芯片设计的话要看哪种芯片，数字电路（例如GPU）的设计已经被AI逐渐攻城落地中（因为数字电路的设计大量依赖于verilog描述性编程语言）。模拟电路随着AI算力的增加和对过往数据和高级工程师经验的学习，初级工程师的很多工作也在逐渐被AI所替代。目前最悲催的是，帮助初级工程师进阶的老师（下蛋的鸡）是极其紧缺的（因为老师们都跑去干更赚钱的项目了，没几个认真教学）。很多知识付费平台觉得获得老师的线上课程，就可以打着就业的旗号获得学员。但有了AI之后，知识本身的获取不再是门槛，难的是结合自身工作要求，如何基于项目式学习的方式，干中学。但这个只有真的有教学和工程实践经验的老师（为了学生随机问题的一滴水准备了一桶水）才能有效赋能。AI虽然可以操作EDA软件设计芯片，但如何及时更换或优化电路结构（确定电路“硬伤”），如何通过初期的仿真结果及时调整设计路径，是需要长期经验积累下的“直觉”（不是猜测）的。否则AI就会像脱缰的野马，浪费了大量token但收效甚微。我们做的事情是增强还是被AI替代主要看使用者的“思维模式”，凡事都想着偷懒和外包，就会沦为花钱换AI产出的消费陷阱（像不像可以换来成绩的提高，但除了底层的记忆认知能力得到重复训练但其他能力一点儿也没提高的高价补课班？因为补课班的老师的专业是应试而不是育人本身）。思考各种可能性，用AI偷懒省出的时间做更有创意和更有意思的事情，才是出奇制胜的关键（虽然无法短时间见效）。P.s.这也给教育一个启示，我们是培养听话的循规蹈矩的只会利用规则获取自身利益最大化的“标准件”，还是引导那些精力过于旺盛，敢于另辟蹊径进行尝试和思考的“捣蛋鬼”呢？矛盾的是，现行的严重滞后就业的应试教育和管理模式仍然鼓励前者，但AI加持下的很多工作的需求又急需后者。因为前者的思考和工作模式即使通过竞争机制（内卷）进行集约型地强化可以一定程度上提高产率，但却非常容易生产出大量同质化的结果（这种产品在消费欲望降低和消费个性化的今天已经难以长期占领市场了），从而被AI所低成本地模仿和替代，成为“嫁衣神功”的二传手。后者才是AI最为重视的“不可确定性”和“破坏性创新”的始作俑者。

请老师不要一直叫程序员码农，这是一个比较贬义的叫法

AI会上屋抽梯导致日后高手断层这是很高明的洞见，深以为然。我也认同AI缺乏真正的创造性，我以为目前是AI吃信息红利的时代，但长此以往，依靠AI的闭环学习训练，人类的信息质量会断崖式下降

感觉有点老生常谈，希望老师能更有点穿透力，大多还是表象。

学习 Python 最大的障碍是安装 Python。总结得真是太精辟了🤙

生态工程学专业，工作需要调用的知识并不属于单独的文理工任何单一范畴，而是综合应用。所以目前AI用得非常好，可以快速让我理解一个场地的自然文化历史背景，优化研究方法、田野方案和最终表达形式，用AI模拟生态安全风险模式和形成最终的工程设计总体方案都非常有效，可以帮我做思考卸载，让我可以更“敢想”。所以我也并不怕被取代，毕竟涉及的知识面太广需要超强判断力，以及一部分对算法模拟结果的验证强烈依赖具身性的在地校正(场地内生态学证据采集与系统分析)和经验分析。而我做出分析的这个脑海里的参照系(可能可以被结构化的部分)本身是一个持续变化的复杂人地系统，十多年学习工作中形成这个复杂参照系统的过程本身就赋予了我提出好问题和好视角的能力。而现在我们专业所面临的困境并不是AI给的，而是社会层面对可持续发展的认知还不够，有了AI工具的加持，我感觉到的是我可以用更适合每个人的方式，接触和粘合更多的相关方。总之，AI算是我的一个好伙伴和好学伴吧。

狠狠共情了哈哈哈！

整个看理想最机械唯物论和功利主义的讲者

年轻人那边也不尽然，还有生命力，创造力，提出问题的能力呢

并非年轻人想往上走就有能力走，也并非上面的老登离开，恭请年轻人入座，年轻人就能坐得住起这个位置；这恰恰是需要思想和原创的产业最难发生的事。

家有毕业生初入社会受益了

太阳底下无新事，没有任何内容是百分百原创，我们总是站在前人肩膀上，绘画和文学已（近）死

对文理科困惑的人，是没有做过实际工作，没有一个工作不需要数学和语文，不要窄化数学，数学思维是人的本能，归纳是人的天性。

德鲁克提出，管理是博雅教育，是很好的观点。

不赖