以往，很多程序员调侃自己为“码农”。

而8月16日人社部的一份报告，则等于“官宣”了——码农属于新生代农民工。

“农民工”这个称谓并不陌生，泛指户籍在农村的进城务工群体。

“新生代农民工”这个概念，是2010年中央一号文件正式提出。

后来，全国总工会将“新生代农民工”界定为——出生于20世纪80年代以后，年龄在16岁以上，在异地以非农就业为主的农业户籍人口。

这个描述让互联网从业者发现了亮点，自动代入“新生代农民工”。 准确的说，“从事信息传输、软件和信息技术服务业的从业者”不一定就是“码农”，标准的“码农”前提要有“农村户籍”。

因此，农村户籍的码农＝新生代农民工，实锤了！

中年码农的困境

知乎上有人在问，程序员未来会成为非常内卷的职业么？

其浏览量超过了五百多万。

码农作为一个职业，给大众的感官是两方面的。一方面工作稳定、收入高；另一方面，又和996、007等高强度工作联系在一起。

此外，操劳过度过劳死，秃头等等也就成为了码农的一代标志。

之前某大厂淘汰了大量年纪大的老员工，事实上也发生了。

码农的整体表现形式是工作越来越辛苦，挣钱收益逐渐降低，到35岁会还会有失业的大风险。

硅谷码农，正在逃离美国...

逃离北上广并不是中国特色；在美国，人们正在逃离“纽硅西”。

纽硅西，指的是纽约、硅谷和西雅图，而逃离的目的地，则是周边人口更为稀少的3456线城市。

说这话的，是美国最大线上房地产交易平台Redfin的CEO Glenn Kelman，在、财报电话会议上，他不免提一下当前的住房趋势。

逃离硅谷的目的地，更多的是有美国大农村属性的其他城市，你可以理解为，几万块就能买一套房的鹤岗。

码农迫切渴望从“无休止”的工作之中逃离出来，真正的体验下生活。

如何破解码农内卷化？

若仔细分析，所谓码农内卷化 ≈ 码农35岁退休问题。

卡尔 · 马克思说过：一切社会问题本质都是经济问题。

首先，码农的收入模型和公务员、医生等传统行业是不同的。传统行业工作相对稳定，一般能做到法定退休年龄。然而码农的收入是典型的出道即巅峰。若想拿到SP Offer，100W、200W上不封顶的，那么码农就得先学会从敲代码里解放自己。

第二点，内卷化也好，熵增也罢，都是事物发展的规律。任何行业，任何职业，瓶颈永远无法绕过。作为码农，即使从P5干到P11，也有尽头。再怎么拼也拼不过时间，因此，如何优化效率减少无用功，进而用时间去提升自己才是消除内卷化的重点。

而且，科技不断发展的目的不就是解放人类双手，提升效率么？

天云数据的AI PaaS平台可以自己写代码，从代码层面解放码农，优化效率、减少无用功。

软件定义世界，数据驱动未来

2019年，谷歌大脑就在论文上提出：让神经网络来代替程序员源代码编辑的工作。

为了能够达到这个目的，谷歌的研究人员收集了上千个开发者的源代码，并用这些源代码构建了一个大型的编辑序列数据集，由此模拟出了一个模型，从而实现让AI写代码。

这样，程序员们可以摆脱那些重复的工作，从而大大的提升工作效率，并且也能在一定程度上防止“996工作制”。

同年世纪人工智能大会，特斯拉创始人兼首席执行官埃隆-马斯克（Elon Musk）在提及AI的发展时表示：人类最后的工作是写软件，之后AI就可以自己写软件。

亚马逊贝索斯在致股东信里也表达了：用软件架构造就商业模式的底层。

天云数据的AI PaaS平台之所以称之为救“猿”平台，是因为它可以实现AI产业化落地，其核心价值体现用一个判别式来形容即Y=f(x)。

以反欺诈风险评估为例：

常规金融机构做反欺诈风险评估需要靠人力进行，通过输入数据、编写程序，得到最终结果。做一个用户的反欺诈风险评估就需要导入一个用户的数据、编写程序，得到最终结果。如果需要同时做10000个或者100000个用户的反欺诈风险评估，就需要有大量的专业的人员来做这件事。不仅员工成本高，而且超过一定人数，因为组织消耗人员投入与产出不再是正相关。

通过判别式Y=f(x)，我们输入大量消费者的行为数据(x)与资金交易的结果数据y，通过天云数据库和AI PaaS平台的加工，得到的是反欺诈风险评估的模型f。员工只需要通过托、拉、拽的方式即可完成用户反欺诈风险评估。一个人轻轻松松完成100百个人的工作量，速度还大大的提升了。

而且，这个映射关系 f 可以复制扩张，由1个f变成100个f甚至10000个f的智能应用。在同类的行为数据与结果数据中，F可以作为新的生产要素，进而推动信息产业变革。

判别式Y=f(x)的实际应用

在某大型股份制商业银行项目实践中，普通员工就可写上千个数据流程知识包，释放捆绑在代码上机械脑力劳动的智力工作者。

18年年底，天云数据以‘模型产出效率高’、‘模型更健康’成功中标某大型石油公司总部AI认知平台项目，PK掉IBM和微软。

某大型石油公司曾用IBM Watson团队做AI认知平台项目，通过自有专家，花费了2年的时间内在广东湛江油田做了2个应用模型。

2018年天云数据进入，通过天云数据的AI PaaS平台解决问题的模式2个月构建12个石油应用模型，包含测井曲线模型、油井画像、石油勘探模型、动液面预测模型、石油管线泄漏模型等。不仅平台产品大大提高了模型生产的效率，同时，便于石油总部在各个油田统筹和应用，批量化地解决石油勘探、开发、运输等一系列生产问题。

天云数据AI平台，可谓是真正的救“猿”平台。真正的破解码农内卷化，解放JAVA/SQL工程师的双手，将时间留给更有价值的事。