AI 革命
开始之前，我想先回看下过去。 现在最火的可能是龙虾或者 code agent，那么以前呢？
「AI 革命」
之最初想象？
在 70 年前“人工智能”刚诞生的年代，人们对 AI 的想象并不是“写代码”，而是“让机器像人一样处理语言”。
机器翻译
机器翻译是最早一批能被公众直观想象的 AI 杀手级应用。
1954
Georgetown–IBM
1954 年 Georgetown–IBM 用 IBM 701 做了一次公开演示，把 60 多句俄语句子自动翻成英文，大家想一下这个时间点，这效果在当时绝对非常震撼。 当然这实际只是 demo：大约 250 个词汇、6 条语法规则，句子也经过挑选。
3–5 年
基本解决
但媒体高潮了：再过三到五年，机器翻译就会变成“基本解决”的技术。
现实……
这页就是一个停顿。预期很快，现实很慢。
2015
翻译对照
小实验
我在 2015 年做过一个“翻译对照”小实验，把技术文章中的一小段话的三段机翻和一段人翻放在一起让大家猜。 当时机翻和人翻几乎还是能一眼分出来，哪怕是质量不咋高的技术翻译水平。
现在呢？
如大家所料，现在当然完全不一样了。
2026
大模型不仅会翻译
还会自己打分
大模型译文质量极高，而且还能精准评价翻译质量。
DeepSeek 点评
豆包：初级/中级译者
自己：资深译者或顶级 AI
前辈：早期机翻
我的例子里，DeepSeek 会把豆包评价成初级或中级人类译者，把自己评价成资深译者或顶级 AI，把更早的系统评价成像早期机翻或者英语水平欠佳的人类生硬直译。
2016
GNMT
达到人类水平
我的小实验恰好就在 2016 年 Google 发布 GNMT 之前。这项技术标志机器翻译在发展了 60 年后终于“达到人类水平”，真正开始冲击翻译行业。
2026
最后一颗钉子
再过 10 年，到 2026，LLM 基本上是给翻译行业的棺材板钉上了最后一颗钉子。
翻译
vs
编程
回到今天的主题，我们从开发者视角看看 AI。其实编程和翻译似乎是相当类似的。 翻译，是把一种自然语言的符号体系转换到另一种。编程，是把需求这种自然语言转换到形式化符号，也就是编程语言。
软件开发
也会这样吗？
那么软件开发这个行业，也会像翻译那样完全 AI 化，进而凋亡吗？
不是 70 年
不是 70 个月
可能 70 天
如果像翻译那样 60、70 年后消亡，倒也可以不用在意。 但按照现在模型和 code agent 的疯狂节奏，不是 70 年，也不是 70 个月，可能 70 天之后就翻天覆地。
开发者群体
过去：每 5 年翻一番
未来：？
过去 20 年，开发者群体大体上是每 5 年翻一番。尽管现在开发者群体还在增长，但未来呢？
当前开发者状态
既被 AI 打了鸡血
又对 AI 非常焦虑
大家会担心，即使行业还在，但人都被 AI 取代。 所以我对当前开发者状态的概括是：既被 AI 打了鸡血，又对 AI 非常焦虑。