wap网站开发教材wordpress 哪些网站吗

wap网站开发教材,wordpress 哪些网站吗,网站开发环境的安装说明,网站注册信息作者 | 《新程序员》编辑部出品 | CSDN#xff08;ID#xff1a;CSDNnews#xff09;四十年过去#xff0c;C 依旧是那个让世界底座运转的关键齿轮。但 2025 年#xff0c;它站在了一个关键的技术转折点上#xff1a;AI 正重塑软件工程、异构算力突破性能边界、智能设备规…作者 | 《新程序员》编辑部出品 | CSDNIDCSDNnews四十年过去C 依旧是那个让世界底座运转的关键齿轮。但 2025 年它站在了一个关键的技术转折点上AI 正重塑软件工程、异构算力突破性能边界、智能设备规模激增海量 C 代码库则要求稳定兼容与极致优化兼具。在“变”与“不变”的持续拉扯中C 生态正在深度自省如何让 C 在新架构、新负载、新工具链下持续前行也成了全球开发者关注的核心命题之一。12 月 12 日由 CSDN 与奇点智能研究院联合举办的「2025 全球 C 及系统软件技术大会」在北京金隅喜来登大酒店盛大开幕。恰逢 C 正式发布 40 周年本次大会不仅 C 之父亲临现场还汇聚了 40 余位来自 C 及系统软件领域的杰出专家现场演讲深度十足讨论与交流氛围热烈精彩观点不断碰撞。今日主会场上C之父、美国国家工程院、ACM、IEEE院士 Bjarne Stroustrup奇点智能研究院院长、CSDN 高级副总裁李建忠北京大学讲席教授、复旦大学先进计算系统研究院院长谢涛ISO人工智能技术委员会专家、C 标准委员会机器学习组主席、YetiWare CTO Michael Wong 结合其最新技术成果和实践经验共同勾勒出 C 在新时代的演进方向。从语言本体到底层架构、从研发方法论到 AI 时代的性能之争本次大会内容密度可谓“爆表”——不仅呈现了 C 生态的最新脉动也让我们得以重新审视这门经典语言在未来十年的战略位置。Bjarne StroustrupC 跨越 40 载的成功经验与未来演进从无到有从初出茅庐到支撑现代软件基础设施的中坚力量C 的四十年发展历程一直由 Bjarne Stroustrup 亲历并引领。本次大会上Bjarne Stroustrup 带来主题为《C 跨越 40 载的成功经验与未来演进》的精彩分享。C 之父、美国国家工程院、ACM、IEEE 院士 Bjarne StroustrupStroustrup 表示好的设计始于问题且有清晰的原则并能够随着需求演进。1979 年他在构建一个分布式 Unix 系统时既需要像 C 那样可以高效地操作硬件又需要像 Simula 那样具备良好的抽象能力以应对不断增长的复杂度。C 正是在这样的背景下成形的它的设计原则遵循了灵活的静态类型系统、防止泄露的资源管理方式、可靠的错误处理机制以及能够适应多种编程风格的并发支持。根据 SlashData 的统计Stroustrup 分享了 C 的开发者生态情况——2025 年 C 开发者数量达到 1630 万短短四年中增长了 72%年均增速接近 20%明显快于 Java、Python 等其他主流语言。“编程语言的真正价值体现在它帮助构建的应用质量中”Stroustrup 说。正是在这一庞大而活跃的生态支撑下他进一步阐述了支撑当代 C 的三大技术特性资源管理。资源是你必须获取并随后释放归还的任何东西它是 C 防止资源泄漏的关键。每个资源都由一个句柄表示且每个资源句柄都根植于一个作用域中。泛型编程。它让开发者写出更短、更直观、零开销且类型安全的代码并且广泛应用在标准库的各个角落。C 对泛型编程的支持建立在三大目标上其一是极高的通用性模板应比设计者当年所能想象的更灵活其二是零开销无论是 vector 还是 Matrix抽象都应能和 C 数组直接竞争性能其三是定义明确的接口这意味着类型安全、可重载以及更合理的错误信息。C20 引入概念Concepts后这些目标变得更加可控、清晰且直观。模块。C20 的 Modules 实现了 Stroustrup 自 1994 年以来的愿景并从根本上解决了传统头文件机制带来的顺序依赖、冗余编译、宏污染等顽疾。在一些测试中仅 import std; 就能带来数量级的编译性能提升信息密度提高十倍处理效率提高百倍整个应用的构建速度可获得 25× 的加速。模块的非传递性也让依赖关系更清晰代码更易维护。展望未来Stroustrup 认为开发者不应被困在 20 世纪的编程方式里。虽然升级旧代码确实困难但往往最划算而且完全可以逐步进行新写的代码也无需继续沿用老旧范式。然而迈向现代 C 并不容易很多项目被历史代码所束缚也容易被团队习惯或过时技术牵着走。对此他强调“语言可能难以改变但我们完全可以改变使用语言的方式。”为了帮助开发者更顺畅地迈向现代化Stroustrup 提到当前社区一系列正在推进的努力包括 C Core Guidelines 所代表的一套可落地的最佳实践以及正在开发中的 Profiles规格配置它们旨在提供一套连贯的、可被工具强制执行的规则集从而提升安全性、简化复杂度、管理技术债务并帮助开发者更专注于教育与正确使用语言本身。紧接着在主会场的炉边对话环节Bjarne Stroustrup 谈到了自己对 AI 生成代码的看法。他坦言自己在这方面经验有限因此面对行业中大量 AI 生成的 C 代码可能存在的质量问题时很难立即判断这些问题是根本性的还是仅仅由于经验和时间不足造成的。Stroustrup 表示他对软件基础研究特别感兴趣这类研究可能对科研或教育领域具有重要价值但在实际工程应用中工程师必须确保代码的精确性和可靠性。他提醒道AI 系统的表现取决于具体应用场景在一些场景下可能涉及资源使用或时间响应的要求而在嵌入式设备或金融系统中还需要获得监管机构对系统安全性的认可。他指出要达到所谓的“安全标准”需要长期积累的法规经验、知识储备以及资金投入。而在实际维护中即便只是对 AI 组件进行小幅修改也可能影响整个程序的运行甚至导致原本的认证需要重新审核。这也带来了一个核心问题谁能真正认证这些系统的有效性Stroustrup 认为需要在相关应用领域有经验的人能够审查代码和运行机制从而建立可信度。否则盲目依赖 AI 输出的风险就会增加——当系统发生变化时人们可能无法理解复杂服务的运作逻辑。他强调这个问题在小型程序中或许相对容易处理但在涉及基础设施、金融系统或个人交通安全等大型系统时安全性至关重要。尽管如此Stroustrup 觉得真正认真做事的人应当直面这些问题而不是简单地说“没问题”或“以后再解决”。否则等到问题显现再去担心往往已经为时晚矣。李建忠AI 原生软件研发成熟度模型与演进奇点智能研究院院长、CSDN 高级副总裁李建忠在《AI 原生软件研发成熟度模型与演进》主题演讲中指出的“软件领域的每一次范式革命既改变软件应用形态也改变软件开发方式。例如 互联网的出现不仅带来了全新的应用形态 Web 应用HTML、CSS、JS同时也催生了云原生开发、微服务等全新的软件开发模式。”他认为如今的 AI 正处在类似的转折点智能体正在成为新一代软件形态同时推动 AI 原生软件研发范式的形成。奇点智能研究院院长、CSDN 高级副总裁 李建忠谈到 AI 对软件研发方式的重塑他指出当前存在两条并行路径一是 AI 赋能传统软件工程仍遵循传统工程的复用性原则二是“氛围编程”Vibe Coding让普通用户通过自然语言实现编程生成“即用即弃”、低成本的可塑软件。他提醒不应用传统软件工程的思维看待氛围编程。历史上许多颠覆式创新同时具备大规模、个性化、低成本三大特征而氛围编程正符合这一趋势面向大众用户实现软件创造的平权时代。针对 AI 时代的软件工程李建忠从复杂性、动态性与协作性三大本质分享了 AI 原生软件开发的应对之道推理模型为处理复杂性提供基础动态上下文与共生数据提升 Agent 的演化适应性多智能体与工具协作A2A MCP将推动迈向更高智能。随后他重点介绍了奇点智能研究院推出的“AI 原生软件研发成熟度模型”AISMM。模型横向划分五个阶段从 Level 1 的辅助提效到 Level 2 的领域集成再到 Level 3 的代理协同、Level 4 的自主代理最终迈向 Level 5 的 AI 软件工厂。纵向维度涵盖基础设施、知识工程、流程工具、组织人才、安全治理五大关键要素。而 AI 原生软件研发所遵循的三项核心原则分别是一是软件研发知识工程——工程师知道的Agent 也应知道二是上下文与记忆——工程师所见即 Agent 所见三是 Agentic Devops——工程师能做的Agent 都能做。李建忠表示根据该模型的标准以及奇点智能研究院的观察目前大多数企业仍处于 Level 2 到 Level 3 的过渡期。围绕 Level 3他进一步拆解了企业需要补齐的关键能力在基础设施上需要构建基于 Agent 角色的云沙箱环境并支持记忆与工具调用在知识工程上应逐步建立数据飞轮机制并增强动态上下文工程确保 Agent 拥有完整的“环境要素总和”在流程工具方面需要建设多 Agent 协作网络、Agent 与工具调用合约Tool Use/MCP以及工作流引擎在组织与人才上要打造工程师与 Agent 协作的团队使开发人员转型为 Agent 监督者与调优师在治理与安全方面则需平衡权限与风险防止智能体出现幻觉或安全事件。最后李建忠分享了他对大模型工程应用的三点主张智能的核心是语言而不是结构化数据/视觉等智能需要迭代收敛没有一步到位的智能智能需要上下文才能发挥作用。谢涛“从开放指令集到开源算子和编译器RISC-VAI的全栈软件生态突破路径”围绕《从开放指令集到开源算子和编译器RISC-VAI 的全栈软件生态突破路径》这一主题北京大学讲席教授、复旦大学先进计算系统研究院院长谢涛深入剖析了在 AI 算力竞争白热化与全球技术格局演变背景下如何以开放指令集 RISC-V为基石协同构建开源软件生态。北京大学讲席教授、复旦大学先进计算系统研究院院长 谢涛当下以大模型为基础的 AI 应用飞速发展算力已成为战略性基础资源。然而国内高端 AI 芯片企业软件栈的研发各自为战市场份额有限。对此谢涛认为其根源在于私有指令集导致的后端编译器与算子库无法共享每家厂商都需重复投入陷入各自为战的困境。面对这一困局谢涛提出了基于开放指令集共建生态的破局思路。他以 PC 时代的“Wintel 联盟”和移动时代的“AA 联盟”为例阐述了软硬件接口标准化对于生态繁荣的关键作用——而在 AI 与大数据时代RISC-V 以其免费、开放、可扩展的特性成为了构建新一代计算生态的理想底座。“RISC-V 不仅仅是一个 CPU 指令集更是一个战略支点。”谢涛强调。其模块化设计兼具灵活性与低功耗优势并且得到了包括我国在内的多国政策支持。更重要的是去年 RISC-V 国际基金会已将人工智能/机器学习列为最高战略优先级连英伟达也宣布其关键的 CUDA 软件将支持在 RISC-V 上全面部署这充分显示了其生态活力与产业共识。在构建 RISC-VAI 全栈软件生态的具体策略上谢涛指出通过定义统一的 AI 指令集扩展可以团结甚至让存在竞争关系的 AI 芯片企业进行分工合作实现“成本平摊”。更进一步若能推动该扩展成为 RISC-V 国际基金会标准将促使国际主流 AI 框架和工具链开源社区主动集成支持即“上游化”。这将带来“成本上传”的红利全球开源社区都将参与支持该扩展的软件的创建与演化。“因此推动标准不仅是制定标准更是要使其进入国际主流开源社区的主线。我们需要积极对这些主流或新兴的生态做出贡献以此促进标准的落地。”基于此谢涛分享了一些相关进展其团队正积极适配 OpenAI 推出的 Triton 编程语言使其支持 RISC-V 后端令各厂商可基于 Triton 进行硬件相关的算子优化实现还有为新一代 AI 硬件和算法而生的 Tile 编程语言——由国内开源的 TileLang它将 Tile 抽象、算子融合、动态控制流、布局转换和流水线并行等技术系统化整合为 AI 加速器提供结构化、性能可控的编程模型。此外为了确保长期发展谢涛认为还需要建立 RISC-V 的软硬件试验场和基础设施以打磨芯片可靠性、操作系统及应用实现“沿途下蛋”在推进技术路线的同时创造持续的产业价值。在演讲最后谢涛总结道当前 RISC-V 已成为中国采用开放开源模式、共建生态的一个重要支点而 AI 的巨大需求更是为 RISC-V 提供了最佳的落地场景和迭代动力。Michael Wong“AI 计算之战如何在大模型时代建立有竞争力的标准化 C 技术栈”在大模型推高全球算力需求、AI 芯片体系加速分裂的当下一个新问题摆在所有系统开发者面前如何在高度碎片化、跨架构并存的时代建立一套真正有竞争力、跨平台可移植的标准化 C 技术栈针对这个问题ISO 人工智能技术委员会专家、C 标准委员会机器学习组主席、YetiWare CTO Michael Wong 用一场信息量极大的演讲对这场“计算之战”的本质进行了深入拆解。ISO 人工智能技术委员会专家、C 标准委员会机器学习组主席、YetiWare CTO Michael Wong演讲伊始Michael Wong 指出过去十多年若要写高性能 AI 程序“学习 CUDA 购买 NVIDIA GPU”几乎是唯一选项。而 2025 年标志着一个明显拐点供应链限制、计算需求结构等变化正在迫使全球 AI 从单一生态走向多元架构。一边是垂直封闭模式CUDA 式全栈整合从芯片到软件全部统一另一边是水平开放模式以开放标准、开放 IR、多厂商硬件并存为核心。而硬件分裂将巨大的复杂性抛给了软件层尤其是 C 开发者。Michael Wong 表示“99% 的 AI 逻辑是 Python但 99% 的执行是 C。研究员期望可移植性而 C 工程师被淹没在碎片化中。”这个“碎片化”由不同厂商的 SDK、互不兼容的编译器栈和内存层次模型构成严重拖累了开发效率——但危机中也蕴藏着角色转变的机遇。Michael Wong 指出传统的战场如手写极致优化内核正被 Triton 等高级编译器自动化而新的战略高地转向了编译器与中间表示IR层。“理解 MLIR、编写优化 Pass、构建跨平台抽象层其重要性已堪比过去十年的内核编程。”他强调C 开发正从“战术性”的微观优化转向“战略性”的系统架构与工具链构建。面对碎片化Michael Wong 认为解药在于拥抱现代 C 标准。C23 的 std::mdspan 提供了与存储无关的多维数组视图C26 提案中的 std::linalg 旨在标准化线性代数运算结合 C17/20 的执行策略即可编写出可移植的 AI 代码做到“编写一次到处运行”。不仅如此Michael Wong 还前瞻了即将到来的“生产力之战”AI Agent 将成主流开发者。“未来的编程对话可能发生在你和你的 AI 助手之间”然而当前 AI 助手难以理解 C 的复杂性与隐形规则。因此他提出需要发展“面向 AI Agent 的 C” 即通过更广泛地使用概念、合约、配置文件等特性使代码意图对 AI 更加清晰、可验证。在演讲最后Michael Wong 向全球 C 开发者呼吁GPU 的垄断在瓦解软件危机中孕育着最大机遇C 并未被替代其核心正升维至定义系统与工具链的层面。拥抱开放标准、深耕编译器技术、学会与 AI Agent 协同工作将是驾驭这场 AI 基础设施革命的关键。圆桌对话AI 时代软件新范式在大模型深度介入软件研发的当下开发范式正经历一场前所未有的重构当自然语言逐渐成为新的“接口层”传统编程语言的未来将走向何方是被弱化、被增强还是被彻底重写与此同时AI 赋能研发的浪潮正推动无数个人开发者以惊人速度迭代但在大型组织内部流程、架构、规范与历史包袱却让“AI 真正落地”变得并不轻松。语言的演进与研发模式的重塑两条关键线索正交织出软件工业的新挑战与新机遇。在华东师范大学教授、奇点智能研究院开源技术委员会主任王伟的主持下本次圆桌对话汇聚了 AI 与系统软件领域的重量级阵容奇点智能研究院院长、CSDN 高级副总裁李建忠北京大学讲席教授、复旦大学先进计算系统研究院院长谢涛ISO 人工智能技术委员会专家、C 标准委员会机器学习组主席、YetiWare CTO Michael Wong以及 Adobe 首席科学家、C 标准委员会委员 David Sankel。他们围绕“AI 时代软件新范式”这一主题从底层语言标准、系统软件栈建设到 AI 工程化的新需求展开深入讨论共同描绘出下一代软件体系的可能走向。王伟一直以来编程语言在软件开发中具有重要地位。但在 AI 时代有人认为随着自然语言编程的兴起传统编程语言可能不再那么重要有人认为仍需强化现有语言增加新的特性还有人认为可能需要全新的语言来适应 AI 时代的需求。在这样的背景下各位如何看待编程语言的发展方向和趋势李建忠其实新的编程语言需求并不是直接来自 AI 的赋能而更可能源于新的计算架构。因为未来或许会出现多元化的 AI 计算架构而这些新的架构可能需要新的编程语言来充分发挥其能力。过去一些小众语言由于生态建设等因素发展受限但在 AI 的赋能下这些语言可能会获得更多机会让不同机器架构的能力得以体现。另一方面主流语言如 C 已拥有全球上千万程序员的庞大基础。我认为AI 提升软件开发效率后人类对软件的需求将持续增长。这会进一步推动成熟语言的发展和繁荣。近年来C 的使用和增长速度都非常快这既受到底层高性能计算需求的驱动也受益于 AI 加快开发效率的影响。因此对于成熟语言和新语言我认为它们的发展动力来源不同但都可能在 AI 时代获得新的发展机遇。谢涛我补充两点。首先如果人工智能直接生成代码在某些场景下人类甚至不需要去查看生成的代码本身。只要我们写好规范需求并配合定理证明器或程序验证工具就可以自动证明代码符合需求从而减轻人工审核的负担。在这种情况下未来的编程语言是否能更友好地支持程序自动证明、规范编写将成为一个关键方向。虽然规范本身也可以由机器生成但这又带来了可信性问题需要人类的监督和确认。其次在一些场景中人类仍需理解 AI 生成的代码以确认其正确性。这就要求编程语言在可读性和可理解性上更友好。例如在数据分析中如果没有 SQL 这样的高层次 DSL人们需要用 C 或其他通用语言手动编写复杂逻辑而有了 SQL人们可以更容易理解和验证分析逻辑。同理未来可能会出现更多针对特定任务的 DSL使人类能够在 AI 生成代码的过程中更容易进行白盒把关和理解。总结来看我认为未来编程语言的发展应同时兼顾自动验证的友好性和可读性以适应 AI 生成代码的应用场景。David SankelAI 最有趣的一点在于它从根本上改变了我们编程的方式以及开发者的使用体验。过去开发者在写代码时会从中获得乐趣而如今很多情况下你更多是在审查 AI 生成的代码。对很多人来说这种体验显然没有传统编程那么有趣而且我不确定这种情况是否会消失。目前来看人类在某种程度上更像是在“看护”AI确保它没有出现幻觉。我的疑虑在于这些模型本质上只是生成看起来合理的结果。它们依赖大量训练数据试图产出看似可信的代码但正因为如此AI 生成的代码中可能隐藏一些人类平时不会犯的错误而这些错误很难被发现。我也很担心当前流行的 AI 代码生成实践。大家都在广泛使用 AI 生成代码而且 AI 生成的代码量通常远超人类完成同样任务时写的代码。短期内你可能不会感受到技术债务带来的负担但几年后当我们回头维护这些代码时这种负担可能会显现出来。目前来看AI 并没有比人类更擅长处理大量“意大利面式”的混乱代码。未来这种情况会如何发展仍然值得持续观察。Michael Wong关于是否应该用 AI 来写代码这一直存在争论。我觉得这种争论有点像以前关于考试能否使用计算器的争论——过去不允许用但现在已经可以了。我告诉我的团队“想用 AI 就尽量用吧。”但前提是你要理解 LLM 的训练方式这样才能知道 AI 的弱点。LLM 大多是基于公共 GitHub 代码训练的涉及一些常见框架、网页开发等内容。大部分情况下这些模型处理的都是通用问题但如果你是在写高性能的苹果金融交易系统底层代码这类代码不会在互联网上公开它们是保密的。AI 编程的真正问题在于训练数据的质量很差。无论用什么标准来衡量数据都不够好要改进它只能依靠更好的训练数据但这很难实现训练数据提供者不会随便公开这些敏感信息。因此我提出了一个激进的想法为 C 创建类似 ImageNet 的训练数据集。ImageNet 之所以能让模型更好地识别猫是因为研究者为猫创建了专门的数据集。同理如果我们为 C 也建立专门的数据集AI 才可能在高级编程任务上真正可靠。关于我如何指导团队使用 AI我的原则是可以用 AI但在你完全理解每一行代码之前绝不能直接将其应用到项目中。你必须注意诸如特殊认证令牌等细节AI 可能生成简单的 64 位认证但在低延迟环境下远远不够。你需要展示自己可以改进 AI 的算法达到无锁编程的能力甚至能实现 hazard pointer 和 RCU 机制等高级操作而这些是 AI 根本不了解的。实际上只有约 5% 的程序员真正掌握这些非常专业的技能。这也是为什么我认为高级程序员不必担心被替代你们的位置不仅不会消失反而会更重要。AI 就像一个极其热情的初级程序员它读遍了整个互联网但毫不掩饰地直接给你代码。我们需要限制 AI 的使用通过节流控制并确保每一行代码在进入项目之前都由人审查。这是我一直在坚持的原则也是未来软件开发的重要保障。王伟AI 对软件研发的影响越来越显著。尤其是在当前很多「一人」团队在 AI 时代发展得非常快。然而在企业内部的软件研发中将 AI 赋能落地、提升研发效率仍面临诸多挑战。在实际推进过程中可能会遇到哪些困难和阻力李建忠目前 AI 在软件研发中面临的阻力主要有两方面。一方面是组织层面现在很多团队的组织架构、技能和管理方式仍然是为上一个数字化时代设计的还没有完全适应 AI 原生时代的要求。另一方面是基础设施层面比如我之前提到的 Agentic DevOps、Agentic 沙箱等环境这些能够让智能体在更泛化的环境中运行的设施目前仍在建设中。不过从软件研发的长周期来看我对 AI 的前景还是很乐观的。回顾每一次技术革命的起点大家可以想想 2000 年左右互联网虽然已经发展几年了但当时很多软件研发团队并不相信它会彻底改变研发方式。直到 2015 年到 2020 年Cloud Native 才真正改变了软件开发格局。因此我觉得 AI 的落地和普及也是一个需要周期的过程。就像修一条路让车跑得更快一样这条路可能要花一年时间去建设。在这个过程中很多人会怀疑投入是否值得觉得成本高于收益。我认为都是正常现象但从长远来看AI 在软件研发中的作用是一个持续铺路、逐步成熟的过程。谢涛我来自高校更多需要考虑的是为现代企业培养和输送人才。我觉得现在面临不少困惑和挑战。第一随着 AI Agent 或大模型在软件研发中的应用产品工程能力依然非常关键。然而目前版本的大模型或智能体需要我们做很多特定操作才能发挥作用而随着更强一代的出现这些操作可能就不再必要了。这也意味着目前的 Prompt Engineering提示工程技能很可能很快就会过时。第二很多传统算法或者需要记忆的知识学生可能不必再死记硬背。问题在于如果我们仅专注培养高级程序员而忽略了基础人才培养那么整个基础层的工程师储备就可能不足。我们是否可以只培养高端程序员我觉得这是一个开放性问题没有标准答案但它提醒我们在人才培养上需要重新思考。David Sankel谈到在大型组织内部推广 AI 的使用我认为我们在 Adobe 的推广情况还算不错。关键在于确保它对员工真正有用、能带来实际帮助。比如我们内部使用 Cursor它非常容易上手只需启动就会在右侧出现一个小工具。尽管人们通常会担心 AI 会威胁到自己的工作但如果你能让他们直接感受到 AI 在处理繁琐任务上的价值这种顾虑就会减轻。比如有些人特别讨厌写 CMake 配置文件你可以让他们尝试用 AI 来生成这些代码看看是否能节省时间。即便是六次尝试中有四次能显著节省时间这个体验就已经足够让人认可了。当人们开始分享他们使用 AI 的成功经验时这种正向反馈会自然带动更多人使用。如果 AI 真能提高效率其推广其实不需要强制——员工会主动去用因为他们宁愿把时间花在更有价值或更轻松的工作上而不是重复枯燥的任务比如写配置、查邮件等。Michael Wong我在 C 标准委员会的 AI 小组讨论时就问过同样的问题关于 AI 是否会导致工作流失、开发者角色如何变化以及如何推动 AI 的采纳。我自己是积极推动 AI 的应用无论是编码、规范分析还是端到端的各种分析我都在用。特别是测试用例生成AI 在这方面表现尤为出色这也是最有价值的部分。关于工作流失的担忧我知道外界有很多讨论。但我个人认为AI 并不会取代你而是让你成为更好的开发者。如果你是初级开发者AI 能加速你的成长如果你是中级开发者它能帮助你迈向设计者角色如果你是高级开发者它甚至能让你成为架构师和协调者。AI 提升了人的价值这一点可能有人不认同但我坚信如此。如果你不抓住这个机会很可能在新的竞争中落后。那么谁会被裁掉呢我认为没有人会被裁。你必须保持人才培养这一点在律师事务所中就很明显。AI 可以轻松替代处理一些基础法律问题的初级律师但如果把所有初级律师都替换掉谁来成长为高级律师呢人才的培养管道必须不断补充AI 只是改变了工具而已。过去我们需要通过查书、手动实现功能来完成工作现在 AI 可以作为启动工具帮助你优化和提升工作效率让你专注于更高级的技能和优化。归根结底我认为这是一个绝佳的机会让每个人都能提升自己的能力水平。共庆 C 40 周年值此 C 40 周年之际本次大会也特别举行庆典不仅向这门影响深远的编程语言致敬也向每一位在底层默默构建数字世界根基的开发者致敬。庆典上CSDN 创始人、董事长、奇点智能研究院理事长蒋涛回顾了自己与 C 的渊源“我早期也曾是一名 C 程序员。还记得 25 年前创办 CSDN 网站和《程序员》杂志时我们翻译了 Bjarne Stroustrup 的访谈当时赢得了大量用户关注。软件正在吞噬世界而 C 是软件核心的底座。C 已走过 40 年的发展历程CSDN 也走过 25 年而 C 大会则迎来了 20 周年的里程碑未来还有更多的事情等着我们共同去探索和实现。”奇点智能研究院院长、CSDN 高级副总裁李建忠也分享了自己的感受“回想 20 年前我非常冒昧地给 Bjarne Stroustrup 写过一封的邮件——那时我还在大学作为一个纯粹的 C 爱好者写信邀请他参与活动没想到他非常爽快地答应了。从那时起我们一路坚持走到今天心里感慨万分。”C 之父 Bjarne Stroustrup 则从开发者视角分享了他的思考“对于很多人来说C 已经 40 岁了。对我而言它甚至更‘年长’。多年来这确实是一段非凡的旅程。C 的成功原本并不被看好因为当时没有营销也没有‘金主’提供大量免费的库和资源。其他语言后来才学会了这些策略而我自己也多次证明自己并不是一个优秀的组织者。尽管如此C 的核心技术理念仍然足够好同时通过标准化和新特性的持续更新也保持了技术的生命力。似乎我们在 AI 发展上也在不断跟进并且在许多底层技术上都有所应用。我过去常说如果按最初的设想来看C 不可能像现在这样普及。我原以为它不会出现在各个领域但如今它几乎无处不在——从我们的办公空间到咖啡机从服务器农场到大规模计算设施这一切都令人震惊。正如你们看到的我感到非常惊讶和欣喜。我相信如果从发展势头来看C 的未来仍然光明并且希望我们能够继续庆祝它的生日——50 岁、60 岁我也说不准。也感谢大家的到来。”祝 C 40 周年快乐干货之外展厅同样精彩除了会场内丰富的内容和深入的交流会场外的展厅同样热闹非凡。Incredibuild、Parasoft、人民邮电出版社异步社区、清华大学出版社、电子工业出版社博文视点等合作伙伴的展位吸引了众多参会者驻足参观互动氛围十分热烈。至此2025 全球 C 及系统软件技术大会首日的技术盛宴圆满落幕。明日大会将继续带来多场专题论坛包括「大模型驱动软件开发」、「高性能与低时延」、「研发效能与软件质量」、「AI 算力与优化」以及「系统级软件」等深入聚焦 AI 原生时代下软件工程的核心挑战与前沿实践敬请期待更多精彩分享。