🔥🚀 Eric Schmidt 説：10 個谷歌工程師半年工作，被 AI 壓縮到 “一夜”？關鍵不在代碼，而在 “誰會出題”

很多人還在爭論 AI 會不會取代程序員，但我越來越覺得，這個問題本身就問錯了。

真正發生變化的不是 “誰來寫代碼”，而是——誰來定義問題。

Eric Schmidt 提到的那個真實案例，其實已經把未來的軟件開發模式講得非常清楚。

一個程序員的工作，不再是埋頭寫代碼，而是每天晚上做三件事：

寫清楚需求規範

寫好評估函數

點擊運行

然後離開電腦，去生活。

系統在夜裏自動生成、測試、迭代。

第二天醒來，不是繼續寫代碼，而是——查看 AI 一夜之間創造了什麼。

這種工作方式，本質已經不是 “開發”，而更像：

👉 設計規則

👉 設定目標

👉 觀察系統演化

這就是為什麼，我認為很多人嚴重低估了一點：

AI 不是削弱頂級程序員，而是在放大他們。

以前的差距在哪裏？

👉 誰寫得快、誰調試能力強

但未來的差距會徹底改變：

👉 誰能把問題描述得更精確

👉 誰能設計更好的評估體系

👉 誰能判斷結果是否 “正確”

寫代碼，正在從 “核心能力” 變成 “中間環節”。

真正的槓桿轉移到了：

👉 問題定義能力

👉 抽象能力

👉 判斷能力

這也是為什麼，同樣用 AI 工具，有人只是 “提高效率”，有人卻在 “重構生產力”。

差別不在工具，而在使用方式。

當算力充足、模型足夠強時：

機器負責生成無數解法

人類只負責——設定標準、篩選答案

這聽起來很簡單，但其實門檻更高了。

因為你必須先知道：

👉 什麼是 “好結果”？

👉 什麼是 “錯誤但看起來很合理的結果”？

如果你説不清楚，AI 就會給你一堆看似正確的垃圾。

這也是我最近越來越清晰的一個判斷：

未來最稀缺的能力，不是寫代碼，而是定義問題的能力。

程序員不會消失，但會分化：

一類人繼續寫代碼，被工具不斷壓縮價值

另一類人變成 “問題設計者”，掌控整個系統的產出

同樣用 AI，最後的差距可能是 10 倍、甚至 100 倍。

這件事真正值得思考的不是技術，而是角色的變化。

當 “執行” 不再稀缺，

“定義” 和 “判斷” 才是核心。

如果讓你選，你更想成為哪一類人？

👉 是寫代碼的人，還是設計問題的人？