（来源：上观新闻）
但随着模型越🇨🇦🐶来越智能，🍧真正重要的是：🙋♂️📁你是否能🍈获取这些“最🙍♂️🤼♀️聪明的🏴☠️ to🤭ken”，🏬以及你如何使🇵🇫用它们📚。基座架构、Mo🖖E分布式🚆、推理引🕷😻擎、长上下文、代🔉🍮码Ag💡ent等关键岗位😷，都高度依赖核心♉人员的判断与🌷🇧🇲经验；骨☁〽干流失不仅影🍂🚂响研发📽😔节奏，更可能带🛷来技术路线🦑🇯🇴、架构偏好、工🇵🇲🕑程文化的🔽👞波动👹。
后来，我们🆓🛹有个负责数据中心🥟🛥能源业务的同事🤬 Jere🇲🇸🇦🇲my，“AI 上🧮头”了🏀。但我觉💵得，很快其他公司🛡就会面对一个现实🇳🇿🖌：如果一⏪🇧🇶个人借助 AI🕣🔽 能完成🐿原本 5 到 1🧒🥔5 个人的工作🌛🖕，那企🇳🇿业就会开始考虑🤦♂️🇯🇪裁员🧕。▲不少网🆕📠友在灵光上充☘分发挥了自己的奇🗞©思妙想👼🇪🇨。
这个认知翻转是⏹🇯🇵有分量的：过去十🌞🍗年，企业🇧🇿✨可以说文档少是🤠😇因为“🔠😶写了也6️⃣没人看👨🔬”；现在不写，A☮I 就会把代码写🍝错🔧🛑。可如今，灵🛅光闪应🇸🇮👨🎨用填上了这道缺🇸🇯🇾🇹口🦢🤥。从“有订单”到“🌉消化年📰🛤产12发”，中间🍐还有很长的🎱♿路要走🚳。对知识的需求永远🇦🇲存在，但对👙中间层付费的🇲🇽☑需求会越来越小🇨🇨。
