是我太敏感了吗？还是确实其他场景落地都不太行

是故意程序员盯着程序员干？还是不小心场景比较合适

是代码辅助真的赚到钱了？还是觉得好讲故事

是真的好用？还是一般般

我很好奇

哈哈哈

没有其他又懂传统行业又懂 AI 的能人出现。
所以华点在复合型人才能在 AI 再创新就业。

不是说因为程序训练的时候更容易验证对错。
能跑起来就对，跑不起来就是错。
所以更精确更容易落地。

我觉得是因为 LLM 正好擅长处理大量文字，所以是只要工作内容可以表达为“文字形式”的工作都受影响吧。
除了程序员，还有翻译、客服、文员之类的工作都挺受影响的。

反而像那种工厂流水线里的工作或者说家务之类的事情，虽然工作内容本身简单重复，却很难表达成“文字形式”能给 LLM 处理，所以反而没被影响。

还有一个场景比代码辅助更早，就是 AI 辅助识别肿瘤，前几年的新闻就有报道。

＃3 你说的没错，我也相信已经有类似产品了。不过和类似 cursor 的影响力没法比，不知道是不是我在这个行业的关系

＃4 是的，那盯着 AI 医疗的程序员，宣发在哪？怎么没啥消息了

医疗等领域合规难度大得多得多，无论是训练数据还是落地。程序员用 AI 辅助编程，可以谁都不用告诉；医生用 AI 辅助医疗，至少要国家卫健委开口子、省级批准、医院同意。

＃7 是的，你说这个我是同意。就是真的现在感觉一点消息都没得，哪怕搞点什么新闻呢

是有的，只不过声量不大（毕竟公众用不了）。比如最近上海瑞金医院和华为发布了一个病理诊断方面的大模型。反正医疗等传统行业对效率要求不高（毕竟国内人力便宜而且吃苦耐劳），大模型提高效率，更多的只是噱头；真的大范围推开的话，大模型犯错的责任划分这方面不好说。决策的领导要考虑，如果大模型闯了祸，是不是要找当初推广大模型的人负领导责任。很早就有段子，说 AI 取代不了会计，因为 AI 没法代替领导坐牢。

对，就像互联网技术一样，需要结合其他领域才能广泛开花结果

想象一下如果机器人可以作为 AI Agent 的话，可以落地的场景就更多了

你也没盯着其他场景看啊

＃12 不管是我自己的问题，这不是来了解其他场景来了吗

＃9 是的，你说的非常对，模型还算辅助，但没法负责。感谢你的这些信息。我是更希望能看到就算还不能看到实际落地，但宣发跟得上，各行各业都能看见进展

目前 AI 在代码辅助上确实提高了生产力, 其他行业我不知道行不行.. 日常使用 AI 的话我是当成百科全书.

＃8 不是什么东西都要搞新闻……

你看不到或者选择不看的新闻不叫没有新闻

因为开源，有大量的 training data ，再加上好验证。程序员为杀死自己添砖加瓦

感觉现在的 AI 编程宣传是之前低代码开发平台的赛道，只关注代码辅助的部分谈不上特别突出。

因为能明显盈利，LLM 的能力能得到发挥的就是这个领域。ChatBot 的盈利能力一般，不是生产力工具。

我认为 AI 能提供的代码辅助功能是个实际可落地的解决方案, 但不是资本期望的解决方案.
资本期望的不是辅助, 是脱离程序员,
只需要老板发号施令, AI 就能写出符合需求的代码, 甚至直接转化为 Money.

各个方面都有
搜索引擎早就是了
之前做过项目 ai 辅助心理疾病判定
英伟达的深度学习超采样，帧生成
汽车辅助驾驶
机器人领域
最近在做的 ai 理解图片内容自动撰写工作总结
还有 ai 理解用户情绪
相册人脸识别，人脸解锁，美颜，这些是计算摄影

ai 只是数理统计 不会发明东西 只会重复

因为你在这个领域啊，其他领域也有不少，前段时间 AIGC 不也轰轰烈烈吗

还有电信诈骗行业，模拟你的声音，模拟你的脸，这些都是 ai 的强项

发明 ai 换脸软件的人真是个天才

最常见的场景是聊天吧？

AI 生成人类语言有两个致命缺陷：

1. 生成的结果可能完全离题（这其实不能怪 AI ，而是大部分人连需求都说不清楚）。
2. 生成的结果可能隐藏错误，需要人工校验（这时很多人会想还不如自己写）。

而编程语言作为自然语言的子集，天然克服了以上两个缺陷：

1. 编程语言语法简单太多，离题的可能性大幅下降。
2. 生成的结果对不对直接运行一下就行，不需要人工看代码校验（真正享受到 AI 的快感）。

因此用户对生成编程语言的 AI 产品的满意度肯定会高于生成自然语言的 AI 产品。

从商业角度，先拿编程语言做抓手是一个非常好的选择，因为用户更容易买单，更容易验证商业路线。

很简单，因为国内全是抄国外的成熟商业经验，不抄根本没人投资，美国的 github copilot 做了，cursor 做了，国内也要做

因为现在这些 AI 本质上还是伪随机数生成器，这些伪随机数到底对不对，在其他场景里没法高效检查，但是编程有编译器帮你检查 AI 吐出来的东西

因为程序员最懂编写代码.

训练 AI 的数据集来源于网络，网络上越专业的领域，越不容易被污染，比如代码、医疗、法律…AI 对这些也就越在行

第一，代码容易验证。人的主观判断无法干扰，你说可以，运行报错😆
第二，代码用到的现实设备很少，一个笔记本就可以验证对不对，能不能行。
第三，目前感觉还是搭积木，只是积木的类型和数量比一般人要多很多。没有新的算法，没有新的编译器，也没有新的编程语言。
第四，可能我们是干这个的，日常注意力也在这个方向。

AI 大致可以分为给内容做分类的和生成内容的，前者像什么人脸识别或者用在汽车上的，已经很成熟了，现在很多所谓赋能 AI 用的也是这类东西，属于蹭热度。生成式 AI 可以生成文本、图片、视频、音乐，其中视频还不成熟，图片已经在广泛应用了，代码也是一种文本，而且天然具有好验证效果的特性，所以好做。但也不存在只盯着程序员薅的情况。

1.程序员最懂业务就是代码。
2.代码开源，互联网上历史累积公开的案例最多。
3.其他行业没有大量、公开的数字资料去学习。

从科研角度来说，文字、图片、视频、声音，是最容易的研究方向了。通俗讲就是这些容易数字化的东西，而编程只是文字的一部分，写作也是文字一部分。所以因为是程序员所以只关注编程，其他领域也有在应用的，自动驾驶、人型机器人、大华、海康监控系统的人的识别等。

AI 不只是大模型、还有小模型，它不是只有 chat 交互形式、AIGC 、还有人型机器人，自动驾驶。

AI 应用场景多了去了。
语音助手类的自然语言处理 nlp ，人脸识别扫码支付，证件照识别和文字识别等 ocr 。
医疗的 CT 读片辅助，营销方面的智能外呼，智能客服。
小汽车的自动驾驶
以上或许根本不需要大模型这么大的代价（硬件资源成本）。大模型只不是 AI 的一种实现方式。
后续随着大模型的铺开，成本的降低，肯定越来越多的行业会尝试使用大模型来解决一些问题的。

大模型用于代码辅助最重要的是，程序员最直接接触的工作是写代码。

最后，我来一个结论：越来越多动脑不动手的工作，都会被 AI 取代或者被大部分替代。

其实你可以在各种 IT 新闻网站搜 “接入 deepseek” 。

自从春节那波 deepseek 大火之后，年后就各种看到各种 APP 和产品接入 deepseek 。有不同的领域，可以去看看这些产品是如何使用 AI 的呗。

相比以前的 ChatGPT 然后其他国内的大模型，在国内来说，这波 deepseek 的声量确实足够大。

我理解写代码应该是《大语言模型》现阶段最适合的场景之一。
而其他领域 AI 的应用，可能要有《大视觉模型》《大听觉模型》《大味觉模型》和《大触觉模型》的全面成熟之后。
也就是世界模型的成熟之后，才能大范围应用。

显然是你只专注这个方向，现在其他领域也是一样的状态。

去年的时候，美工行业已经被 AI 扫荡了一波了。各行各业都有人在尝试做落地，有些行业要跑出来确实比较难的。

＃1
只是因为你是码农 所以你能接收到的落地信息里都是码农用的
而且码农最大的特点就是不爱钱 什么都拿出去跟人分享

目前有一些其他落地的传统行业超级挣钱 只是没人拿出去说 你不知道而已
甚至购进服务的甲方 用爽了 也不跟别人去吹 生怕同行知道

＃22 其实你说的这些是的，我这个问题问的不算是很准确
应该是说在这个代码辅助的赛道我感觉到比其他赛道炒作的猛烈更多

＃37 你说的自动驾驶机器人还有低空飞行都是场景，我感觉有一点是 llm 的 benchmark 有 code 这一条，所以这一条作为指标项被关注和拿出来说的就更多了，这个可能是很重要的一点

＃42 还得是你

围棋职业棋手用 AI 训练自己比代码辅助早多了吧，甚至还有比赛时用 AI 作弊的

llm 是语言模型，跟编程语言天然匹配

软件工程试错成本极低，几乎只有时间，打通了以后生产效率又可以极高

＃13
其实就是不关心而已，例子就在身边
程序员失业，相对客服人员来说，完全不是一个数量级的，客服绝对是 AI 冲击下的重灾区
现在 AI 客服的技术，相对来说，已经进入更高的阶段了

因为 AI 完全搞不定实体业

你们自己最了解自己。

我随便问了点 AI 制造业的技术问题，丫炮嘴跑火车+指鹿为马，一看就是外行。

这就是为啥工业软件（ AutoCAD 、Solidworks ）这种软件中国做不起来，搞程序的不懂制造。搞制造的呢，多数也水平更低。连国外标准文档也看不懂，怎么做？

翻译和英语教学

＃6 诊断肿瘤有 v 友 18 年就在做了，宣发就在 v2 ， www.hesudu.com/t/462641
＃42 和＃48 老哥说的很有道理，AI 提效这个事各行各业都有孕妇效应，从本行业的角度很难看到其他行业提效

＃48 是的，现在电话过来我都直接问是不是真人，不太好识别了已经。AI 客服出现很早了，甚至不需要 LLM 。也许 AI 编程辅助主要是因为 LLM 在实际应用场景中带来的正反馈最明显

＃52 这个其实起步很早了，很多年前就看到过新闻，那时候还没有 LLM 。楼上老哥有的说的很对，这个涉及到人命职责和很多政策机构，并不是那么随便就可以拿出来说的。相对编程辅助其实试错成本低一些

1. 试错成本低，几乎可以无限试错，其他行业没这样的条件

2. 没有法律法规准入限制
3. 训练数据多

4. 程序员成本高，资本家降本的需求强烈，商业前景好

   ＃50 现在工业软件国内这几年虽然也有很大的发展，不过相比国外多年沉淀下来的东西还是差距很大的。而且工业方向相对互联网更保守，数据和技术都是核心机密，并不公开。估计 AI 在工业制造领域发展还是挺难的

   ＃54 可以看下大佬四年后的帖子 www.hesudu.com/t/843341 ，回帖里有其他 v 友反馈推想、深睿和杏脉这些企业的设备已经进入推广阶段，大大减轻了所在医院的医生负担。

   程序员人力成本是最高的，要说被干的最狠的应该是设计 ui 之类的

   因为你是程序员只关注代码辅助，你去看看知乎，头条，公众号，文章都是 AI 写的，抖音也都是 AI 配音，现在没有自媒体的事了，起手一个 prompt 从内容到图到视频配音全是假的

   90 年代的美国银行业已经在使用机器学习去识别支票的签名了。
   AI 落地的地方很多，只不过很多人察觉不到。

   ＃57 谢谢

   多看看新闻，也不会在论坛问出这么无知的问题，“现在 AI 场景落地专门盯着代码辅助干” 这个论点是对的吗？

   其它场景也开始很久了，医疗、教育等等，zf 在招标和企业在推，毕竟补贴落地，肉眼可见的风口。语言模型和编程也匹配，不过实际软件开发更多是工程化的事，写代码只是一切定好之后堆人日的问题。现在 ai 对于工程、架构好像还是不太行吧，毕竟有输入量、上下文的限制。

   因为你逛的是程序员圈子，如果你逛画师圈，你会发现，现在瑟图都有一堆 AI 生成的。
   pixiv 已经充斥大量 AI 画师了，还有在 patreon 上卖图包的。

   因为，喂个人数据，对 AI 进行针对性提问的流程，只有编程方面算是试错进展最快的，也是最容易验证的

   ＃62 很明显，你并没有理解我的真正意图。引出一个话题，在与其他人理性友好讨论的时候，只有你拿出了具有攻击性的文字。AI 现在可以做的，能做的和已经做到的非常多了，但 AI 落地一直是一个难题，并不容易产生良好的 ROI 。通过这个主题的讨论可以看出针对代码辅助这个方向 AI 得优势，也许更能产生一个更良性的商业模式，和商业模式的成功需要具备的一些先决条件。而其他场景不是比较难就是无法形成商业模式，这些才是最值得思考的地方

   ＃64 任何科技的进步第一个被广泛应用的必然是色色，没毛病

   因为编程是大模型做得最好的事情之一（另一个是翻译），在 chatgpt 诞生之前，github copliot 就出现了，同时又是各行各业使用 AI 的基础

   因为有 GitHub ，因为有开源，所以有大量的训练数据，所以能有较好的训练成果，你找找其他哪个行业有这么巨量的开源训练数据？训练数据决定了模型质量