为什么现在 AI 场景落地专门盯着代码辅助干？

我认为 AI 能提供的代码辅助功能是个实际可落地的解决方案, 但不是资本期望的解决方案.
资本期望的不是辅助, 是脱离程序员,

只需要老板发号施令, AI 就能写出符合需求的代码, 甚至直接转化为 Money.

各个方面都有
搜索引擎早就是了
之前做过项目 ai 辅助心理疾病判定
英伟达的深度学习超采样，帧生成
汽车辅助驾驶
机器人领域
最近在做的 ai 理解图片内容自动撰写工作总结
还有 ai 理解用户情绪
相册人脸识别，人脸解锁，美颜，这些是计算摄影

@iintothewind
ai 只是数理统计 不会发明东西 只会重复

因为你在这个领域啊，其他领域也有不少，前段时间 AIGC 不也轰轰烈烈吗

还有电信诈骗行业，模拟你的声音，模拟你的脸，这些都是 ai 的强项

发明 ai 换脸软件的人真是个天才

最常见的场景是聊天吧？

AI 生成人类语言有两个致命缺陷：
1. 生成的结果可能完全离题（这其实不能怪 AI ，而是大部分人连需求都说不清楚）。
2. 生成的结果可能隐藏错误，需要人工校验（这时很多人会想还不如自己写）。

而编程语言作为自然语言的子集，天然克服了以上两个缺陷：
1. 编程语言语法简单太多，离题的可能性大幅下降。
2. 生成的结果对不对直接运行一下就行，不需要人工看代码校验（真正享受到 AI 的快感）。

因此用户对生成编程语言的 AI 产品的满意度肯定会高于生成自然语言的 AI 产品。

从商业角度，先拿编程语言做抓手是一个非常好的选择，因为用户更容易买单，更容易验证商业路线。

很简单，因为国内全是抄国外的成熟商业经验，不抄根本没人投资，美国的 github copilot 做了，cursor 做了，国内也要做

因为现在这些 AI 本质上还是伪随机数生成器，这些伪随机数到底对不对，在其他场景里没法高效检查，但是编程有编译器帮你检查 AI 吐出来的东西

因为程序员最懂编写代码.

训练 AI 的数据集来源于网络，网络上越专业的领域，越不容易被污染，比如代码、医疗、法律…AI 对这些也就越在行

第一，代码容易验证。人的主观判断无法干扰，你说可以，运行报错😆
第二，代码用到的现实设备很少，一个笔记本就可以验证对不对，能不能行。
第三，目前感觉还是搭积木，只是积木的类型和数量比一般人要多很多。没有新的算法，没有新的编译器，也没有新的编程语言。
第四，可能我们是干这个的，日常注意力也在这个方向。

AI 大致可以分为给内容做分类的和生成内容的，前者像什么人脸识别或者用在汽车上的，已经很成熟了，现在很多所谓赋能 AI 用的也是这类东西，属于蹭热度。生成式 AI 可以生成文本、图片、视频、音乐，其中视频还不成熟，图片已经在广泛应用了，代码也是一种文本，而且天然具有好验证效果的特性，所以好做。但也不存在只盯着程序员薅的情况。

1.程序员最懂业务就是代码。
2.代码开源，互联网上历史累积公开的案例最多。
3.其他行业没有大量、公开的数字资料去学习。

从科研角度来说，文字、图片、视频、声音，是最容易的研究方向了。通俗讲就是这些容易数字化的东西，而编程只是文字的一部分，写作也是文字一部分。所以因为是程序员所以只关注编程，其他领域也有在应用的，自动驾驶、人型机器人、大华、海康监控系统的人的识别等。

AI 不只是大模型、还有小模型，它不是只有 chat 交互形式、AIGC 、还有人型机器人，自动驾驶。

AI 应用场景多了去了。
语音助手类的自然语言处理 nlp ，人脸识别扫码支付，证件照识别和文字识别等 ocr 。
医疗的 CT 读片辅助，营销方面的智能外呼，智能客服。
小汽车的自动驾驶
以上或许根本不需要大模型这么大的代价（硬件资源成本）。大模型只不是 AI 的一种实现方式。
后续随着大模型的铺开，成本的降低，肯定越来越多的行业会尝试使用大模型来解决一些问题的。

大模型用于代码辅助最重要的是，程序员最直接接触的工作是写代码。

最后，我来一个结论：越来越多动脑不动手的工作，都会被 AI 取代或者被大部分替代。

其实你可以在各种 IT 新闻网站搜 “接入 deepseek” 。

自从春节那波 deepseek 大火之后，年后就各种看到各种 APP 和产品接入 deepseek 。有不同的领域，可以去看看这些产品是如何使用 AI 的呗。

相比以前的 ChatGPT 然后其他国内的大模型，在国内来说，这波 deepseek 的声量确实足够大。

我理解写代码应该是《大语言模型》现阶段最适合的场景之一。
而其他领域 AI 的应用，可能要有《大视觉模型》《大听觉模型》《大味觉模型》和《大触觉模型》的全面成熟之后。
也就是世界模型的成熟之后，才能大范围应用。

显然是你只专注这个方向，现在其他领域也是一样的状态。