对程序员来说，DeepSeek的爆火加速了什么？

大家好，我卡颂，专注于AI助力程序员转型（阅读我的更多思考）

在DeepSeek之前，国内AI领域最广为人知的产品是Kimi，他的主要增长策略是投流（近一年预计投流花费9亿）。

作为对比，DeepSeek在几乎没有营销投入的前提下，从上线起到2月9日，App下载量已超1.1亿次，周活超9700w。

除了数据层面外，社会层面有些趋势正在悄然形成 —— 各类企业、各级政府都热衷于尝试DeepSeek。

对程序员来说，DeepSeek的爆火加速了什么？本文会从技术与职业层面聊聊。

技术层面

本质来说，AI的作用是提效。

如果按步骤拆解如何完成一件事，会得到一条链。

比如，下图是拆解如何上线一部院线电影：

其中每个步骤又能按同样流程拆解出子步骤，比如审查与许可环节又能做如图拆解：

拆解出的子步骤同样能递归拆解：

当我们对所有步骤都执行递归拆解，会得到一个金字塔结构的流程图。

所谓提效，就是AI替代人工完成金字塔结构中的步骤。

我们可以按AI能完成多少步骤将AI分为三种工作模式：

• Chatbox：与AI对话完成单一步骤提效，这是最常见的人类与AI交互方式
• Workflow：AI为包含多个固定步骤的工作流程提效
• Agent：AI自主决策完成一个步骤后接下来该怎么做，可以为跨金字塔层级的多个步骤提效

DeepSeek（尤其是推理模型R1）的出现对上述流程有什么影响呢？

最直观的，R1的推理能力提高了Chatbox的输出内容逻辑性。

更深层次的，R1作为推理模型，在Agent中主要作为：

• 决策推理：判断下一步能做什么，并决定做什么
• 元提示词：自动生成给大模型使用的提示词

考虑到R1比o1更高的性价比，可以得出结论：

R1会加速各场景Agent的落地

比如，24年初第一款Coding Agent Devin就诞生了，但之后一直没开放试用。

24年底开放试用后，也因为：

1. 每月500刀的高昂订阅费用
2. 处理复杂业务逻辑时仍需大量人工干预

导致一直没能大规模落地。核心是两个原因：

1. 外部原因：底层模型的推理能力、调用成本
2. 内部原因：自身工程化能力还需完善

R1、V3的出现很好的解决了第一个问题。

Agent对标的是各类员工的工作流程（比如Devin对标的就是程序员）。

所以，DeepSeek加速了程序员日常业务编码工作被AI取代。

职业层面

如果说技术层面DeepSeek的爆火加速了程序员与AI对抗，那职业层面带来的更多是增量。

梁文峰参加民营企业座谈会释放了一个信号 —— 之前的各种政策限制（比如大模型生成随机性造成的内容审核风险）会逐渐松绑。

此后，各类公司、各级政府纷纷上马AI（主要是上马DeepSeek）。

这会带来继企业、政府数字化转型后，又一波企业、政府AI转型的职业机会。

在传统软件开发领域，技术的边界、产品的边界是明确的。

明确的边界带来了明确的职业分工 —— 前端、后端、产品、测试、运维......

但大模型领域每年都有新模型、工程化技术涌现，不管是技术还是产品的边界都还未达到。

在招聘网站上，对AI产品负责人的职位描述还未形成业界规范。

大量AI转型需求 + 未形成业界规范 = 转型窗口期

程序员在新AI技术跟进上有天然优势，所以未来2年，从程序员转型AI产品负责人会是个好机会。

我有个朋友华洛，就是从程序员转型AI产品负责人，他有个很形象的比喻：

当被熊追时，你只需要跑得比身边的人快

意即为了转型AI产品负责人，你不需要是行业AI专家，只需要比公司其他同事更懂AI就行。

后记

技术迭代的终点并非取代人类，而是重塑协作模式。

从技术层面看，DeepSeek加速了程序员日常业务被AI取代的进度。

但在职业层面，大量AI转型需求 + 未形成业界规范 = 更大的转型窗口期。

你怎么看？