然而昨天在群里看到一位小伙伴的讨论，更能体现我们大部分普通研发工程师的心理：“眼红现在的AI风口，传统后端开发怎么办？”。
我在支付行业做了很多年，但我对AI的观察也有很多年，结合我自己的经验，尝试回答这个问题。
我从2016年左右开始关注AI的发展，在2017年学习过TensorFlow，在ChatGPT出来后就注册成了付费用户，在本地部署过Meta的开源大模型llama3，DeepSeek出来后也第一时间注册并体验。我在2024年报过一门大几千块学费那种的AI培训课程。
首先是明确我们的目标是用好AI，而不是去做AI的底层研发。
AI底层研发需要深厚的数学理论知识，并且还需要一些天赋。
我的算法很渣，所以我不寄希望于自己能成为AI底层开发工程师，我的目标很简单：使用好AI。
我想大部分后端研发工程师也和我一样，算法和数学知识只够做业务系统或应用级别的研发。
而AI未来将会是一种基础设施，就像操作系统、数据库、消息中间件等基础软件，我们不需要自己去开发，在了解基本的原理后，在自己的工作中用起来并用好就已经足够。
我们的优势是我们对支付领域的理解，在本领域的落地是我们的优势，我们充分发挥我们的优势，而不是放弃自己擅长之处，自废武功。
然后是行动起来。
当我们知道AI已经是大势所趋，但我们还不知道可以用来做点什么的时候，最简单的就是行动起来，先走出第一步，而不是无谓的心慌。
就像我们在大学学习操作系统，数据结构，数据库，我们真的知道未来会用在具体的哪个地方吗？我们只知道这些东西在开发软件时有用。
我们可以从打开DeepSeek官网，下载安装App开始，先尝试使用，甚至尝试在本地部署一个模型（DeepSeek有多个开源模型），如果本地条件不够，就去各云服务厂商找一个免费试用的AI专用云主机（各大云服务厂商都提供了免费试用的AI云主机），再多看看行业内的同行人都在用AI做什么，打开认知的边界，最后再看看自己手头有什么工作可以充分利用AI。
空想再多，不如行动起来。
提供一些支付行业的融合破局思路供参考。
从小处着眼再到大处展望。
作为研发工程师，首先可以考虑如何提高研发效能，减少自己的重复劳动。从研发生命周期来看：接需求、设计、研发、联调、上线、监控并处理线上问题。这里面所有的阶段都可以用到AI的能力。
在接需求时，有些业务不理解，那就是先用AI搜索一下，比搜索引擎高效多了。比如从来没有做过外汇，突然接手做外汇。
在设计阶段找AI问思路，在研发时使用AI自动生成代码，都已经是常态。
再扩展一点，能否使用AI来生成联调用例，自动发起联调，并自己检查数据，生成联调报告？
能否使用AI收集并分析线上的日志，在出现线上问题时，先自动分析一轮，并给出建议的解决方案？
有线上客诉工单提过来时，能否使用先AI自动搜索数据和日志系统，分析问题可能在哪里，并给出建议的解决方案？
支付有高成功率和低成本诉求，能否使用AI综合分析返回码、商品信息、特定渠道、用户信息等信息，找出提高成功率、降低成本的方案？
再往大点说，智能风控与欺诈、个性化支付服务、跨境支付与汇率预测等都是很好的方向。
支付因为数据敏感，而DeepSeek开源的大模型的成本比较低，且可以商用，适合小企业本地部署，帮公司部署一个，如何？
我已经开始在本地部署，先跑跑看。
行动的案例。
一位群友说他们公司要求所有后端研发工程师全部要有AI的使用经历。这个思路非常棒，我们一开始不知道可以做什么，那就先尝试起来再说。
群友负责的项目，还得到了公司总裁的肯定。
他之前对AI也不了解，所以行动才是王道。
这是他们的成果截图。
我的主业仍然是支付，只是会持续加码探索支付如何与AI结合。
有一个AI agent群，接近满额，新建一个群，有需要的可扫码加入。（已经加入一群的，不要重复加入哈。）
深耕境内/跨境支付架构设计十余年，欢迎关注并星标公众号“隐墨星辰”，和我一起深入解码支付系统的方方面面。几篇更实战的文章：
