伦理规范。」
他进一步解释说，GenAI的模式是人类提问，AI给出决策或答案；而Agentic AI是双向工作的，AI会先整理出总结供人类审阅。
他宣布，SAS全面拥抱Agentic AI，支持用户通过低代码/无代码的方式构建AI智能体。
从GenAI到Agentic AI，转型的不止是SAS。
上周，Meta举办了首届LlamaCon人工智能大会。
小扎预测，未来一年内，大约一半的开发工作将由AI完成，推动行业的生产力大幅提升。
他表示，Meta正在开发一种AI模型，给自家AI系统写程序。
LlamaCon大会上，纳德拉透露，AI已承担了微软30%的代码工作。
开发者的角色将从写代码转变为管理AI，开发者将更多扮演「定义需求」的角色，优化AI生成的代码。
AI编程工具将掀起软件开发革命。
它不仅能自动生成代码，还能自己写测试用例。这让开发者有更多时间投入创新。
行业预测显示，AI能让生产力提高30%，有望为全球GDP贡献超过1.5万亿美元。
目前，最受欢迎的AI应用之一是「氛围编程」（vibe coding），就是用聊天的方式给AI指令。
开发者在舒服的灯光下，听着音乐，和AI工具聊聊天，就能提供合适的编程思路，还能直接生成代码。
高德纳咨询（Gartner Research）公司预测，到2028年，75%的专业开发者都会用氛围编程等AI工具。
在2023年9月，这一比例还不到10%。
未来三年，80%的企业会把AI辅助测试工具集成到软件工程工具链，与去年年初约15%相比，有显著增长。
《MIT科技评论》的报告显示，如今94%的企业领导者在软件开发中会用生成式AI，82%用在多个开发阶段。
有些行业专家大胆预测，用不了多久，AI写代码的占比会高得惊人。
Anthropic CEO在近期的采访中表示：预计3-6个月后，AI编写的代码将达到90%。再过一年，几乎所有代码都可能被AI包办。
虽说这个预测听起来有点夸张，但现在软件开发的方式确实在发生巨大变化。
Forrester咨询公司副总裁表示，就连那些经验丰富的资深开发者，都开始把氛围编程当成得力助手了。
不过他也提到，目前的AI辅助开发主要是用来处理一些比较简单的任务，这让开发者腾出手来，去做那些更重要、更具创造性的工作。
今年早些时候，一项针对2300多名开发者的调查发现，42%的人已经在使用「图灵机器人」（TuringBots），也就是基于AI的代码生成器。
随着图灵机器人变得更加智能和自主，开发团队将能自动完成更多软件开发生命周期（SDLC）中的任务。
以前要花几个星期、几个月才能完成的端到端应用程序，以后说不定很快就能做好。
GPT-4 Turbo（ChatGPT）、GitHub Copilot、Cursor、Replit Ghostwriter、Codeium，还有亚马逊的Q Developer，都支持氛围编程这种对话式的开发方式。
GitHub Copilot氛围编程demo
AI编程工具能帮开发者头脑风暴、制作原型、完善功能，还能检查代码中的错误或安全漏洞。
比如像Copilot那样提供实时建议，也可以像Cursor那样实现交互式代码编辑，或者像ChatGPT提供全栈式指导。
这些工具简化了编码过程，非常适合独立开发者、快速原型制作或团队协作开发。
像StackBlitz Bolt.new、Github Spark、Lovable这些，能根据指令直接生成应用。
BlinqIO、Diffblue、IDERA、QualityKiosk Technologies、Qyrus，是专门用来做AI辅助测试的。
据报道，苹果正与Anthropic合作，打算把AI编程工具加到Xcode开发软件里，用Claude Sonnet模型来帮开发者写代码、做测试。
亚马逊（AWS）也没闲着，2023年发布了预览，2024年4月正式推出了Q Developer。开发者可以在命令行界面氛围编程。
上周，AWS把这个功能扩展到了Visual Studio Code集成开发环境。
AWS生成式AI应用与体验部门主管把AI助手比作两个人一起写代码，它会像坐在你旁边的程序员一样完成任务！
在亚马逊内部，所有开发者都可以使用Q Developer工具集。
最近，亚马逊就用它把3万个应用从旧版Java更新到了新版，这节省了4500年的人工开发时间，每年还能多赚2.6亿美元，效率提升太明显了！
高德纳咨询公司上个月的调查显示，35%的IT领导者预计生成式AI将从根本上改变他们的企业，52%预计企业会用这项技术进行软件开发。
超过三分之二的受访高管认为，生成式AI带来的好处大于其风险。
在软件开发过程中用生成式AI，会让企业更注重团队生产力，毕竟人们普遍认为其主要优势在于降低成本。
大多数企业都已搭上AI这趟快车。虽然开发岗位仍将存在，但工作内容会彻底改变。
总体而言，生成式AI工具无法把一个应用90%的技术都搞定，但它能完成应用代码库60%-70%的内容。
具体到各个领域，比例大致如下：
-
简单应用代码：60-90%
-
API与中间件：50%
-
数据层：40%
-
基础设施即代码（IaC）：80%
-
网络：25%
-
安全与策略：25%
-
运维与监控：50%
以上数据是基于现有生成式AI工具的能力，这些数据每天都在变。
目前，生成式AI能写大部分基础、常见、重复的代码。但要是遇到复杂的开发场景，还需要靠人指导。
现在的AI工具虽然功能强大，但用起来成本可不低，更新换代特别快。
工程师将成为精通AI技术的架构师，负责设计和维护复杂系统，还能根据用户需求快速更新。
工程师不用害怕AI抢饭碗，他们可以和AI合作，更快开发出质量更好的应用程序，推动各个行业创新。
开发者认为生成式AI工具在生成样板代码、理解代码、测试、编写文档和重构代码等任务中非常有用。
但同时，这些工具也在代码质量、知识产权，以及指导和验证输出结果等方面带来了风险。
开发者越来越依赖AI辅助工具，但仍需有人参与其中，了解正在部署的代码及其实现方式。
编程和构建应用确实变得容易多了，但在部署和调试过程中，理解代码的逻辑和运行方式仍然非常重要。
