一句话看懂：有AI从业者在社交平台提出，大语言模型（LLM）已让传统机器学习和深度学习开发方式“事实上被杀死”，相关技术栈需求骤减。这一论断虽属激进的个人观察，但确实触及了AI开发范式迁移的敏感点。
事件核心：发生了什么
8月8日，AI技术博主@cherylnatsu 在X平台发帖称，大语言模型已经“事实上杀死了”机器学习和深度学习——如今没人再做线性回归、KNN、决策树、贝叶斯等经典算法，甚至TensorFlow、PyTorch等深度学习框架也很少有人写。该帖子浏览量已达9.6万次，获309次转发。
评论区呈现两种佐证观点：有用户直言“精通机器学习和深度学习，已找不到任何工作”，获得约1.1万次浏览；另有用户表示，写源码本身已无意义，用Codex等AI编程工具可快速生成各类高质量神经网络代码，且AI已完成从论文写作到发表的“一条龙服务”。
为什么重要
这一讨论的实质，是AI开发范式正从“手写算法”转向“基于基础模型的应用组装”。过去从业者需要理解损失函数、梯度下降、卷积核等底层细节；今天，LLM提供了更高级的抽象层——开发者用自然语言描述需求、调用现成API、依赖推理能力完成业务逻辑，传统机器学习的建模环节被极大压缩。
但这并不意味着经典机器学习“死亡”。回归、分类、聚类等方法在生产环境中仍大量存在，只是它们已封装在主流框架、云服务或LLM内部，不再作为独立岗位的核心技能。真正被冲击的，是重复性、模块化的“炼丹”工程岗位；被抬高的，是能定义问题、编排模型、把控数据质量的能力。
对用户/开发者/创作者的影响
对开发者：纯算法岗的竞争正在加剧，尤其论文发表已无法体现差异化——头部985学生研究生阶段即手握2-3篇顶会在投，普通高校学生也有AI辅助产出的会议论文。想入行者，与其钻研从零实现RNN、Transformer，不如掌握LLM API调用、RAG架构、微调策略、提示词工程和AI编程工具链。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业与技术决策者：自研底层模型不再是唯一出路。对多数业务场景，调用开源模型（如Llama系）或闭源API（如GPT系列、Claude）加适配层，性价比远高于自建团队从零训练。算力预算应优先倾斜到推理环节和应用侧优化，而非重复造轮子。
对普通用户与内容创作者：AI生成代码、论文、文案的门槛已低到几乎为零，这意味着内容泛滥速度会进一步加快。判断信息真伪、核查来源的素养，比掌握任何工具都更重要。
值得关注的后续
1. 人才市场信号：下半年招聘网站上“机器学习工程师”“深度学习工程师”岗位数量和薪资是否持续下滑，以及是否出现“LLM应用工程师”这类新岗位定义。
2. 框架生态迁移：TensorFlow、PyTorch的社区活跃度、新版本发布节奏和Tutorial访问量变化，可以量化LLM对传统深度学习生态的实际挤出效应。
3. 论文质量与审查机制：AI批量产出的学术论文正在冲击计算机会议审稿体系，各顶会是否会出台AI代写披露政策，将影响“灌水论文”的生存空间。
来源：@cherylnatsu
