AlphaCode和Bard在内的大模型时，这几位创始人共同意识到一个问题：“期待一个通用大模型能够处理所有的Use

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。

Xeon处理器，也使Google成为支持Intel下一代芯片的第一家公有云厂商。这一举措有助于提虚拟机的高性能和效率，同时也给IaaS厂商的服务和产品带来其他变化，为客户提供更多元化VM的选择。