见到知乎创始人了。。AI 编程新思考

大家好，我是小林，周一在阿里魔搭现场，听知乎创始人周源老师分享，有句话非常打动我：

开源不仅仅是技术，还有思想开源。

我思考了一下为什么共鸣：因为我认为未来人和人的链接更珍贵。

下面我把参加 Cursor 和阿里魔搭线下活动，吸收的前沿 AI 思想，揉碎分享给大家。

1、熟悉高并发技术维度的架构。

Cursor 线下活动最有启发的是我朋友大铭（分享嘉宾）解答了我的困惑。我的问题是：

作为一名医学生，独立开发了 5 个小程序，收获了 6 万用户，拉低了我这种外行的下限，我有不少老板朋友，他们公司内容的架构师借助 AI，可以干原来 3 个，甚至 5 个人的活。

大模型的这两股上下力量，很残酷的把中间 3-5 年的程序员淘汰了。

请问我们这些人的出路在哪里？

大铭回答了我两点：一是要多用 AI，每天 500 次对话用完，建立和 AI 的沟通预感；二是拓宽一下视眼，学一下架构思维，逼着自己往上走。

原来我对 AI 编程的核心能力理解是三样：挖掘需求的人性理解、能识别什么产品好的审美能力、快速冷启动的流量。

参加完 Cursor 的线下活动后，我又加了一个能力叫：熟悉高并发技术维度的架构。

2、阿里魔塔内容是现场听到的分享，结合我自己的思考写的，观点可能有不足之处，欢迎补充。

1）算力是 AI 发展的驱动力

当我们谈论人工智能，令人目眩神迷的聊天、自动生成的图像、能理解人心的推荐，背后真正默默推动这一切巨轮滚滚向前的核心引擎，其实是算力。

你可以把它想象成 AI 世界的血液和氧气。

每一次模型的训练，从最初的懵懂到最终的聪慧，都需要消耗天文数字般的计算资源。

每一次你向智能助手提问，它能在眨眼间给出回应，背后也是无数服务器在高速运转，消耗着巨大的电力。

没有持续增长、日益强大的算力支撑，再精妙的算法构想也只能是纸上谈兵。

算力的进步，直接决定了 AI 能走多远、能飞多高，它是这场智能革命最基础、也最强劲的驱动力。

2）云侧、端侧大模型推理

理解了算力的核心地位，再来看看 AI 能力是如何触达我们指尖的。这里就涉及到两种主要的部署方式：云侧大模型推理和端侧大模型推理。

云侧，就像是把超级大脑放在遥远的、拥有巨大计算资源的数据中心里。

你的手机、电脑只是一个终端，通过网络把你的请求发送到云端那个强大的 AI 模型去处理，再把结果传回来。

这种方式能让我们享受到最顶尖、最复杂的 AI 能力，因为它动用的算力几乎可以无限扩展。

但它的缺点也很明显：依赖网络，一旦没网或者网络卡顿，体验就大打折扣；而且数据需要上传到云端，对隐私和安全敏感的场合就不太适用。

于是，端侧大模型推理的价值就凸显出来了。

这意味着把经过精简、优化的 AI 模型，直接塞进你的手机、电脑、甚至手表、汽车等设备里运行。

好处是显而易见的：速度快，隐私强，体验流畅。

3）后摩尔时代怎么办？

支撑这一切算力增长的基石——传统的硅基芯片，正面临着物理极限的严峻挑战，这就是所谓的后摩尔时代困境。

摩尔定律曾经是计算能力指数级增长的保证，但如今，晶体管的尺寸已经小到接近原子级别，进一步微缩不仅技术难度呈几何级数增长，还伴随着严重的发热和能耗问题。

单纯靠把芯片做得更小、塞进更多晶体管来提升算力的老路，眼看就要走到尽头了。

怎么办呢？科学家和工程师们正在积极探索各种超越传统冯·诺依曼架构的创新路径。

其中，存算一体架构被寄予厚望。我们目前的计算机，计算和存储是分开的。

处理器（CPU/GPU）负责计算，但需要频繁地从内存中读取数据、计算完再存回去。这个来回搬运数据的过程，不仅消耗大量时间和能量，更成为制约整体计算效率的瓶颈，也就是所谓的内存墙。

存算一体，顾名思义，就是尝试打破这个藩篱，让计算直接在数据存储的地方发生。

这项技术还在发展中，面临工艺、材料、设计等多重挑战，但它为解决后摩尔时代的算力瓶颈提供了一条极具潜力的出路，是未来支撑更大规模、更高效 AI 运算的关键候选技术之一。

3、AI 不能取代人和人之间的交流

AI 无法，也永远不应取代人与人之间真实的交流、连接与情感共鸣。

技术再强大，它处理的终究是数据。

可以在海量信息中精准检索，可以模仿人类的语言风格，甚至可以基于数据预测我们的喜好。

但它无法真正理解一次朋友间深夜倾诉时眼神里的复杂情绪，更无法替代亲人之间一个充满温度的拥抱所传递的无言支持。

基于共情和理解而产生的深度信任与合作，这些都是算法难以模拟、数据无法承载的珍贵财富。

文章来自于“小林AI编程”，作者“小林”。