以 GitHub Copilot 为代表的 AI 辅助工具已经在程序员用户中得到了大量应用。
Mckinsey 研究显示，生成式 AI 在软件开发的不同环节带来的效率提升有较大差异。
相对基础的代码文档生成、代码生成，AI 工具有极大的效率提升比例（40~50%）。而代码重构方面，提升潜力在 20-30%。
在复杂任务时，AI 工具的提升空间就很小了（小于 10%）。
经常有一个问题是 “AI 代替你的工作，你该怎么办？” 下图给出了一个答案。
软硬件解耦将成为未来发展趋势，操作系统成为软件定义汽车的关键。“软件定义汽车” 代表着两个演变维度，即硬件趋于标准化，及软件趋于复杂化。
汽车电子和汽车软件的代码开放量将呈现指数级增长。目前的汽车的代码量大约在 150 百万行，预计未来的汽车代码量将达到 200-500 百万行。
很多公司都有一个平台梦，尤其是提及生态系统战略时，都希望自家提供一个很牛的平台，然后各种伙伴调用平台提供的深浅能力，共同创造价值。
从技术实现角度，很大比例的底层能力调用是基于 API 的。自然各家 API 的质量性能、整体成本（TCO）等就有考量的必要性了。
Postman 的调研发现：就开发者而言，起码三分之二的 API 开发时间没有用在编程上，而是各种配套工作（查找、学习、管理、测试、工具准备等）。
围绕 API 产品的客户体验（或者叫开发者体验）是一个值得关注的管理优化主题；也应是平台化产品策略落地的重要部分。
IDC MarketScape 矩阵对全球 AI IT 服务商的评估矩阵，传统管理咨询公司（旗下 IT 服务团队）、IT 咨询公司和电信运营商的 IT 服务单元名列其中。
明显可以看到，处于 Leaders 象限的以咨询公司为主。
几点想法和猜想：
(1) 新兴技术公司会提供工具和技术，但不愿意玩 “笨重的” 直接面对垂直行业客户的生意；
(2) 垂直行业企业貌似也愿意选择咨询公司和 IT 服务公司，做为其主力合作伙伴，毕竟各种集成定制、贴身服务是一个很大的难点；
(3) 倒过来，这些也凸显传统 2B 和咨询公司的独特竞争力；
(4) 国内稍有些不同，几大云计算公司都在 “主动，或被动” 的承担 “主交付商” 的角色；从其人才引进的来源就可看出类似情况。
