一、前言

目前，资讯、社交、游戏、消费、出行等丰富多彩的互联网应用已经渗透到了人们生活和工作的方方面面，正深刻改变着信息时代。随着用户规模的增长和应用复杂度的上升，服务端面临的技术挑战越来越严峻。在头部互联网企业，服务端开发岗位的职责早已不再局限于简单地围绕数据库编排“增删改查”服务，而要求工程师具备业务分析、架构设计、代码编写、技术攻关、团队协作、系统维护等综合能力。很多时候，服务端的第一行代码尚未写就，工程师便不得不与产品、运营、法务等人员和网络、中间件、操作系统、数据、算法、运维、安全等技术体系打交道。

二、AI 时代，服务端开发面临新挑战

2022 年 11 月 30 日，OpenAI 发布了一款名为 ChatGPT 的聊天机器人程序，旋即引爆网络，在全球范围内引起巨大反响。紧随其后，各种大语言模型如雨后春笋不断出现。国外如 Google 的 Bard、Anthropic 的 Claude，国内如百度文心一言、阿里通义千问、讯飞星火认知大模型、昆仑万维天工大模型等。

相较于之前的模型，以 ChatGPT 为代表的大模型在代码生成、代码解释能力方面有了质的飞跃。一些有条件的人已经开始借助 AI 来编写、优化代码和辅助解决问题。AI 技术极大地缩短了掌握知识的路径，一些原本需要读很多书、看很多专栏才能搞懂的知识点，借助 AI 工具举例可以快速地掌握。一些看似并不复杂的代码，如果你自己去写可能要写半小时， AI 则可能只需一两分钟就能产出，而且质量往往更高。有了 AI 的加持，一些编程经验并不丰富的初级工程师，也可以 “写出” 相对优秀的代码。

时至今日，我们应清醒地认识到，AI 时代必将对人类社会的生产、生活带来深刻的变革。虽然目前大模型还存在很多缺点，如幻觉、推理能力弱等，但其潜力不可小觑。AI 时代，简单、重复的任务被 AI 取代是不可避免的。在不久的将来，AI 完全有望取代一些低水平（比如仅会 CRUD）的程序员。鉴于此，新的时代，我们需要重新审视核心竞争力的内涵，持续学习，不断夯实自身的能力护城河。

在这里插入图片描述

三、服务端开发会被 AI 取代吗？

大型软件系统，本身往往具有较高的复杂度。我们可以简单地将复杂度分为两个维度：业务与技术。高业务复杂度的系统，必须进行科学、有效的需求分析与领域建模，方可在满足当前功能性需求的同时获得可持续演进的应用架构；高技术复杂度的分布式系统，则需要充分考虑诸如高并发、高可用、高性能、数据一致性等非功能性问题，才能在设计权衡中寻求技术架构最优解。很幸运，目前 AI 尚无法应对上述两种复杂度。

此外，大模型虽然具备生成代码、解释代码甚至优化代码的能力，但是还多停留在 “函数/方法” 维度，不能很好地生成类维度、模块维度、项目维度的代码。同时，生成的代码仍然需要人工审阅、优化、部署、验证。对于复杂的任务，还需要人工拆解为大模型能够 “理解” 的粒度。

再者，即便不考虑数据安全、自研模型成本等因素，单就服务端研发流程来看。编码只是整个软件生命周期的一环，软件开发还包括需求分析、抽象建模、系统设计、数据设计、非功能性设计、测试、运维等环节。很多时候，编写代码作为解决问题的最终技术手段，并不困难，而困难在于对问题的识别、理解、定义和抽象，这些都依赖人工反复推演。当一个问题被明确并拆解到软件项目维度的时候，面对确定的任务、清晰的目标、合理的架构，可以解决问题的人就非常多了，AI 自然也才有用武之地。

在这里插入图片描述

四、知识体系化，构建核心竞争力

对于服务端开发岗位而言，掌握一门主流的编程语言、熟悉常用的中间件和数据库是基础而重要的，但是还远远谈不上核心竞争力。只有当知识形成体系时，才可以称之为真正的核心竞争力。

那么，服务端开发的知识体系包含哪些内容呢？从服务端开发的流程来看，涵盖需求分析、抽象建模、系统设计、数据设计和非功能性设计等环节，我们需要掌握相关技术和方法。从互联网行业服务端开发的难点来看，针对高并发、高可用、高性能、缓存、幂等、数据一致性等问题，我们需要掌握相应地解决方案。

知识体系如此庞大，如何高效地学习呢？想象一下，为什么你对家所在的小区周边特别了解，随便把你放在一个角落，你都能慢慢摸索出来？究其原因，是因为你脑海中已经形成了小区周边的整体大图，并对关键节点了然于胸。如果把你放到陌生的小区，你可能就懵了，关键节点、整体大图都没有，胡乱摸索，即便你把摸索路上所见到的每一个下水道井盖的情况都搞清楚了，也没什么意义，过几条街你就忘了。

回到上面抛出的问题，高效学习、知识体系化的关键在于：构建宏观层面的整体大图，并深入理解关键知识点。这些关键点就是这个领域的骨架、支点。缺少骨架和支点自然难以体系化，缺了宏观大图则容易误入歧途。