GPT-4 程序员毁灭路线图
美东时间3月14日，OpenAI发布了GPT-4。对于我而言，在诸多亮眼的功能中，GPT-4最大的亮点在于“原型转码”，标志着“程序员自动化”的滚滚洪流又前进了一步。
在Demo中，GPT-4已经可以将画在一张破纸上潦草的原型设计（图1）即刻转变为可以运行的完整Web代码（图2）。
图1
图2
如果你做过产品经理或者设计过任何一款软件，你就会立刻明白GPT-4在产品/系统开发上所带来的巨大潜在价值：人类历史上第一次，在大范围内，程序的产生不再依赖程序员。
商业试图摆脱程序员的历史可以追溯到Excel的宏命令，以及近年来出现的各种低代码和无代码平台。但这些工具的核心问题是它们企图利用有限的规则来描绘程序自动产生的逻辑，而缺乏在大范围内学习和自我演进的能力。近20年来，基于AI的算法已经在众多场景中击败基于规则的算法，这次也不例外。
但是，GPT-4真的会毁灭程序员这个职业吗？，
下文我们将以2B行业为例来回答这个问题。此外，尽管GPT-4今天还不完善，我们在下文中仍将以GPT-4来代表未来的GPT-X。
要回答这个问题，我们必须要清楚不断演进的GPT-4更善于“写”什么样的程序。我们可以用两个维度来表述程序被GPT-4产生的难易程度：
开源度。开源度决定了该类程序有多少代码可以供GPT-4学习。开源度越高表示可以用来训练卷积神经网络的代码越多，GTP-4也更容易产生此类程序的代码。
功能耦合度。 GPT-4的基本原理是使用卷积神经网络根据既往内容的耦合关系（相关内容在上下文出现的概率）来预测输出的内容。高耦合度的内容可以“牵一发而动全身”，对需求要求颗粒度较大。而低耦合度的内容要求非常清晰的需求定义才能产生期望的结果。对于程序功能而言，则有这样的区别：
一些程序是“流程性”的，其功能间耦合度高，可以被显性（代码间关系）或者隐性（流程图，原型描述的跳转关系）定义。这类程序的需求更容易被描述，即使需求缺失，GPT-4也能够依据耦合关系进行完善。例如，如果要自动产生CRM，在自动生成销售功能代码的同时，GTP-4必然同时产生一部分市场功能，例如Campaign Management，因为市场活动管理和销售线索的产生是紧密耦合的，你甚至不需要明确告诉GPT-4，它也可以生产相应的代码。
另一些程序是“功能性”的，其主要目的是支持其他程序的运行，功能间相对独立，耦合度较低。这时，我们就需要非常清晰地定义每个功能的需求。例如，私有云的核心模块包括计算、存储、网络。GPT-4很难依据“计算”的代码逻辑产生“存储”的代码逻辑。
基于上述两个维度，按照GPT-4自动产生程序的易难，我们可以将程序分为4类（图3）：易入手类(Low Hanging Fruit)、高收益类(High ROI)、低收益类(Low ROI)和堡垒类(Fortress)。
图3
一，易入手类(Low Hanging Fruit)：程序员毁灭（失业）指数 ★★★★★
此类程序不仅仅在Github或者StackOverflow中有大量的开源代码，而且业务也高度流程化，功能之间存在高度耦合。业务人员也可以很轻易地使用基于图像的原型和基于文字的流程描述的方式精确地阐述需求。可以说，ChatGPT和GPT-4已经可以生成这类程序，也是程序员最先被替代的类别。这类程序包括（图4）：
Web App：前端基于HTML5, Javascript, VUE, React和PUB等，后端基于PHP, Node.js, JAVA等，并使用开源数据库；
Mobile App: 类似于Web App，基于安卓或者iOS的各类App；
面向中小企业的商业软件：客户的业务比较简单，程序流程相对标准化。包括财务记账软件，CRM，费用报销、Payroll，POS，仓库管理等。
图4
二，高收益类(High ROI)：程序员毁灭（失业）指数 ★★★★
类似于“易入手类”，此类程序的功能耦合度也非常高，需求较易由原型和文字流程描述。虽然它们的开源代码数量不丰富且今天还没有太多的GPT-4代码产生案例，但由GPT-4替代产生程序后可以大量节省程序员的工作，替代价值较高，所以我们称之为“高收益类”。这类程序包括（图5）：
DevOps。主要包含各类运维软件，以及CI/CD软件。运维软件使用公有云/私有云提供的API实现软件的自动打包、测试和发布，以及自动管理/调度各类云资源的使用。由于其输入输出非常标准，非常有利于GPT-4的自动产生。
软件定制化。在软件实施的过程中，除了在标准软件之上进行配置，企业仍需要做大量的“定制化”工作，即根据自身的业务和IT情况开发软件满足特殊流程的需要。例如ABAP或者是ETL。一般而言，这种定制化开发有明确的业务需求和流程，但因客户个体的定制差异，软件开发成本较高，也是企业采用软件的巨大成本之一。因此，在需求明确的情况下，由GPT-4进行程序自动产生的性价比就非常高了。
面向企业的商业软件。包括面向大型客户的ERP，CRM，HCM，MES，SCM等。这类软件业务逻辑复杂且基本不开源，所以可以想象的是软件企业使用自己的代码库结合GPT-4提升编码效率。虽然此类软件的开源度不高，但是GPT-4可以通过学习面向中小企业的商业软件和软件定制化获取业务逻辑。
图5
三，低收益类(Low ROI)：程序员毁灭（失业）指数：★★
什么情况下你会要求产品经理使用GPT-4自动产生一个关系型数据库？我相信他一定会反问：“为什么不用MySQL呢？”
而此类程序正是这种情况：由GPT-4自动产生程序性价比较低。虽然可以找到此类程序大量开源代码，但与其由GPT-4自动产生程序，还不如使用现有更稳定的开源产品。此外，相较于Web App和Dev Ops，此类软件功能的耦合度较低，需求也更复杂和难于描述清楚，这也降低了GPT-4自动产生程序的收益。此类程序包括（图6）：
开源数据库。MySQL,、PostgreSQL、MongoDB、Redis、Hadoop 等。
开源中间件。消息队列、容器服务、微服务引擎、服务网格、应用实时监控服务等。
图6
但也有例外情况，例如，在特定硬件环境（如，裸金属）中，GPT-4依据硬件特点生成性能更高的中间件或者数据库。所以在这方面工作的程序员也并非绝对安全。
四，堡垒类(Fortress)：程序员毁灭（失业）指数：★
首先，此类程序基本不开源，自然GPT-4也就无从学起。其次，类似于“低收益类”，此类程序的功能耦合度较低，其需求表达复杂且要求必须非常明确。这两个因素叠加导致GPT-4无从产生替代程序。这类程序包括：安全软件、商业数据库、公有云IaaS/PaaS。
图7
程序员毁灭路线图
基于GPT-4替代产生程序的易难程度，我们可以预测未来某种类别程序员失业的可能性（图8）。伴随着GPT-4的成熟，工作于高开源度和高功能耦合度程序的程序员会更容易被替代。而那些工作于“保守的”、工具类程序的程序员反而可能会保住他们的工作。
如果GPT-4如我们预期的那样演进，则程序员毁灭路线图如下：
0～3年：前端程序员和手机APP程序员。某种意义上，这是正在发生的事情。
3～5年：中小企业的开发人员、外包工程师、运维工程师和IT咨询顾问。基本上涵盖了各种中小型商业程序、DevOps和定制软件的工程师。此时程序员的失业规模会到达一个峰值。
5～10年：大型商业软件工程师和各种基于开源软件开发的工具类软件工程师。SAP和Salesforce的工程师在这个阶段危险了，而那些基于开源软件开发商业软件的工程师同样会面临挑战。
留在最后：大型云厂的工程师、安全软件工程师、商业数据库工程师和工具类开源软件工程师。GPT-4对于他们而言更多的是辅助创新的工具。
在越来越卷的今天，程序员们不仅仅要面对来自同僚的竞争，甚至要面对来自于人工智能的挑战。作为技术出身的您，是否正在考虑增强竞争力，拓展自己的商业知识，甚至转型为业务管理者？如果是，我相信“老于”在全球顶尖企业技术和战略多年的成功经验能够给您一些有益的建议。如果您感兴趣，我们将提供30分钟免费的职业拓展咨询。
您可以扫描下面的二维码或者点击“阅读原文”预约免费咨询。