引言
2025 年，技术圈的喧嚣已不再仅仅围绕哪个框架更好用，而是谁能更高效地完成 AI 能力的落地。在Web前端依然深陷构建工具泥潭、移动端跨平台框架反复横跳的当下，QML 以其独特的“声明式语法+强有力 C++ 后端”的组合，在嵌入式、车载、医疗及高端桌面应用中展现出了较强的韧性。
本文将总结过去一年QML的学习，结合AI 已经如此强势的当下，探讨学习 QML 还有什么护城河？
一、QML 究竟有什么用？
很多开发者初见 QML，会觉得它只是Qt 脚本。但本质上，QML是一种描述交互逻辑的艺术。
1. QML 的声明式语法允许开发者像写 JSON 一样描述界面，配合 Qt Quick 渲染引擎，能实现远超传统 Widgets 的流畅动效。
2. 它不像 Electron 那样消耗内存，也不像原生原生开发那样死板。通过 Scene Graph 渲染管线，QML 能直接驱动 GPU，这使得它在资源受限的嵌入式设备（如汽车仪表、工业控制屏）上几乎是最优解。
3. 一份 QML 代码，通过简单的配置即可运行在 Windows、Linux、macOS、Android 乃至 RTOS（实时操作系统）上。
二、AI 时代：QML 开发者的核心竞争力在哪里？
随着 LLM（大语言模型）的普及，很多人担心：AI 分分钟就能写出一个美观的 QML 界面，人类开发者的价值何在？
我认为AI就像一辆车，而方向盘就在你手中。
1. QML 的结构化特征使其非常适合 AI 生成。2025 年，资深的QML开发者已经不再手写 Rectangle 和 PropertyAnimation，而是通过提示词工程生成 UI 骨架。
2. AI 很难处理复杂的内存管理和实时多线程逻辑。当 AI 生成了前端界面，如何通过 Q_PROPERTY 或 Slot/Signal 将其与高性能 C++ 算法连接，正是 QML 工程师的职业壁垒。
3. 现在的 AI 正在向硬件侧（Edge AI）转移。车载语音助手、手术机器人的视觉反馈，这些高性能、低延迟的交互界面，QML 是最可靠的承载者。
三、学习途径与新手进阶
在我的GitCode - qml_demo项目中有人问我是如何学习QML的，很抱歉一直没有点进去看，在这里做出解答：
1. 学习资源推荐 —— 官方文档
这是最权威的QML字典，建议先从如何使用控件入手，原因是：
- 能得到最直观的视觉反馈，更容易激发学习兴趣
- Qt官方文档中的大多数示例比较基础（非Example），代码较短，如下图所示。
2. 学习资源推荐 —— 官方示例
将各种类型的控件熟悉后，接着尝试将他们串起来，形成一个完整的应用。随着不断地摸索与实践，就能逐步掌握QML技术了。在这个阶段，还可以学习官方示例，在Qt Creator 的示例中：
3. 学习资源推荐 —— GitHub、CSDN、Qt 官方论坛以及其他
可以在GitHub上找到一些QML的项目进行学习，观察大牛是如何组织大型项目的项目结构的；还可以在CSDN、Qt 官方论坛上找到如何解决一些奇葩的BUG。
4. 进阶必学C++
QML是UI描述层，功能、性能与生态完整性严重依赖C++底层扩展。QML弊端：
- 无法直接调用Qt核心功能（多线程、网络、文件系统等），必须用C++封装；
- 解释型脚本效率低，复杂计算、图像处理等高性能任务需C++后台执行；
- 自定义组件、复杂数据模型、对象树操控等高级功能只能通过C++实现。
QML做界面，而C++做业务逻辑，二者是共生关系。只会QML相当于只会HTML/CSS，当下的市场更需要前后端一体化的人才。
5. 最好掌握JavaScript
为QML学习JavaScript的作用：
- 执行简单的数据格式转换、过滤和计算，避免频繁调用C++。
- 与QML无缝集成，QML原生支持内联JS和外部JS文件。
- 减少QML的代码量，将与组件强相关的逻辑移入JS文件中，增加QML代码的可读性。
四、未来工作方向与职业规划
QML开发者的职业路径通常比纯前端或纯后端更稳健，因为它深度绑定了高价值行业。
1. 重点行业分布
- 智能座舱：这是目前 QML 最火的赛道。蔚小理、特斯拉等车企的 IVI（车载信息娱乐系统）大量采用 QML。
- 高端医疗仪器：超声波、CT 机的控制界面，对稳定性和渲染性能要求极高。
- 工业 4.0/半导体设备：精密仪器的上位机软件。
- 专业桌面软件：如 Adobe 部分组件、Maya 等专业工具的界面开发。
2. 职业规划建议
成为T型人才，横向掌握 QML/Javascript 的交互设计，纵向深入 C++/架构设计/图形学。
五、结语：在不确定性中寻找确定性
2025年，技术迭代的浪潮让人焦虑。但请记住，交互是不变的诉求，而性能是永恒的护城河。QML绝不仅仅是一门语言，它代表了一种高效的人机协同逻辑。
如果你厌倦了Web领域的日新月异，想在硬核科技领域（汽车、工业、医疗）深耕，QML无疑是那把通往未来的金钥匙。不要害怕 AI 抢走工作，学会驱动 AI 去写那 80% 的重复代码，将你的精力放在那 20% 的架构创新上。
