說實話，我怕，現在也怕，但我還是All in AI編程
整理版優先睇
AI編程仲有得做？作者用自身經歷話你知：分階段睇，唔好同AI鬥，要同普通人鬥。
呢篇文章係由知問寫嘅，佢係一個87年嘅中年人，喺新疆做輸電線路設計高級工程師，仲係國家註冊電氣工程師。佢決定all in AI編程，雖然佢都驚被AI取代，但佢覺得唔可以因為驚就唔去試。佢想探討嘅核心問題係：當AI無限發達，用AI編程賺差價仲行得通嗎？佢嘅結論係要分階段睇，而家呢個階段仲可以靠信息差賺錢，但未來就要建立垂直領域嘅壁壘同信任關係。
作者將AI發展分咗四個階段：而家到2027年，AI要靠人定義需求，快進快出係關鍵；2027到2030年，AI開始挖掘需求，機會集中喺垂直行業；2030到2035年，AI自主交付，人類變審批者，壁壘係信任同品牌；2035年之後，AI完全自主，人類只係表達意圖。佢亦都反思咗幾個問題，例如複雜度唔會消失只係轉移、AI理解唔到真實嘅你、人類對人類創造嘅需求唔會消失、創新可能只係重組。最後佢畀咗階段性建議：頭半年學識用AI編程，之後半年建立AI+領域組合，長期培養提問能力。
- AI編程短期可行，但長期要靠垂直領域經驗同信任建立壁壘。
- 0-6個月專注學識用AI編程，目標係比普通人更叻用AI。
- 6-12個月選擇一個有深度嘅垂直領域，結合同自己背景，成為領域入面最識用AI嘅人。
- 12個月之後培養提出好問題嘅能力，因為AI可以解決執行，但方向要人決定。
- 最終壁壘係人類嘅連接、信任同創造力，呢啲嘢AI取代唔到。
一個中年工程師嘅抉擇
知問係一個87年嘅中年人，喺新疆做輸電線路設計，高級工程師，仲有國家註冊電氣工程師資格。佢養緊兩個女，供緊樓，但佢決定All in AI編程出海賽道。身邊好多人唔明，問佢唔怕被AI一波拍死咩？
佢話佢怕，而家都仲怕，但佢覺得唔可以因為驚就唔去試。
佢用一個比喻：唔可以因為睇完風景要返屋企就唔去登山。佢認為重點係每個階段嘅核心能力係乜，同埋過程中嘅成長。
AI發展嘅四個階段
作者認為問題嘅本質係：人仲有冇機會做嘢，取決於AI做唔做到。AI做到，人就要讓路；AI做唔到，人就可以暫時留低。所以答案唔係簡單嘅「會」或「唔會」，而係要分階段。
- 1 而家到2027年：AI需要人類定義需求，門檻降低但產品思維更重要。行動心法係「快進快出，別戀戰」，用信息差賺錢。
- 2 2027到2030年：AI開始挖掘需求，但人類要確認方向。簡單工具需求消失，機會集中喺醫療AI、法律AI等垂直領域，需要領域專家深度參與。
- 3 2030到2035年：AI自主判斷用戶需要乜，自動生成方案並執行，人類變審批者。壁壘係用戶連接、信任、品牌、社區、生態。
- 4 2035年之後：用戶只需表達意圖，甚至腦機接口捕捉意念，AI完全自主。人類退出日常交互，AI Agent對接AI Agent。
作者強調，而家呢個階段，絕大多數人都冇能力令AI寫出可執行嘅code，所以你只要比普通人叻少少，就能賺到信息差嘅錢。
作者思考嘅幾個核心問題
作者仲探討咗幾個值得深思嘅問題，幫助讀者理解AI編程嘅長遠價值。
- 問題複雜度係相對嘅，AI能無限攻克嗎？對個人嚟講，AI屏蔽複雜度，但對社會系統，複雜度只係轉移咗，例如分佈式、湧現性依然存在。
- 把需求告訴AI，會係編程者嘅壁壘嗎？AI理解嘅係數據中嘅你，而唔係真實嘅你。你嘅偏好背後嘅情感驅動、情境改變，需要人來理解人。
- 信任問題會隨AI能力轉變嗎？責任嘅本質係「誰更可靠」，如果AI更可靠，人負責就係不負責任。但深層信任例如手作價值，仍然存在。
- 創新會喺硅基生命中發生嗎？人類創造力有兩種：元素重組同突破範式。AI已經做到重組，但突破範式嘅湧現，未來AI可能做到，但人類對人類創造嘅需求唔會消失。
作者認為唔使太糾結AI能否真正創造，因為人類對人類創造嘅需求本身就係壁壘。
俾AI編程從業者嘅建議
如果你都選擇咗AI編程賽道，可以參考作者規劃嘅階段任務。
- 1 0-6個月：學識用AI編程。唔好追求「AI做唔到嘅嘢」，而係追求「比別人更會用AI」，就好似槍發明咗，你要比對手先攞起槍。
- 2 6-12個月：建立「AI+某領域」嘅能力組合。選擇一個有深度嘅垂直領域，最好結合同自己嘅行業背景，成為呢個領域最識用AI嘅人。
- 3 12個月以上：培養「提出好問題」嘅能力。AI終將取代一切生產力，但人類嘅價值在於保存變化嘅能力，包括肉體同思想。
作者總結：唔好試圖比AI強，比普通人強就夠。學會向AI表達需求，判斷AI嘅產出，再變成商業價值。
寫在最後
作者由山東農村來到新疆，從職場小白做到高級工程師，內向自卑變成真誠分享。佢選擇AI編程，唔單止因為係風口，而係睇到一個真相：人類拼到最後，可能淨係剩低經歷同情緒，而入面係連接同信任。呢個先係唯一唔會被AI取代嘅壁壘。
佢強調呢條路行得好慢，但佢從未停歇，為咗賺錢，更為咗自由與責任。
2026年4月，我做咗一個艱難嘅決定：用一年時間深耕AI編程產品出海呢條賽道。
身邊有人唔理解，追問我：你一個87年出世嘅中年，做高壓輸電線路設計高級工程師，仲係國家註冊電氣工程師，養緊兩個女，供緊樓，而家搞AI編程，唔驚俾AI一次過拍死咩？
講真，我好驚，而家都仲係好驚。
就好似提示詞俾DeepSeek端咗，RPA同n8n俾AI agent搞到收咗皮，話唔埋AI編程幾時就會俾AI技術直接碾平。
但我想講嘅係，我哋唔可以因為睇完風景都要返屋企就唔去登山望遠，唔可以因為始終都要死就直接攤喺牀。
其實，何止AI編程，當AI繼續發展，又有啲咩係可以留低嘅呢？重要嘅係咩時間、每個階段嘅核心能力係啲咩？以及我哋喺呢個過程中嘅成長。
今日我就將呢方面嘅諗法分享出嚟，大家一齊傾嚇，話唔定有唔同嘅結論。
02 呢個問題嘅本質
當AI無限發達，用AI編程賺差價仲行得通嗎？呢個問題好複雜，但歸根究底，其實就係：
人仲有冇機會做嘢，係由AI做唔做到決定。AI做到，人就要走人；AI做唔到，人就可以暫時留低。
咁AI編程呢條賽道，將來會唔會被AI取代呢？
答案唔係「會」或者「唔會」，而係要——分階段。
03 AI發展嘅4個階段
1）而家去到2027年，係我哋而家所處嘅階段。
AI能夠執行多步驟任務，但仲要我哋去定義需求。
AI曉寫code、曉debug、曉解釋，但你要話畀佢知你想要啲咩。編程門檻低咗，產品思維嘅能力反而更加重要。
呢個時候，有獨家數據、提示詞寫得好、做到簡單AI應用就係壁壘。行動心法七個字：快入快出，唔好戀戰。
呢個階段，用AI編程賺差價完全行得通。
因為我發現，絕大多數人冇能力令AI寫到行得嘅code。你只要比普通人多少少識用AI，就可以賺到資訊差嘅錢。
2）2027年至2030年
呢個時候AI可以挖掘需求，但仲要人類確認方向。你同AI喺平時嘅對話、協作中，磨合得越來越多越好，AI就可以理解你嘅習慣偏好，進而幫你挖掘需求，但最終都係要你拍板。
到時簡單工具嘅需求消失，機會集中喺行業垂直工具領域。
例如醫療AI、法律AI、金融AI——呢啲唔係外行人用AI整個表面UI就可以取代，需要領域專家深度參與，軟件唔值錢，賣嘅係行業經驗同解決方案。
揀一個有深度嘅垂直領域紮落去就有大機會，唔使等到2027年，而家就可以開搞。
3）2030年至2035年
嗰陣時需求、生成、交付都唔再係問題，AI可以自主判斷「用戶真正需要啲咩」，自動生成解決方案並執行，人類由「指揮者」變咗做「審批者」。
呢個時候有啲咩產品仲有壁壘？用戶連接、信任、品牌、社區、生態，仲有AI驅動嘅服務平台。呢個階段AI寫code、部署、營運都輕鬆搞掂，但需要信任嘅服務仍然離唔開人。
用戶天生更加願意相信「另一個人」，而唔係某個冰冷嘅「系統」。
4) 2035年之後
呢個時候用戶只需要表達意圖，甚至只需要起心動念，AI就可以透過腦機接口捕捉到，然後就將一切搞掂。需求→產品→營運→迭代，AI完全自主。人類可能退出日常互動，AI Agent對接AI Agent。
呢個時候「編程」消失咗，變咗做「意圖表達」。
04 我諗過嘅幾個問題
問題1：問題複雜度係相對嘅，AI可以無限攻克嗎？
AI能力越強，複雜問題就相對越來越簡單，啱唔啱？
啱，又唔啱。
對個人嚟講，AI屏蔽咗複雜度，的確越來越簡單。但對社會呢個系統，複雜度反而喺度轉移！
以前係用戶面對複雜系統，將來係由AI面對。但複雜性嘅本質，例如分佈式、湧現性，冇消失，只係換咗個地方存在。
問題2：將需求話畀AI知，會唔會係編程者嘅壁壘？
將來如果AI能夠同用戶協作中越嚟越瞭解用戶嘅需求、習慣甚至潛意識，咁就可以輕鬆挖掘用戶需求，然後快速編程實現，仲要人指揮AI編程做咩？
呢度有個根本問題——AI理解嘅係「數據中嘅你」，定係「真實嘅你」？
AI可以透過行為數據推斷偏好，但佢能夠理解呢啲嗎？
你點解會有呢個偏好 呢個偏好背後嘅情感驅動係啲咩 你喺咩情境下會改變偏好
呢啲，都需要「人」去理解「人」。
問題3：信任問題會隨住AI能力轉變嗎？
如果自動駕駛做到意外率接近零，法律仲會死板地要人嚟負責嗎？為咗提高安全性，肯定係全權交俾AI駕駛。
責任嘅本質係「邊個更可靠」，唔係「邊個負責」。如果AI更可靠，要人負責就係「不負責任」。
但深層信任呢？
即使機械可以生產藝術品，市場仍然有更高價嘅「手作」。
即使AI曉畫畫，畫到栩栩如生，人類仍然會為「人類創作嘅畫」畀錢——因為稀缺性、因為認同感。
人類對「人類創造」嘅需求，唔會消失。
問題4：創新會喺硅基生命中發生嗎？
呢個係我諗得最多嘅一個問題。
人類創造力嘅本質係啲咩？
我覺得有兩種情況，一個係已有元素嘅組合，另一個係突破現有範式。
前一個AI已經做到。但突破現有範式、創造新範式，將來AI做唔做到呢？
AI嘅「創造」係喺已有數據分佈內嘅「重組」，定係可以真正產生「湧現」？
即使今日嘅AI能力，都係我哋三年前完全唔敢想像嘅，將來AI會唔會「湧現」出新嘅範式，邊個又講得準呢？
不過都唔使太糾結呢個問題，因為無論AI做唔做到「真正創造」，人類對「人類創造」嘅需求都唔會消失。
05 俾AI編程賽道從業者嘅建議
如果你都揀咗AI編程呢條賽道，可以規劃一下跟住落嚟嘅階段任務。
0至6個月，學識用AI編程。
但係唔好追求「AI做唔到嘅嘢」，因為呢啲嘢會越來越少。而係追求「比人哋更識用AI」。就好似槍發明出嚟，我哋唔使去同槍搏命，而係比對手先拎起支槍。
6至12個月，建立「AI+某領域」嘅能力組合。
揀一個有深度嘅垂直領域，最好就係結合自己嘅行業背景、經驗，成為呢個領域裏面「最識用AI嘅人」。
12個月以上，培養「提出好問題」嘅能力。
AI終將取代一切生產力。
從呢個角度睇，討論AI會唔會取代人類，似乎係陷入咗一種錯誤嘅先入為主，我哋一開始就假設人係應該做嘢嘅，但實際上未必係咁。
我哋作為碳基文明嘅代表，基因會突變，意識會跳躍，而硅基生命永遠準確無誤，亦都永遠死板。或者呢個先係人類真正嘅價值所在，就係保存變化嘅能力，無論肉體定思想上都是咁。
人類拼到最後，或者只剩低經歷同情緒，而呢啲裏面，係連接同信任。
呢個係唯一唔會被AI取代嘅壁壘。
06 寫喺最後
我，由山東農村嚟到新疆，喺度工作同生活，由職場小白做到高級工程師，由內向自卑變到真誠分享。
行過冤枉路，亦錯過好多機會。
但今次，我揀咗AI編程，唔單止因為係風口，而係睇到一個真相：
唔好試圖比AI強，比普通人強就夠，學識
向AI表達需求，判斷AI嘅產出，將AI產出變成商業價值。
呢條路行得好慢，但我從未停過。
為咗揾錢，更加為咗自由同責任。
AI編程你有咩困惑？留言區傾嚇。
2026 年 4 月，我做了一個艱難的決定：用一年深耕 AI 編程產品出海這個賽道。
身邊有人不理解，知問，你一個 87 年的中年人，輸電線路設計高級工程師，還是國家註冊電氣工程師，養着兩個閨女，還着房貸，現在搞 AI 編程，不怕被 AI 一波拍死嗎？
說實話，我怕，現在也怕。
就像提示詞被deepseek端了，RPA、n8n被智能體agent給搞沉默了，保不齊AI編程什麼時候就被AI技術給直接碾平。
但我想說的是，我們不能因為看完風景還要回家就不去登山望遠，不能因為終究要死就直接躺在牀上。
其實，何止AI編程，當AI繼續發展，什麼又是能留下的呢？重要的是什麼時間、每個階段的核心能力是什麼？以及，我們在這個過程中的成長。
今天我就把這方面的思考分享出來，大家一起聊聊，說不定有不一樣的結論。
02 這個問題的本質
當 AI 無限發達，用 AI 編程賺差價還行得通嗎？這個問題很複雜，但是歸根到底，其實就是：
人還有沒有機會幹活兒，是由 AI 能不能幹決定的。AI 能幹，人就得滾蛋；AI 不能幹，人就可以暫時留下。
那 AI 編程賽道，未來會不會被 AI 取代呢？
答案不是"會"或"不會"，而是要——分階段。
03 AI 發展的4個階段
1）現在--2027 年，是我們現在所處的階段。
AI 能執行多步驟任務，但還要我們來定義需求。
AI 能寫代碼、能調試、能解釋，但是你得告訴它你想要什麼。編程的門檻降低了，產品思維的能力反而更高了。
這時候，有獨家數據、提示詞寫得好、能做簡單 AI 應用就是壁壘。行動心法7個字：快進快出，別戀戰。
這個階段，用 AI 編程賺差價完全行得通。
因為我發現，絕大多數人沒有能力讓 AI 寫出能跑代碼。你只要比普通人稍微會用一點兒 AI，就能賺到信息差的錢。
2）2027 年--2030 年
此時AI 能挖掘需求了，但還需要人類確認方向。你和AI 在平時的對話、協作中，磨合得越來越多越來越好，AI就能理解你的習慣偏好，進而幫你挖掘需求，但最終還得你拍板。
那時簡單工具需求消失，機會聚集到行業垂直工具領域。
比如醫療 AI、法律 AI、金融 AI——這些不是外行用 AI 做個表面UI就能取代的，需要領域專家深度參與，軟件不值錢，賣的是行業經驗和解決方案。
選個有深度的垂直領域扎進去就有大機會，不用等到2027年，現在就可以開搞。
3）2030 年--2035 年
那時候需求、生成、交付都不再是問題，AI 能自主判斷"用戶真正需要什麼"，自動生成解決方案並執行，人類從"指揮者"變成了"審批者"。
這時候什麼產品還有壁壘呢？用戶連接、信任、品牌、社區、生態，還有 AI 驅動的服務平台。這個階段 AI 寫代碼、部署、運營都輕鬆拿捏，但需要信任的服務仍然離不開人。
用戶天然更願意相信"另一個人"，而不是某個冰冷的"系統"。
4) 2035 年以後
這時候用戶只需表達意圖，甚至只需要起心動念，ai就能通過腦機接口捕捉到，然後就把一切搞定了。需求→產品→運營→迭代，AI 完全自主。人類可能退出日常交互，AI Agent 對接 AI Agent。
這時候"編程"消失了，變成了"意圖表達"。
04 我琢磨過的幾個問題
問題 1：問題複雜度是相對的，AI 能無限攻克嗎？
AI能力越強，複雜問題就相對越來越簡單，對嗎？
對，也不對。
對個人，AI 屏蔽了複雜度，確實越來越簡單。但對社會這個系統，複雜度卻在轉移！
以前是用戶面對複雜系統，未來是由 AI 面對。但複雜性的本質，比如分佈式、湧現性，沒有消失，只是換了個地方存在。
問題 2：把需求告訴 AI，會是編程者的壁壘嗎？
未來 如果AI 能跟用戶協作中越來越瞭解用戶的需求、習慣甚至潛意識，那就能輕鬆挖掘用戶需求，然後快速編程實現，還要人指揮ai編程幹嘛？
這裏有個根本問題——AI 理解的是"數據中的你"，還是"真實的你"？
AI 能通過行為數據推斷偏好，但它能理解這些嗎？
你為什麼會有這個偏好 這個偏好背後的情感驅動是什麼 你在什麼情境下會改變偏好
這些，都需要"人"來理解"人"。
問題 3：信任問題會隨着 AI 能力轉變嗎？
如果自動駕駛做到事故率接近於 0，法律還會死板地讓人來擔責嗎？為了提高安全性，肯定是全權交給 AI 駕駛。
責任的本質是"誰更可靠"，不是"誰負責"。如果AI 更可靠，讓人負責就是"不負責"。
但深層信任呢？
即使機器能生產藝術品，市場仍然有更高價的"手作"。
即使 AI 能畫畫，惟妙惟肖，人類仍然會為"人類創作的畫"付費——因為稀缺性、因為認同感。
人類對"人類創造"的需求，不會消失。
問題 4：創新會在硅基生命中發生嗎？
這是我思考最多的一個問題。
人類創造力的本質是什麼？
我覺得有兩種情況，一個是已有元素的組合，另一個是突破現有範式。
前者AI 已經能做到了。但突破現有範式、創造新範式，未來AI 能不能做到呢？
AI 的"創造"是在已有數據分佈內的"重組"，還是能真正產生"湧現"？
即使今天的AI能力，也是我們三年前完全不敢想的，未來AI能不能"湧現"出新的範式，誰又能說得準呢？
不過也不用太糾結這個問題，因為不管AI 能不能"真正創造"，人類對"人類創造"的需求不會消失。
05 給 AI 編程賽道從業者的建議
如果你也選擇了 AI 編程賽道，可以規劃一下接下來的階段任務。
0-6 個月，學會用AI編程。
但是別追求"AI 不能做的事情"，因為那會越來越小。而是追求"比別人更會用 AI "。就像槍發明出來，我們不用去跟槍拼命，而是比對手先拿起槍。
6-12 個月，建立"AI+ 某領域"的能力組合。
選一個有深度的垂直領域，最好就是結合自己的行業背景、經驗，成為這個領域裏"最會用 AI 的人"。
12 個月+，培養"提出好問題"的能力。
AI終將取代一切生產力。
從這個角度上看，討論AI能不能取代人類，似乎是陷入了一種錯誤的先入為主，我們一開始就架設人是應該幹活兒的，但實際上未必如此。
我們作為碳基文明的代表，基因會突變，意識會跳躍，而硅基生命永遠準確無誤，也永遠死板。也許這才是我們人類真正的價值所在，就是保存變化的能力，在肉體和思想上都是如此。
人類拼到最後，也許只剩下經歷和情緒，而這裏邊，是連接和信任。
這是唯一不會被 AI 取代的壁壘。
06 寫在最後
我，從山東農村來到新疆，在這裏工作和生活，從職場小白到高級工程師，從內向自卑到真誠分享。
走過彎路，也錯過很多機會。
但這次，我選擇 AI 編程，不僅僅因為它是風口，而是看到一個真相：
不要試圖比 AI 強，比普通人強就夠了，學會
向 AI 表達需求，判斷 AI 的產出，把 AI 產出變成商業價值。
這條路走得很慢，但我從未停歇。
為了賺錢，更為了自由與責任。
AI 編程你有什麼困惑？評論區聊聊。