当前位置: 首页 > news >正文

万万没想到,今年最惨的职业竟是程序员

文章分析了程序员职业面临的四大困境:IT行业衰落导致软件需求减少;程序员人才严重过剩;公司项目完成后大规模裁员;AI技术取代部分编程工作。随着IT行业"大基建"完成,程序员正面临类似农民工的职业处境,市场需求大幅减少。尽管如此,作者认为程序员仍有需求,只是规模和热度不如从前。


程序员就像农民工,在10年前,绝对的香馍馍。只是“IT行业的大基建”基本结束了,不需要那么多人了。智能硬件、单片机开发、程序开发、C++都不需要那么多人了。

据不完全统计:

(1)网传近期用友开始大量裁员了,用友至少裁员2000人,据说,用友这次裁员比例在 10% 至 20%。裁员的原因很简单,过去的这一年用友经营亏损严重,24年全年亏损的数值将近20亿,,它已经养不起这么多庞大的员工队伍了。

(2)今年全球约490家科技公司累计裁员达143142人。

(3)22年8月到23年1月,汇丰软件外包的就裁了2.2w人。

(4)海康威视被曝大规模裁员,32 个研发区域收缩到 12 个,预计会涉及 1000 多名员工的优化。

(5)IBM 也针对云服务部门秘密裁员,影响数千名员工。

(6)微软、亚马逊、谷歌等巨头先后宣布裁员计划,掀起了一轮裁员潮。

寒气已经传递给了每一个程序员,过去10年风光无限的程序员如今也面临着失业、收入降低的困境,令人唏嘘不已。

为什么程序员职业这么惨呢?卢松松认为原因有四:

(1) IT行业衰落

有一组数据说,国内被投资的初创企业数量 从2018年的51000家,下降到了2024年的110家,五年降幅高达98%。这说明投资机构撤了。这是大环境影响,咱就不多说了,大家应该都能感受到。

受房地产行业萧条影响,失去了土地收入,没钱了。比如最近海康大裁员,裁的就是给G端需求配套的软件开发人员。

另外,经济大环境不行,各行各业的软件需求都会减少,说细恐章文不保。

(2) 程序员严重过剩

从大学扩招就能感受的到,今年几乎所有大学对“程序员”相关专业都做了扩招。例如今年太原理工大学,仅一个软件工程专业就招生1795人,郑州轻工业大学招生2161人。如果按照一个班30人算,那就是60个班。

你想想什么概念?仅一个软件工程专业60个班,闻所未闻。不仅仅是太原理工大学,很多大学都在“程序员”岗位进行扩招。如下图所示:

很多人可能不知道卢松松曾经也是程序员,松松大学是也学过C++,后面又自学了ASP、.net、PHP,创业后才逐渐脱离了该职位。那时候无论大学、中专、各种培训机构,就牛逼的就业方向就是程序员。因为程序员一毕业工资都是5K起。

(3) 公司卸磨杀驴

PC互联网、移动互联的时代已经过去了、SaaS兴起,现在大多数岗位不需要写代码了,根本没有人开发软件、开发网站、也没人开发智能硬件了,这些产品都被大公司垄断了。小公司开发不起,大公司开发完卸磨杀驴(我指的的大公司不是互联网巨头,而是规模100人以上的软件公司)。

比如某互联网知名企业裁员程序还上新闻了,原因就是这家企业拿到投资后大量招募程序员开发系统,三年后,系统逐步完善后,就裁了一半的程序员,剩下的人只做维护。

其实很多公司都这样,该开发的都开发完了,大量的程序员就被裁员。这帮程序员根本找不到工作了,你那些工作经验有什么用?现在完全没有用了,你掌握这些技能还有用吗?没有用了,为什么?因为不需要了,不开发软件了,不开发智能硬件了,不开发系统了。

包括小米、华为、比亚迪、百度、阿里,他们需要开发智能汽车和无人驾驶,他们需要软件工程师,单片机硬件工程师,嵌入式开发呀,只是能开发的现在都开发完了,不需要人了。你技术是很牛逼,但是不需要了,而且随着人工智能的发展,未来软件行业就业的情况只会越来越糟糕。

(4) AI取代了部分工作

前几个月阿里云推出的“通义灵码”,人家摆明了就是要干掉程序员。就算你是小白,现在用ChatGPT、DeepSeek、通义千问、文心一言、都可以随意写一段代码、写一个网页了。开发APP、人工智能大模型、抢的就是程序员的饭碗。

AI人工智能,在一定程度上会减少程序员的需求,写代码的人,没准以后被代码代替了。

写在最后:

**10年前,互联网做基建的时候,**需要大量程序员做底层架构,因为每个公司都需要做网站、开发小程序、开发软件。

10年后的今天,现在IT行业大基建已经基本完成了,大基建过后,就不需要那么多程序员了,就像农民工那样。

现在的程序岗位目前很尴尬,小公司用不起,大公司用不上,所以这个职业逐渐也被淘汰了,就算你技术狠牛逼,也快被淘汰了。

不过相比其他职业,程序员还是要有不少需求的,只是没那么大了,也没那么热了。

加油吧,程序员们!

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

http://www.jsqmd.com/news/524103/

相关文章:

  • YAYI 2模型压缩率报告:存储优化分析
  • 如何快速构建实时数据湖:Websocat与Apache Hudi打造高效流数据处理管道
  • API安全防护指南:Solution Architecture Patterns中的企业级安全架构
  • Frpc-Desktop终极架构解析:Electron+Vue3跨平台内网穿透神器
  • Deepo终极指南:20个实用技巧助你快速搭建深度学习环境
  • FluentMigrator性能优化:大规模数据库迁移的终极解决方案 [特殊字符]
  • 【FI】资产主数据屏幕格式(S_ALR_87009044)的字段组配置实战:从OAVN到OAVM
  • WPS集成MathType:一键配置VBA环境全攻略
  • PPO算法实战:从零搭建强化学习模型(附完整代码解析)
  • 深度学习项目训练环境实战落地:高校实验室低成本GPU算力下的高效模型开发
  • 融合动态建模与空间反演的仓储空间智能基础设施构建路径—— 镜像视界 Pixel-to-Space 驱动的认知与决策体系
  • 终极Shell命令补全扩展开发指南:基于gh_mirrors/sh1/sh的高级实现方案
  • 终极对比:GoCD与GitLab CI/CD制品签名工具的5种实现方式详解
  • UniDexGrasp++算法实战:无需预生成姿态的灵巧抓取测试指南
  • 林业巡检机器人如何利用ROS2 Navigation Framework实现高效自主导航 [特殊字符]
  • 终极指南:如何参与Qwen-VL多模态模型评测大赛并取得优异成绩
  • 手机传感器背后的黑科技:揭秘iPhone和安卓旗舰机的传感器差异
  • VAD:矢量化场景表征如何重塑端到端自动驾驶的规划范式
  • Aspose.Cells实战:Java后端高效实现Excel到PDF的无损转换与在线预览
  • 为什么开发者都在用refactoring.nvim?5大核心功能深度解析
  • NSwag参数绑定终极指南:复杂类型API参数映射策略详解
  • 机器人手眼标定精度上不去?可能是这5个细节没做好(附排查清单)
  • Win10任务栏蓝牙图标消失?三步快速找回指南
  • 如何快速转换YOLOv3数据集格式:从标注到训练的完整指南
  • 【SPIE出版、连续五届稳定EI检索】第六届激光、光学和光电子技术国际学术会议(LOPET 2026)
  • SpringAI与ZhiPu AI的完美结合:如何优化你的AI聊天应用性能
  • FortuneSheet移动端适配与响应式设计的最佳实践
  • 深入解析WandB与PyTorch Lightning的集成:从基础配置到高级监控
  • 深入解析toyDB分布式SQL数据库:内存数据库的定期快照持久化机制完全指南
  • Crunch开发者手册:如何扩展和自定义你的图像优化流程