复盘：2023，那些被“技术网红”误导的技术趋势
内容提要
本文讨论了四个被技术网红误导的趋势：AI作为辅助工具提高前端开发效率，大型语言模型与运维和AIOps无关，运维决策仍需人工参与，中台和低代码适应快速创新需求但不适用于所有企业，上云成本高需考虑应用是否具备云原生能力。作者提醒不要被过度渲染的言论所左右。
延伸解读
技术趋势讨论中的流量逻辑
文章指出，部分技术网红通过制造话题来吸引流量，进而变现，这可能导致技术趋势被过度渲染。读者在接触此类内容时，需辨别其背后的动机，避免被制造焦虑的言论左右。作者以自身为例，强调分享应基于真实经验，而非刻意带商业利益。
AI在前端开发中的辅助定位
针对AI将取代前端开发的说法，作者认为AI目前仍是辅助工具，主要用于提升效率，如辅助PRD到代码、设计到代码的流程。前端工程师对业务的深入理解是AI无法替代的，因此工程师应更关注业务，避免成为只会使用工具的人。
大模型与运维结合的可行性分析
文章认为大模型与运维、AIOps关联不成立，原因包括成本不匹配、运维数据缺乏标准化、决策需人工参与等。运维决策涉及业务生死，最终决策权必须由人掌握。此外，依靠AI进行性能化工作投入高，性价比低，短期内难以实现。
中台与低代码的适用边界
中台和低代码并非适用于所有企业。中台解决的是企业在增量市场中快速创新的问题，适用于业务线多、变化快的场景；低代码则帮助企业快速建立敏捷能力。如果企业业务固化或只有一条业务线，盲目跟风搭建中台可能并不合适。
Q&A
2023年有哪些技术趋势被技术网红误导了？
文章指出了四个被技术网红误导的趋势：1. AI将全面取代前端开发；2. 大型语言模型可用于运维和AIOps；3. ERP已死、中台已凉、低代码称王；4. 上云成本太高，应该自建机房。
AI真的会取代前端开发吗？
不会。AI在前端开发中主要作为辅助工具，提高工作效率，如辅助PRD到代码、设计到代码等。但前端工程师对业务的深入理解和设计能力是AI无法替代的。前端工程师应更关注业务，而不是只关注技术工具。
大型语言模型能用于运维和AIOps吗？
不能。大型语言模型与运维和AIOps没有关联。原因包括：成本不匹配、运维决策需要人工参与、性价比太低。运维中的异常和故障数据难以标准化，且最终决策必须由人做出。
中台和低代码适用于所有企业吗？
不适用。中台适用于需要快速创新、有多条业务线且逻辑组合变化快的企业，如电商。低代码工具帮助企业快速建立敏捷能力，但并非所有企业都需要。企业应根据自身业务场景和需求选择。
上云成本高，企业应该下云自建机房吗？
不一定。上云成本高是因为服务器成本从静默转向动态，且迁移困难。但下云需要具备一定规模的服务器资源和强大的运营团队。关键还要看应用是否具备云原生能力。上云还是下云应结合企业实际情况，就像买房和租房一样各有利弊。
技术网红为什么喜欢制造技术焦虑？
技术网红通过制造话题来引起讨论，从而获取流量并变现。他们往往倾向于制造焦虑，尤其是在AI和AIGC领域。读者应理性看待技术发展，不要被过度渲染的言论所左右。
