从 Sora 看 AI 多模态：作为后端程序员我的几点思考

Sora 的出现让多模态成了一个热词。作为一个只会写后端代码的程序员，聊聊我觉得这件事会怎么影响我未来的工作。

---

一个后端程序员的困惑

说实话，Sora 刚出来的时候我看了一眼那支生成的视频，第一反应是——这和我一个写 Java 后端的有啥关系？

我每天打交道的是 SQL、Redis、消息队列、接口返回码。视频生成？那不是算法工程师的事吗？

但后来我慢慢觉得，可能不止那么简单。

我理解的多模态

简单说，"多模态"就是——**AI 不再只认文字，它能看图、听声音、看视频了。

之前的大模型，你只能和它用文字聊天。现在的多模态模型：你能输入的有文字、图片、声音、视频；它能输出的也有文字、图片、声音、视频。

和我一个后端开发有什么关系

我一开始真的觉得没关系。但后来我发现，即便是后端，也会被这件事影响：

1. 系统的输入和输出变丰富了

之前写后端，我们处理的数据类型大多是：字符串、数字、JSON。

未来，我们可能要处理：用户上传的图片让模型识别、用户上传的音频让模型转写、用户上传的视频让模型理解内容、输出一张图片（生成报告封面）、输出一段音频（把一段文字转成语音）。

这些东西之前是"上传到 OSS，返回 URL 给前端"。现在可能要变成"上传 → 调模型处理 → 返回处理结果"。流程变了，架构也变了。

2. 数据存储的挑战

之前存的是 JSON，几个字段。未来你可能要存：图片的特征向量、视频的帧信息、音频的文本转写。这些数据量都比文本大得多。

3. 接口设计要重新想

之前的接口同步返回就行。未来处理视频、图片可能耗时不是几百毫秒，而是几十秒甚至几分钟——异步处理、消息队列、任务状态追踪的能力会变得更重要。

这恰恰是后端程序员的强项。

我看到的一些可能的机会

• 异步处理会变得更重要：视频生成/图片理解这类任务，同步接口基本不现实。
• 数据管道（Data Pipeline）会越来越复杂：一个多模态的应用，数据流动往往是用户上传视频 → 切片 → 抽帧 → 向量化 → 入库 → 用户查询 → 检索 → 拼接上下文 → 生成回答 → 返回。
• 成本会成为一个大问题：调用一次多模态模型的成本，可能是调用一次文本模型的几十上百倍。

我觉得短期内不会发生的事

• 不会所有后端都被迫去做 AI 多模态。大部分系统还是传统的 CRUD。
• 不会所有人都需要去训练模型。大部分人是调用模型 API。
• 不会所有公司都需要有自己的多模态模型。大部分公司的正确做法是用大厂的 API。

我打算怎么准备

我给自己定的方向是：

1. 把本职工作做好——把 Java、Spring、数据库、分布式这些东西学扎实，这些是基本功。
2. 了解多模态的能力边界——知道它能做什么、不能做什么、成本大概是多少。
3. 在现有的项目里找机会用上——比如在系统的运维监控里加上图片理解的能力，或者在客服系统里加上语音转写功能。
4. 保持关注，但不焦虑——技术更新太快了，你追不上的，知道大概有什么、能用在哪就够了。

写在最后

Sora 刚出来的时候，我感觉很焦虑："我是不是又要被淘汰了？"

但冷静下来一想，**每次技术革命，淘汰的都是"只会一种东西且不再学习的人"，而不是"有扎实基本功的人"。

互联网出来的时候有人被淘汰，也有人抓住机会；云原生出来的时候有人被淘汰，也有人抓住机会；AI 多模态出来的时候，也会是一样的剧本。

焦虑没用，动手有用。