ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
转行做AI的人:恐惧者、迟疑者与漫游者
3806点击    2024-10-20 11:56

当今的大经济环境下,AI是少数的上升赛道,虽然商业化曲折,但毕竟寄托了“全村的希望”。不少人跟随潮水的方向,转行到AI行业:深夜求职直播间里,人们问“今年AI赛道值不值得去”,小红书上不少互联网从业者分享如何转到AI产品经理。

 

转行人有着不同面貌:那些想转行、但在风险面前迟疑的,那些下决心抛掉安稳、纵身一跃的,那些在尝试之后又返回原轨的……

 

有人把转行看作在无数分岔路口做出最优解的战争,也有人当作临时起意的漫游。

 

而站在浪头的,是那种并非半途跟风,而是在风口与狂热来临之前,就有勇气在黑暗中独自前行的人。


热望与恐惧


如果把大模型技术比作金矿的原点,有人离原点只有一公里,比如深度学习、强化学习的研究者;有人离金矿一百公里,比如非IT从业人员。ChatGPT出世后,人们朝着金矿前进,近者不一定比远者更快挖到金子。

 

“除了极少数的大模型‘科班’,其他人几乎都是零基础。”电子信息专业的研究生诚汉说。

 

诚汉是一所985学校的电子信息专业的研究生,有软件开发基础,属于离大模型原点不近也不太远的人。诚汉现在研三,面临秋招。7月,他集中跟十几位互联网前辈聊,得出结论——传统软件开发已经饱和,得转行做大模型。

 

他开始行动,在7月把中文互联网上播放量靠前的大模型讲解视频全都看了一遍,天天晚上激动得睡不着觉,“大模型对传统技术冲击很大,感觉我们之前学的很多编程技术没有用了。”

 

一位朋友强烈建议诚汉“立马转行过去,分一杯羹,再慢就晚了”。这位朋友在做数据中心算力相关的业务,一年多来目睹了大模型行业的风起云涌:“这不是‘要不要参与’的问题,而是‘如何快速占位’的问题。

 

转到大模型,没有想象中容易。

 

诚汉在七八月份投了20多份简历,都是AI大模型的技术岗位,最后正职岗位没有一个能过的,只拿了两个实习offer。诚汉投的两家AI独角兽公司,当天投递,当天就挂掉,实习、秋招提前批、秋招正式批都挂了。互联网大厂的大模型岗位,则是面了一两轮之后再挂掉。

 

面对惨淡的秋招结果,诚汉开始怀疑,“AI大模型这个东西,后面到底有没有搞头。”

 

求职博主林木曾担任一家互联网大厂的产品负责人,收过上千名转行或求职的学员。在他看来,想转到AI的人是两极分化的:一类是刚毕业、没工作几年的年轻人,没有吃到移动互联网的红利;一类是工作特别久的,吃到过互联网红利,知道风口有多重要。

 

学电子信息的诚汉就是没吃到互联网红利的年轻人。他曾在21年本科毕业时赶上移动互联网的尾巴,当时能拿到的offer比现在多,“当时面试都不用出门,呆在房间里线上面试就能拿到offer。”他当时进了华为的外包岗,但在拿到研究生录取后辞职了。

 

转行期间的失重感,对心理考验很大。9月是秋招高峰期,诚汉没想到一个秋招offer都没拿到。最焦虑的时候,他连续几天睡不着觉,一人在寝室里,半夜爬起来,打开电脑看B站上关于日本经济“失落的三十年”的视频,看魏晋南北朝的历史书,或者跟一位独自租房、二战考研的朋友深夜聊电话。朋友慰藉他,很多事要看大环境,不是光靠自己的问题。

 

求职博主林木看来,就业寒冬下,“转行的驱动力是恐惧”——行业下行,一些人觉得自己的行业没出路,于是转行。

 

想转行到AI的人群中,很多来自下行的行业,比如房地产、建筑城规等。林木表示,这类人大多学历背景好,过去在房地产企业或建筑设计院,做设计师或项目经理,能力强,危机感也强。林木见过的一个案例是从Top 985院校本硕毕业,不至于丢掉工作,但面临降薪,或未来薪资没有发展。“这类背景的人,很难一步(转行)到位,但学习能力不错,可以一点一点进入AI领域。”

 

一位95后文涛(化名),就从城市规划专业转到了AI产品经理。文涛是城规专业的海外硕士,原本在2022届校招时入职了一家房地产开发公司,做项目运营管理。

 

今年春节前,他离职,决定转行到汽车或者AI行业。他给了自己三天时间,在各大社交平台上刷行业信息,为了“养大数据”。四五月份开始,理想、广汽、日产汽车等车企陆续裁员,他决定把更多精力投入到AI行业而非汽车行业上。他跟着YouTube和B站上的教程,自己写代码,做AI智能客服、AI知识库、AI对话机器人的项目。五月下旬,他拿到成都一家做北美市场的外企的AI产品岗offer。

 

AI是新兴行业,面试官和候选人都在摸索中。文涛入职的这家公司,刚刚开始搭建AI团队。“不要觉得面试官很牛逼,啥都知道。我碰到好几个面试官,对于你自学的项目,他还没你懂。”

 

有人转行AI之后,面临更大的挑战和不适应。

 

相比于互联网产品,AI产品的难点在于,大模型是一个黑盒,其生成结果不稳定,无法在产品中达到标准化的交付效果。训练、微调大模型的人,在调整各种参数并达到预期效果后,也不知道为何如此调参就能达到如此效果,此模型的调参“配方”也无法在彼模型上复现。

 

思颖(化名)是文科生,校招入职一家互联网公司,本来做运营岗,因为之前的AI产品经理离职,她被迫转岗到AI产品岗位。“每天不断在和(大模型的)幻觉率做斗争,斗争的过程是无止境的黑盒。那些让你眼前一亮的case,可能要经过上百次的调试才能出来。”

 

思颖负责的产品容错率很低。她刚转岗AI产品经理后不久,AI的幻觉便酿成事故。一次,AI功能告知一位用户的航班起飞时间出了错,用户把全责归到了这家公司,要求赔偿。

 

转行到AI的难度还在加大,因为ChatGPT发布近两年以来,AI行业也水涨船高了。去年还有跳到大厂做AI产品经理、涨薪120%的例子,今年很难再有如此高的涨薪。求职博主林木观察,去年在社会面上想转行到AI的人还不多。但到今年,很多互联网大厂内部也开设业务+AI的岗位,原来做搜索、策略岗位的人更容易转到AI岗位。去年招聘岗位更多在模型层,今年更多在应用层。

 

直接做底层大模型的岗位标准水涨船高,人们开始涌入模型厂商的上下游产业链。林木建议,不要只盯着直接做底层大模型的厂商,也可以往上游看数据采集与标注、算力中心的岗位,往中游看行业垂类大模型,往下游看应用层的微调、训练、RAG等岗位。

 

目前AI行业还没有大规模增长、商业化,林木不太推荐当下去AI运营的岗位,除非是针对海外的AI产品运营岗位。“目前AI处于0到1的阶段,C端产品的0到1取决于产品经理,B端产品取决于解决方案、产品经理甚至前端销售。等到AI能够大规模增长或商业化,运营岗位才能发挥规模化增长、精细化运营的核心作用。”

 

2023年,成都的招聘会。图片来源:视觉中国

 

在2024年转行AI,比2014年转行移动互联网,难得多。“2012年,美团去我的毕业院校(一个211学校)招聘,基本上没有学生去的。大家真正开始关注移动互联网,是2014、2015年‘大众创新、万众创业’的时候。现在入行AI的门槛高很多,过去很多产品经理培训,在网上报一两个月的班就可以做产品经理,现在校招生入行都需要很好的学历背景和实习经历。”林木说。

 

林木认为,对于普通人来说,不一定要在验证期进入一个新兴行业(AI大模型还在验证期),可以在增长期进入。“苹果2010年发布了iPhone 4,代表了移动互联网的到来,(移动互联网的)局势很明朗。但普通人2012年进入移动互联网就算早的,2015、2016年进入也完全赶得上这个时代。”


效率最大化的战争,还是旷野漫游?


有人把转行看作在无数分岔路口做出最优解的战争,也有人当作临时起意的漫游

 

对诚汉来说,这次尝试转到AI大模型,跟两年前放弃工作去读研一样,都是在分岔路口不断获取新信息做出最优解。2022年,诚汉考研二战的初试结束后,立马开始找工作,“三线”并行:考研的复试调剂、拖入职时间然后上班、找更好的新工作。他当时入职华为的外包C++软件开发岗位,在拿到研究生录取后,辞职读研。他觉得这是四个月的完美操作,“我应该是全网头一个这么做,并成功了的人。”

 

“我需要不断尝试并获取信息,再接收到新的信息之后,及时调整接下来的方向,而不是一股脑的一个方向。在你面前永远是有一棵分岔树的,每个枝丫都有自己的判断语句和权重。每个新收集到的信息都会改变枝丫的判断语句和权重。”他说。

 

他在7月份进行一轮信息收集,问了十几个从事互联网和AI行业相关的人。在8、9月份的秋招中集中投递了二十多份简历,但没有拿到正职offer。

 

在理性的决策和行动无法获得正反馈后,他开始理性地考虑放弃。

 

但仍有人很松弛,有权衡但不纠结。

 

文悦(化名)就是如此。她不是技术科班出身,不会编程,今年从互联网UI设计师跳到了AI产品经理,虽然不是在互联网大厂,而在一家做To-G服务的农业公司。

 

文悦很多次在人生路口,选择临时变道。她98年生,家在河南农村,她喜欢画画,高中时想做艺术生,家里没钱不同意,于是辍学,买了无座票,在火车上站了8小时到杭州,在19岁的年纪做了快递客服,工资三四千,辗转几年后,给阿里做外包UI设计,上一份工作是在一家创业公司做设计兼产品经理,月薪18k。

 

她最初想做设计是因为跟画画沾边,后来觉得“画画比较适合做副业,做主业就得执行甲方的意见”。她自己发挥创意做的设计优化方案,常常排不上需求,从入职到离职都没有落地。

 

去年,文悦之前的岗位上接触到AI搭建知识库的工作。今年初考虑辞职时,她开始想转到AI,“AI是新行业,我有机会能赶上别人,我的背景不好,如果去饱和成熟的行业,不一定能进去。”

 

文悦自己整理的面试逐字稿 


今年4月,文悦裸辞了,“我要是不辞职的话,我可能下不了决心(转行),因为之前的工资挺高的,我害怕自己会安于现状、不想跳。反正先辞了再说。想了个大概,但没有想太多,没有想很远说一定在AI行业干个十年八年的。”

 

文悦在家休息了一两个月,然后用自己的积蓄来了北京,“北京做AI的公司多。我想反正转都转了,就来做得最好的城市。”

 

文悦gap期间过得“特别爽”。吃喝用度也没省钱,“一点也没委屈自己”,喜欢买“中看不中用”的东西,为了做小红书账号,把在北京的老破小出租屋,装修打扮了一番。gap几个月,她把五六万的积蓄花光了。

 

“我也不知道为什么,(对于钱花光)我一点也不怕。不管最后能不能挣到钱,我得先想着自己能挣钱,不然肯定挣不到。大部分时候,我心里总有一种想法,就是我一定能挣大钱。”文悦说。

 

她每天中午十二点起床,做做饭,再花三四个小时看AI的视频和资料,一边学一边用平板放电视剧,“如果我某一天灵感大爆发,干活特别有状态,我就会把电视关掉,干通宵。”就这样学了两三个月。她习惯给每个面试问题写逐字回答稿,不断更新,40多个面试问题,写了一万四千字。


她的面试邀约并不多,因为她是自考大专、不是全日制本科,很多公司不会约面。后来她面了四家,其中两家是大厂外包,她后来9月入职了如今这家做To-G业务的农业公司,月薪15k,“没想加工资,想着先进行业再说。”

 

她目前所在的AI产品经理岗,不用对AI的底层技术了解透彻,她曾经看一本讲技术原理的《这就是ChatGPT》,看了100多页没读完。目前的岗位,要求能设计产品的功能、辅助售前去谈项目就可以。

 

爸妈当初不同意她高中辍学,如今也不支持她换城市来北京,但拗不过她,“想做什么,我先做完了再跟爸妈说,大部分情况下,他们都是不同意的。”

 

男友跟着文悦来了北京,换了工作。男友之前是做软件测试的,在她的建议下,转到了大模型测试岗,给大厂做外包,也是先入行AI再说。 男友当初犹豫要不要跟她来北京,文悦的想法是,“如果他不来,我也要自己来。好不容易想干个事了,不能有人耽误。”

 

文悦觉得未来不一定一直做AI产品经理,以她外向的性格,给客户做售前也能做得很好。

 

“我是想法比较多的人,今天想干这个,明天想干那个。以前有段时间特别想考研,后来了解到考上后要上三四年的学,就不太能接受,虽然我也不一定能考上。又想攒钱留学,虽然还不知道去哪里留学,但就是想去,作为一个目标,让我好好存钱。我爱好也广泛,除了画画,还喜欢做手工:黏土(橡皮泥)、热缩片、串珠、做美甲……我给自己做美甲可专业。”

 

如果说像诚汉和文悦这样的普通人,还能半路进入普通的技术岗或者外围的产品、运营岗,但对于更顶层核心的技术骨干,并不会跟风,而是早就在大模型技术上有深耕积累的。

 

猎头熊军(化名)今年招聘了多个AI方向的投资岗、技术岗,往往是团队管理者、早期投资人、研究员等级别。以他的经验,互联网大厂和AI独角兽六大家招聘的大模型技术骨干、核心科学家,大多数是博士起步、发过顶刊顶会论文的。

 

“现在做大模型需要RL(Reinforcement learning强化学习)方向的人,RL专家本来在算法圈子里就很少,人才池很小,原来用的算法都是NLP(自然语言处理)、CV(计算机视觉)。国内真正做RL的人屈指可数。原来整个腾讯X Robotics实验室下面,真正做强化学习的专家也就个位数。”熊军说。

 

这种大模型“科班”出身的专家,是互联网大厂和AI独角兽创业公司都在高价寻找的。“打个比方,如果大厂出200万,创业公司可能要再加个几十万的价,但这几十万不重要,因为这个人对公司的贡献是薪资的起码十倍,重要的是候选人能否解决问题。”

 

这批人其实都是很坚定的,没有谁是跟风过来的,甚至在自己的领域已经达到top talent的级别。不是转不转行的问题,是这些人对于自己的赛道是否有辨识度的判断,是否有坚持下去的理由。” 猎头熊军说。

 

在时代潮水中,每个人面临的都是选择与代价,浪潮中有小鱼们徘徊漫游的空间,浪头则永远是勇敢冒尖者的游戏。


文章来自于“虎嗅科技组”,作者“王沁”


AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

2
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

3
微调

【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台,可以对大语言模型(LLM)和多模态图文模型(VLM)进行预训练和轻量级微调。XTuner 支持多种微调算法,如 QLoRA、LoRA 和全量参数微调。

项目地址:https://github.com/InternLM/xtuner

4
无人直播

【开源免费】VideoChat是一个开源数字人实时对话,该项目支持支持语音输入和实时对话,数字人形象可自定义等功能,首次对话延迟低至3s。

项目地址:https://github.com/Henry-23/VideoChat

在线体验:https://www.modelscope.cn/studios/AI-ModelScope/video_chat


【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案,生成数字人形象进行直播,并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。

项目地址:https://github.com/PeterH0323/Streamer-Sales