南京大学本科教育改革举措 - 南京大学苏州校区新增自动化（机器人方向）招生专业，聚焦智能制造、智能机器人与决策控制等前沿方向，构建"创新创业实验班"个性化培养模式 [1] - 苏州校区新成立机器人与自动化学院，打造"入学即接轨产业"的实践平台 [1] - 推出"至诚班"培养模式，由院士领衔，知名学者担任导师，本科阶段强化科教融合，研究生阶段推行"校企双导"产教融合机制 [1] 强基计划与理科人才培养 - 2025年强基计划在数学与应用数学专业新增"智能科学"培养方向，在物理学专业新增"电子科学"培养方向 [2] - 匡亚明学院持续深化大理科班杰出人才培养模式改革，按照理科大类招生，低年级不分专业 [2] - 匡亚明学院学生可以100%自由选择分流方向、学科导师和学业导师、国际交流，100%入选'拔尖计划'，80%以上毕业生进入名校深造 [2] 双学士学位复合型人才培养 - 2025年新增"软件工程+工商管理（软工商业创新班）"和"软件工程+经济学（软工经济创新班）"两个双学士学位项目 [2][3] - 软工商业创新班可申请工学和管理学双学士学位，软工经济创新班可申请工学和经济学双学士学位 [3] - 继续招收计算机金融实验班、德语法学实验班、智能系统集成实验班、大数据传播实验班等四个双学士学位项目 [3]

AI与程序员能力对比 - 核心观点：人类程序员在复杂问题解决和创造性思维方面仍显著优于大语言模型（LLMs），AI当前主要作为辅助工具而非替代品[2][3][10] - Redis之父antirez通过修复HNSW图结构双向连接校验的案例，展示人类能提出LLM无法自主生成的优化方案（如异或累加器检测算法），将2000万向量集的校验时间从90秒优化至可接受范围[5][7][8][10] - 行业专家普遍认为LLM的价值在于充当"智能伙伴"，帮助验证想法和代码审查，但无法替代需求分析、社交协作等软件工程核心环节[13][14] 技术实现细节 - Redis向量集修复方案： - 常规方法时间复杂度达O(N²)，导致2000万向量加载时间翻倍至90秒[5][7] - LLM（Gemini 2.5 PRO）仅能建议排序+二分查找等基础优化，无法突破性解决指针校验问题[7][8] - 人类提出创新方案： - 哈希表存储连接关系（A:B:X格式），利用memcpy替代snprintf提升效率[8] - 128位寄存器异或累加检测，配合murmur-128哈希函数降低碰撞风险至可接受水平[9][14] 行业观点碰撞 - 能力边界争议： - 顶尖程序员（如antirez）的创造性解决方案能力远超LLM，但平庸程序员可能被AI工具缩小差距[15] - 软件工程的社交属性（需求分析、客户沟通）是AI难以替代的核心竞争力[14] - 技术演进预期： - 当前LLM在代码生成文档等标准化任务中表现最佳，但无法预判未来2年技术突破后的格局[13][16] 典型案例参考 - 高性能编程领域人类优势显著：日本工程师的PowerPC汇编代码性能可超越编译器生成代码达数量级差异[15] - AI生成代码现存缺陷：存在生成3000+行无法运行代码的案例，反映逻辑连贯性不足的问题[16]

核心观点 - AI不会取代程序员，而是提升对开发者系统设计能力的要求，优秀者被放大，平庸者被边缘化 [2][4][5] - 代码是负债而非资产，AI加速生成代码的同时，能有效管理这些负债的系统设计者价值更高 [22][23] - 技术变革的规律是"重塑"而非"取代"，历史证明NoCode、云计算等催生了更高薪的新岗位 [10][14][16] 技术变革历史规律 - NoCode运动未消灭开发者，反而催生NoCode专家岗位，薪资高于传统程序员 [10][13][14] - 云计算将系统管理员重塑为DevOps工程师，职责扩展至基础设施即代码，薪资翻倍 [10][15][16] - 海外外包热潮最终演变为精细化分布式协作模式，总体成本不降反升 [17][18] AI对编程的影响机制 - AI代码助手如同木匠的CNC机床，仅工具升级，核心设计能力仍依赖人类 [3][20][26] - 初级开发者依赖AI生成代码但缺乏架构，高级开发者用AI辅助系统设计与业务模型 [7][19][23] - AI擅长局部代码优化但无法判断全局架构，错误设计被快速固化的风险加剧 [23][24] 行业能力需求演变 - 技术迭代推动岗位升维：系统管理员→DevOps、后端开发者→云架构师 [25][26] - 穿越技术周期的核心能力始终是系统设计而非写代码，这是AI尚未突破的领域 [11][26][27] - 技术革新本质是能力升维而非职业灭绝，程序员将进化为更高维度创作者 [21][28][29]