本文针对数据开发者在AI时代的职业焦虑，提出拥抱AI+大数据路线的建议。文章强调未来数据开发的价值在于理解数据、业务和AI，并利用AI提升效率、解决问题。推荐四项关键行动：学会使用AI Coding工具、了解大模型基础原理、学习AI数据应用、提升业务能力。最终目标是成为懂数据、懂业务、懂AI，并能借助AI创造业务价值的优秀数据开发工程师。

前言

最近，很多做数据开发的同学都在问我：

「AI 时代来了，我是不是应该赶紧转 Agent 开发？」

「现在大模型这么火，数据开发是不是没前途了？」

「以后代码都让 AI 写了，我们是不是要失业了？」

我的建议一直都是：别盲目转Agent开发

对于绝大多数数据开发同学来说，真正的机会不是放弃大数据转行做 Agent，而是成为懂 AI 的数据开发工程师，走 AI + 大数据的路线

因为我相信未来几年，这个方向一定会越来越值钱！

大多数公司已经进入 AI Coding 时代

作为一名一线大厂数据开发同学，我所在的公司已经开始全面推行AI Coding。

甚至有些团队已经提出要求：

90% 以上的代码必须使用 AI Coding 完成。

最近上班的时候，经常能看到一个非常有趣的场景：

1. 打开 Claude code、Codex 或者其他 Coding 插件

2. 跟 AI 描述需求

3. 交互的过程中不断点击确认

4. 等待 AI 思考的过程中全程刷手机…

开发同学做的事情几乎都变成了「代码审核」

甚至很多 SQL、Flink 作业、UDF函数代码，AI 写得比我们快很多。

这就说明：

写代码这件事情，正在逐渐从生产代码变成审核代码。

以后比拼的，不再是你敲代码的速度，而是：

• 能否把需求讲清楚（需求理解）
• 能否判断 AI 写得对不对（代码基础）
• 能否发现隐藏的问题（边界思考）
• 能否设计出正确的系统方案（架构能力）

AI 不会淘汰数据开发，但会淘汰不会用 AI 的数据开发

每一次技术革命来临时，总会伴随着同一个声音：这个岗位要消失了。

• 云计算出现时，有人说运维会消失；
• 低代码兴起时，有人说程序员会消失；
• 大模型爆发后，又有人说开发要消失。

但回过头看，真正消失的从来不是岗位，而是落后的生产方式。

数据开发也是如此。未来几年，人与人之间的差距可能会越来越大。

第一类人：传统数据开发

• 还在坚持「古法编程」，一行一行手写代码；
• 把大量时间花在技术细节和重复开发上；
• 被动接需求，做需求，没有业务视角。

这类工作，越来越容易被 AI 替代。

第二类人：AI 时代的数据开发

• 懂数据，能够理解数据价值；
• 懂业务，能够发现业务问题；
• 懂 AI，知道如何借助 AI 提升效率、解决问题。

未来最有价值的数据开发，不是写代码最快的人，而是：能够定义问题、拆解问题，并利用 AI 解决问题的人。

数据开发应该如何拥抱 AI？

我的建议是四件事情：

第

一、学会使用 AI Coding

• Coding工具的部署；
• Prompt编写；
• 代码自动生成

未来古法编程一定会被淘汰，积极拥抱AI Coding工具，提升开发效率

第

二、了解大模型基础原理

不要求你去训练模型，但至少要知道：

• Transformer/Attention
• RAG/Embedding
• WorkFlow/Agent
• Skill/MCP/Function Calling

第

三、学习 AI 数据应用

重点关注：

• Text2SQL / 智能问数
• 企业知识库 / 智能客服
• 数据分析 Copilot
• 数据质量诊断 / 指标异常分析

第

四、提升自己的业务能力

这一点一直没变过，未来最值钱的人不是最会写代码的人。

而是：

最懂业务，并且能利用 AI 和数据解决业务问题的人。

最后

如果让我给数据开发同学一句建议，我会说：

• 不要焦虑会不会被 AI 替代
• 不要盲目转 Agent
• 更不要觉得过去积累的经验没用了

因为真正的机会，不是抛弃大数据，而是拥抱 AI + 大数据

我理解的未来真正优秀的数开工程师，大概率会变成这样的人：

1. 懂数据，能够构建高质量的数据体系；

2. 懂业务，能够理解业务背后的问题和需求；

3. 懂 AI，知道 AI 能做什么、不能做什么；

4. 能够使用 AI 提升自己的生产效率，将很多的SOP流程自动化；

5. 能够利用 AI + 数据，真正创造业务价值。

最后一点尤其重要！！！

今年最大的感受是：很多大厂的晋升逻辑已经悄悄变了。

不是不看业务价值了，而是：在同样创造业务价值的前提下，谁能借助 AI 创造更大的价值，谁就更容易脱颖而出。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？