当 AI 开始能够写代码、优化代码，甚至逐步接管软件生产流程时，一场更深层的结构性变化正在逼近：职业分工、企业组织乃至知识壁垒，都可能被重新定义。
当模型开始写代码，变化已经不可逆
我第一次意识到行业正在接近一个拐点，是在上一份工作时，仿佛听见背景音乐开始慢下来，而周围的人却仍在假装一切不会改变。
当时我在一家对冲基金管理着将近 20 人的团队，做着自己已经做了很多年的事情。从外界看来，这几乎是一条稳步上升的职业路径。如果继续留在那里，我大概率还会取得更大的成就。但最终，我选择离开那个很多人梦寐以求的位置，从零开始做一家创业公司，团队只有寥寥几个人。这个决定在当时几乎没人理解，甚至被视为一种「职业自杀」。
但最近几个月，大规模裁员、主动离职创业、以及越来越多的人白天上班、晚上悄悄写代码做项目。这一切让当时那个看起来「疯狂」的决定，似乎没有那么离谱了。
这段时间，有不少人问我：这一切最终会走向哪里？这篇文章，就是我目前能给出的答案。
坦率地说，我并不确定变化最终会有多大。但量化金融教会我的一件事是：方向正确，往往已经足够。
真正让我意识到变化已经不可逆的，是 ChatGPT 的 o1 模型。
在那之前，我一直把这些系统称为「LLM」，而不是「AI」。我并不认为它们真的具备某种接近智能的能力。但 o1 出现时，有一件事情发生了变化：这些模型第一次可以通过结构化提示词，稳定地生成代码。
代码依然不完美，也会出现幻觉或理解错误。但关键在于：它已经可以写出有用的代码。
我的判断很简单。一旦 AI 能够生成可用代码，它就会开始递归地改进自身逻辑，并以一种我们难以想象的速度推动软件开发。
每当我提出这一点时，总有人反驳「这些代码仍然有 bug，还远远达不到生产环境的要求」。但这恰恰忽略了一个事实：人类写的代码同样有 bug。我们不需要 AI 写出完美代码，才会停止自己写代码。
真正的转折点是，当 AI 写代码的错误率低于人类，同时速度远超人类。那一刻，写代码这件事就会被彻底外包给机器。
在我亲眼看到 o1 的能力之后，我几乎可以确定：未来会发生非常剧烈的变化。
AI 时代仍然存在的护城河
最初，我认为 AI 会逐步侵蚀量化金融行业，但这个过程会比较慢。原因很简单：机构级代码几乎没有公开数据可供训练。
当时我把软件工程想象成一个金字塔：最底层是基础编码工作；再往上是具备架构能力的高级工程师；再往上则是专业开发者，比如，数据科学家、量化开发者、各类行业专家。理论上，专业知识越深，职业越安全。
我当时的判断是：两年之内，基础程序员会首先被淘汰；随后是高级工程师；再往上，随着模型逐渐吸收专业知识，更高层的岗位也会受到冲击。
但很快我意识到另一件事：前沿模型公司最终会直接雇佣行业专家，把专业知识输入模型。换句话说，专业知识确实会成为短期护城河，但从长期来看，它同样会被模型逐步消化。
在当时的判断里，有几类业务在未来五年内不太可能被轻易颠覆。
