某位大佬曾说：“人工智能是那些永远实现不了的技术，一旦能实现，我们就会叫它算法。”
这句话我一直记得，尤其是在2025年这个AI主宰一切的年份。
在这个年代，所有问题的答案似乎只有一个：AI。
过去人们信仰搜索、推荐、AB实验，现在信仰AI。什么都先问一句：“这能不能用AI解决？”仿佛只要“接入大模型”，就能通关所有关卡。这当然是一种集体幻觉，但魔力确实还在持续。
面试不再需要算法题了？
一个有趣的信号：技术面试里越来越少人关心你会不会快排、二叉树。不是因为这些知识不重要，而是因为——AI可以做得更好，更快，更便宜。
传统的算法题，是在模拟“人脑如何思考”的过程。而今天，我们有了不需要人脑的解决方案。你只需要描述问题，AI就能给出答案，甚至解释过程。这不就是“终极面试外挂”吗？
对于输入确定、目标清晰的问题，AI几乎可以做到完美执行。
所以不是算法不重要了，而是“你写算法”这件事变得不重要了。我们正处在一个“可维护的自动程序员”时代。
热点在AI的“增量”，机会在AI的“重做”
今天的技术圈，人人都在追逐“AI增量”：
- 给 Notion 插个 Copilot；
- 给邮件写个总结机器人；
- 给客服加个聊天助手；
- 给开发流程套一层 GPT 代码生成。
这些很好，但也是显而易见的路径。真正被忽略的是另外一件事：
那些已经实现过、看似“没什么问题”的系统，其实值得用AI重做一遍，至少重试一遍。
比如：
- 原本用规则和特征工程写的推荐系统，现在能不能直接用embedding+LLM去个性化？
- 原本用传统搜索+排序写的站内搜索，现在能不能直接换RAG架构？
- 原本靠人工标注做的风控系统，现在能不能转为端到端的多模态模型？
不是说一定更好，但很可能更经济，更容易维护，更重要的是——
老板和AI聊两句，bug可能就修好了。
AI，不只是工具，而是基础设施
我们早已习惯在传统的工程范式中加一点AI功能：AI作为加速器、作为插件。但现在，是时候反过来看了：
我们应当用AI作为默认的基础设施，重新思考系统的构造方式。
不是在系统“之上”加AI，而是在系统“之下”就默认它存在。
过去用算法解决的问题，现在不妨用AI来试一试，成本可能低到出乎你意料，效果可能好到你不敢相信。
结语
AI不是银弹，但它正在替代我们原本用来造银弹的那一整套工具箱。
我们不需要每一次都从头造轮子。AI已经是轮子、道路，甚至是司机。