该图片可能由AI生成
Reddit上一个帖子引发了400多条评论的激烈交锋：AI到底会不会取代技术工作者？
发帖人的观点很尖锐：即便在Reddit这个科技圈子里，依然有无数人坚持认为AI永远无法取代技术岗位。而现实是，每次有人说"AI做不到这个"，几个月后它就能做到了。如果连关注行业动态的人都在否认，普通大众就更不用说了。他们还停留在"AI就是个经常出错的聊天机器人"的认知阶段。
但评论区的反馈远比想象中复杂。
一位使用Claude Code的资深开发者说得很实在：模型本身在渐进式改进，但成本呢？我们看到的是边际收益递减。真正的大进步主要来自模型周围的脚手架，代理是脚手架，思维链是脚手架，Claude Code也是脚手架。LLM可能会成为某个更大突破的一部分，但那需要先有一两个根本性突破。
另一位15年经验的工程师直接泼冷水：作为每天使用AI的工程师，它离取代技术岗位还差得远。我每天都在纠正它的错误。代码和生产级代码之间有天壤之别。
最有意思的是一个类比：我在地下室用废旧硬件组装了一台电脑，邻居从没见过，觉得太神奇了。随着我不断升级，他被进步的速度震惊，觉得我很快就能实现光速旅行。但他没看到的是，我的机器正在接近天花板，受限于实际存在的硬件。
这个比喻精准地戳中了当前AI讨论中最容易被忽视的问题：我们把过去两年的进步曲线无限外推，却忘了问一个基本问题，这条曲线的物理极限在哪里？
有人指出了一个技术层面的关键限制：LLM的扩展性很差，这就是为什么上下文窗口是有限的。推理、RAG、技能系统本质上都是变通方案。没有这些，AI自GPT-3以来并没有取得实质性进展。现实场景的复杂度增长速度远超LLM单次处理信息的能力。
还有一个被忽视的经济学问题：中国模型的威胁。当Anthropic的200美元订阅变成500美元时会发生什么？中国模型不需要最好，只需要"足够好"且更便宜。已经有人用Kimi解决了Opus解决不了的问题。
一位在B2B潜在客户开发公司工作的人分享了实战经验：我们把AI整合到流程层面后，人们的工作量不是减少了，而是增加了。现在的瓶颈是一个人管理并行操作的能力。公司营收同比增长60%，利润率提升50%。有一天，我的程序员问我几个月后是否还需要他。坦白说，我犹豫了。
这才是真正值得警惕的信号。不是AI能不能写代码的问题，而是当AI成为流程基础设施的一部分时，人的角色会发生什么变化。
评论区最清醒的声音来自一位老程序员：仅仅因为你能用AI构建东西，不代表你能用AI构建出和经验丰富的人一样好的东西。我们也能用AI。编码从来不是问题所在。创造力中有艺术性，无论工具变得多容易。
最后，一条获得高赞的评论完美总结了这场讨论的荒诞性：我们在等GTA6等到AI都能自己做游戏了，GTA6还没出。
也许这就是我们这个时代的隐喻：技术在狂飙，而我们还在争论它到底会不会到来。
reddit.com/r/ClaudeAI/comments/1qrzib0/99_of_the_population_still_have_no_idea_whats