看！AI 预测绘制的未来 AI 工程师能力要求与热度图

以下是 GPT 帮我制作的 AI 工程师角色能力模型。代码/工程、数据/算法、产品/业务三个维度的能力要求以及三年内这些岗位的受欢迎度（红色最热蓝色最冷），都来自于 GPT 的预测。

七月初网上有过一场关于 AI Engineer 的讨论。swyx 指出 2013 年需要一个团队做几年才能完成的 AI 任务，现在只需要 API 文档和一个空闲的下午即可完成。他预测不需要深厚的数学基础或机器学习背景的 AI Engineer 将迅速崛起。

这篇文章当时在 TGO 的社群里也有过讨论，有朋友认为这只是把之前“算法工程师”角色换个名字而已。当然不是这样！但看上面这张图，蓝色的位置确实就是“懂业务能把算法落地的算法工程师”。问题出在哪呢？

我认为上图用的模型错了，一维的线段哪够放下各种不同角色呢，至少得三维的立方体：编程和工程化能力是一维，AI 算法是一维，产品和业务是一维。我决定请 GPT 来帮我画模型图，半个多小时的聊天后 GPT 制作了文章开头的模型。以下是我和 GPT 的交流过程。

画图之前先聊聊天。我把 swyx 的文章扔给 GPT 做总结。

提供与文章相关的其它信息、进行更深入的探讨。

有了这些准备工作后，我让 GPT 来定义它理解的 AI 工程师。GPT 细分了四个不同角色。

进一步交流后，我们把第一个角色又细分成了纯粹用代码开发 AI 应用的 AI 应用开发者、纯粹写 prompt 的自然语言开发者、以及写 prompt 同时也写胶水代码的提示词工程师。（通常我们管自然语言开发者称作“提示词工程师”，但我纠正了 GPT 两次它还常搞混，那就按它的来吧。）

GPT 对各岗位的定义和热度预估如下：

在 code-interpreter 里用 matpolib 画图把各个点标注出来。

随后我又让 GPT 列举了前 AI 时代的岗位，以及今后三年里会诞生的新岗位。

最后，改用 plotly 画出一个可交互的图表并保存成 html

下图是一个视角的截图。文章开头是录屏的 gif。

这张图里，最清晰的趋势，就是 z 轴的区分度：产品/业务能力越强职业热度就越高，这也和我在前两篇文章里强调的 know how 很一致。毕竟，代码可以在 AI 辅助下写甚至直接自然语言编程，不懂算法单靠对 AI 的脾性和能力边界的认识也能用好 AI，那最值得普通人重视的，可不就是特定领域的产品业务能力了嘛。

你打算成为怎样的 AI 工程师呢？要不要也去和 AI 聊聊？

---

备注：上述各项预测，我除了提醒对能力定义以及 AI 不同角色之间的衡量标准要一致外，没有做更多干预，但开头聊天给的文章起到的作用非常大。

七月我让 AI 做预测时它给了简单粗暴的式子 热度=数据与算法*0.5+产品与业务*0.3 + 编程与工程化*0.2。考虑到 GPT 的知识只到 2021 年 9 月，有这样的偏差也不奇怪——它也预料不到 2023 年人们使用 AI 的门槛如此之低呀。（下图是我在今年七月百姓AI*得到的逐浪沙龙做分享的一页。）

---

最近我写文章劲头可足啦。关注加星、点赞、点在看，期待一起多交流哦。