核心内容摘要
《急救护士：法国温情描摹生死边缘的守护者》
大模型技术重塑IT行业人才结构产品经理岗位正在消失程序员与产品经理职责趋向融合。
大模型时代经验被降级拥有足够新的知识更为重要。
传统螺丝钉式工作模式被淘汰技术岗位边界模糊程序员面临职业转型压力需不断提升技能以适应行业变革。
一名失业中的程序员因为一次大胆的求职之举登上了微博热搜。
向瑶函花费999元在广州地铁珠江新城站购买了一个广告位5天的使用权用来投放自己的简历二维码扫码就可以了解这名程序员“飘零的前半生”。
向瑶函是在2023年5月“主动失业”的。
去年3月15日凌晨GPT-4发布兴奋之余他和很多其他程序员隐隐感到不安——面对生成式AI技术的爆发是当一名旁观者还是主动拥抱新变化此时的向瑶函还在广州一家粮食企业当数据经理热衷于AI比赛的他总是自诩为“AI狂热分子”业余在广州的互联网行业咨询圈子也干得有声有色。
2023年5月举办了4场小范围AI讲座后向瑶函明显感到大模型的热度已经不能简单地用“陡然上升”来形容。
来参加讲座或来咨询的广州老板们陷入了AI焦虑不论是哪行哪业企业多大多小都琢磨起了建大模型的主意。
但向瑶函当时的东家——一家把泰国的大米卖到中国的上市公司似乎对做AI并不感兴趣。
“AI是大方向”“我要做AI”“指不定成为中国AI界一颗冉冉升起的新星”……抱着这样的想法雄心勃勃的他计划转型去当一名算法工程师。
大模型呼啸而至互联网已经很久没有经历这样的技术冲击了。
互联网时代的技术岗打工人和前线大模型公司这两块拼图要完全吻合难度超乎想象。
消失的产品经理事情没有向瑶函想得顺利“门槛确实太高了很多招聘要求是能开发底层大模型”。
向瑶函自认在写代码这件事上是有天赋的在AI比赛上靠写中小模型也获过不少奖项但对大模型经验寥寥。
更糟糕的是毕业于湘潭大学企业营销专业的他曾经靠自学Python闯入技术圈但“英雄不问出处”的法则在大模型行业失灵了“学历上就卡死了”。
市场达成了自己的共识这个共识就是追求确定性以实现不确定性。
要在大模型行业有一席之地人才密集和资金密集与否是唯二决定生死的核心要素。
大家多少清楚如今大环境下投资人的谨慎至于人才情况要令人困惑得多——从大厂高管、创业公司老板再到投资人、猎头没人了解方向都在从零摸索起。
作为大模型初创公司共生团队负责人张林最近做了一个决定暂时搁置招聘产品经理的工作。
创办共生团队几个月后市场给忙于吸纳人才的张林上了最新一课——**大模型公司很难在互联网体系内找到可以经验复用的产品经理。
**放弃招聘后他和几位AI工程师出身的创始团队成员兼起了公司产品经理的职责。
“我们筛选过很多产品经理的简历做UI的、产品的等等但他们的共同问题是不了解大模型项目的底层机制导致没有办法很快迁移经验。
”张林说道“如果理解程度是‘画一个界面’那最后基本一塌糊涂。
”国产大模型已经卷了一年半但张林至今没有看到“比较高质量”的产品经理出现。
他产生了巨大的紧迫感。
他告诉36氪创办公司几个月的时间里团队更加坚定了这样的认知“我们尝试从原子化角度来看如果一个新技术让单个个体角色发生根本性变化那么由这样一个个体所组成的单位和系统自然也逃不过变化。
”大模型猎头Louis则感觉**“所有人都在追逐同一拨人”**就是清华帮那十几个“如果追求对底层大模型的认知国内只有他们。
”“无论创业公司还是大厂都在问我同样的事情唐杰老师智谱AI首席科学家、清华大学计算机系教授的减一直属下级能不能挖来岂凡超深言科技创始人、清华大学人工智能研究院教授孙茂松的学生的减一能不能挖来”短时间内清华帮十余人成了国内大模型人才市场唯一的确定性要招他们之外的人大家几乎连招聘要求怎么写都没有头绪。
资深猎头肖恩曾接过几个互联网大厂的大模型招聘需求只不过对接的过程令他有些哑然失笑。
“某头部大厂根本不知道想要什么还异想天开想从OpenAI、Meta什么的挖人。
”“有些大厂大模型团队办公室都开到国外了但是也没做出什么水花也不知道未来要干什么。
”投资人也在雾里看花。
曾经有投资人问张林是不是国内大模型公司已经泛滥了这让张林感到无奈。
“根本不可能真正能做底层大模型的始终只有那一拨人无非是几个团队间绕来绕去这个技术很难短期内扩散。
”眼下优秀的AI工程师就像上世纪90年代的程序员匮乏且抢手。
技术招聘平台CoderPad近期发布的报告显示“AI专家”成为最难填补的职位第二名而即使在十年前的上一轮AI革命AI专家的招聘难度都未曾进过前三。
去年Louis为一家大模型团队招聘一系列技术岗位包括数据清洗和SFT有监督微调等。
和所有人一样她最开始的路线是专找圈内“掐尖儿”的技术人员但很快这些候选人被验证“又贵又不好用”。
很大一个原因在于大模型时代技术岗位边界在变得模糊。
张林的技术团队不到10个人除去一两位专做底层大模型的工程师其他人绝大部分精力用来做系统设计和产品设计写代码的比重越来越小。
“落地时谁写的代码谁就自己做项目经理。
”HiDream.ai的研发人员同样覆盖全流程公司创始人、CEO梅涛博士告诉36氪“工程师做完模型自己封装才跟得上迭代的速度。
”36氪走访了解到行业普遍的预测是未来程序员和产品经理两个岗位将合体。
要找到符合这样要求的复合型人才是件难事。
一方面如张林的经历现阶段市场里没有现成的人选另一方面需要跟时间赛跑的大模型公司们也不被允许等待市场培养出成熟人才后再收割大模型迭代晚一天都是万亿参数训练的落后。
经过一年摸索后Louis感觉国产大模型人才需求进入阶段性稳定期呈现出一种“哑铃状”格局要么追求头部技术大咖要么招应届或在读的学生。
“有些公司的心态是大模型极大地降低了编程门槛那对于一些非核心技术岗利用开源大模型也可以迅速学会应届生又便宜、技术又新Why not”Louis说道。
张林在碰壁后也发现通过招聘的方式已经很难找到技术和产品的多面手他选择另辟蹊径从源头培养。
他告诉36氪共生团队已经开始广泛跟高校合作“我自己在带硕士和博士的科研项目在这个过程中发掘足够强的候选人将来自然而然进入公司工作。
”张林的做法并不少见**学术和工程边界加速弥合是大模型公司带来的新变化。
**以Midjourney为例11人团队中9人是研发人员没有产品经理且9位研发人员中有4位都是尚未毕业的本科生。
而“工业界与学术界融合”最为成熟的标杆自然是OpenAI。
过往新的技术突破总是最先诞生在学术界但ChatGPT成为一个节点——一个独立于大公司之外的研究型组织引入一批“年轻甚至在读的顶尖学者”将科学和产品、商业结合才最终诞生了ChatGPT这样伟大的系统。
“过去把研究型组织安插在大公司这样的AI Lab模式已经成为历史了。
”月之暗面创始人杨植麟日前在接受腾讯新闻采访时表示AGI的生产方式跟互联网不一样科研或教育系统会转变职能变成培养人才为主。
这一轮技术革命中经验的重要性被不断降级取而代之的是“拥有足够新的知识”越来越多科技领域学者在学术生涯早期便介入工业界。
在此背景下大模型老板们自然也是下手多早都不为过。
“本科生我们都不放过”据张林观察在大模型时代本科生甚至比博士生更容易出东西“没有旧技术的负担很重要”。
并非取代那么简单大模型或许是属于技术追求者的最好的时代它更单纯、更聚焦、更长期主义。
产品是否受欢迎比拼的几乎只有技术。
这也造成了一种技术焦虑——新一轮技术冲击下跟不上就会被抛弃吗地铁站求职广告发布后有50多家企业找到向瑶函这本该令人高兴但30多次面试下来靠谱的工作还是偏数据分析。
他不得不告诉自己自己的“大模型梦”可能很难实现了。
“感觉大模型出来后之前学了三年Python都白费了。
”在他身边案例也逐渐变得两极化有人因为在高精尖行业做大模型如鱼得水也有以“AI可以取代你”为名而被迫离职的案例。
向瑶函眼下的职业困境或许和大模型编程能力的完善有关这听上去简直是个悖论。
编程是从计算机诞生起就存在的概念是构建互联网最基础和底层的工作。
与此同时编程语言一直在进化从最初的二进制到后来的机器代码、汇编语言再到高级语言诸如C语言、JAVA、Python等当下流行的编程语言都已有三四十年的历史。
2021年时OpenAI就开发出了Codex系统Codex可根据程序员的自然语言输入进行简单的代码编写支持被看作是AI编程的开端这之后便开始有声音讨论“大模型取代程序员的可能性”。
直到最近类似产品开始井喷一批“码农大模型”密集诞生。
比如初创公司Cognition发布的首个AI软件工程师Devin、蚂蚁集团CodeFuse平台推出的“图生代码”技术、微软根据OpenAI的Codex模型开发的代码建议工具GitHub Copilot……今年年初技术招聘平台CoderPad的一份调查显示超过80%的开发者正在工作中使用ChatGPT或Copilot。
CSDN的一份调查则显示35%的开发者每天使用代码生成工具其中36%的人认为开发效率得到极大提升。
相比于过去一段日子大模型学会画画、做视频和作曲“学会编程”这件事之所以更具有颠覆意味在于互联网的生产方式围绕编程展开。
编程之外还有需求分析、测试运维、数据洞察等成体系的开发流程改变了基础编程就改变了互联网的生产方式。
用英伟达CEO黄仁勋的话说“现在世界上每个人都是程序员”——过去需要编程语言完成的工作如今使用自然语言就可以完成。
“从早期的COBOL语言到现在的Java、Rust、JavaScript编程语言之父们发明了数百种编程语言只为让开发更容易。
”CSDN创始人、董事长蒋涛说如今大模型允许自然语言生成代码后“我们预计在未来3年至5年全球开发者会从现在的1亿增长至10亿规模。
”当个体开发者增长到一定规模后蒋涛预测会出现一批超级程序员个体会像视频的up主一样提供类似freelancer的软件开发服务。
当然硬币永远有另一面。
“把编程能力看作是一个金字塔形状的话大模型吃掉的是最下面一两层、门槛最低的写代码能力比如代码辅助和生成市场对开发者的需求会向上层能力转移。
”蒋涛说道“这一调整过程中一定会经历一个阶段是程序员失业期。
”Motherboard和Blind此前展开了一项有9388名工程师参与的调查数据显示有66%的人认为找工作变得更加困难了而从岗位供给来看Motherboard表示人工智能将导致程序员招聘人数减少。
作为前沿试验场硅谷大模型公司的人才结构说明了一切。
Midjourney只有11名全职员工Magnific AI只有2名全职员工Sora只有13人。
36氪受访者中共生团队同样只有十余人HiDream.ai则只有不到30人。
与此对应的变化是虽然大模型公司的全职开发团队在精简甚至缩编但“零工”体量在变大。
CoderPad数据显示去年近六成招聘方为了满足技术需求会招聘临时工或实习生技术岗。
Midjourney同样是个典型的例子在11人全职团队外其外包人员达60余人。
拉长时间看这样的变化和“取代”发生在一次又一次的技术迭代之中。
25年前蒋涛创办CSDN的上世纪90年代他们这群“国内第一批互联网程序员”还曾需要自己“画窗口”。
蒋涛告诉36氪“程序员的工作几乎每天都在经历自动化。
过去几次自动化是给程序员提供了‘框架’如何使用框架还需要程序员的能力但如今这一能力被大模型掌握了。
”90后软件工程师苏奇试用了几次大模型后并未引发他过多的职业焦虑。
“可以取代一部分重复工作来提升效率比如idl和一些POJO代码但本身壁垒不深的技术岗比如测试、SRE、前端可能会最早受到冲击。
”他的焦虑不来自于取代本身而是来自于如何确定自己是否会被取代。
“假设大模型取代了简单工种原来的程序员只保留了头部的30%到50%但我如何判断自己是否是前30%”苏奇说“比如一个应届生刚工作没有经验基本无法判断自己的身位。
”开发者更好的时代技术开发所需要的核心人员越来越少过去互联网时代堆人头的开发方式在大模型时代不再奏效。
大模型是互联网之外的一个新底座互联网旧系统很可能已经不再适用大模型之上的生产方式与组织方式要被重构。
比如“螺丝钉”这一诞生在互联网时代的名词张林觉得会在技术行业消失。
“即使未来共生团队扩张业务增加我们技术团队的人数也不会暴增。
不管哪个做大模型的公司或机构如果哪天突然人数暴增我觉得都是不正常的。
”蒋涛抱有类似的看法。
虽然互联网三十年庞大的软件程序是靠每一位程序员的每一行代码建立但从另一个角度看“‘程序员’同样是过去软件开发最大的阻碍”。
“一个没有编程知识的人即使有想法也无法落地成应用。
所以即使几十年过去程序员数量仍然远远小于需求量。
”蒋涛说道“而对于公司而言如果想开发任何软件算一下调用和雇佣程序员的ROI大部分应用可能就被放弃了。
”杨植麟此前在腾讯新闻采访中被问及如果Sam Altman是在微软内部领导微软旗下的人工智能团队会和OpenAI有什么不同。
他直言要在旧文化里产生新组织难度很大。
苏奇曾先后在中美的三家互联网大厂做软件工程师在应聘过程中他发现国内各个阶段的互联网公司招聘都很喜欢要“速赢人才”。
“一家公司要做A业务就要把竞对大厂做A业务很多年的人直接挖过来能带点PPT和代码就更好了。
这导致什么**整个行业的技术框架高度同质化。
**比如搜推都是百度的架子订单、支付、对账都是阿里的。
”“速赢人才”能最大程度促进扩张这自然对追求规模效应的互联网公司至关重要。
当然算法好坏也很关键但仍然比不上在当地铺了多少地推、发了多少补贴、办了多少拉新活动重要。
不管是“速赢人才”还是“螺丝钉”互联网公司的生产逻辑是尽可能细地切割个人能力然后将个体固定在某一环节进行生产。
但在36氪的多个受访者看来大模型将不再奉行这一逻辑。
梅涛的体会是哪怕是跟上一代AI四小龙时期比大模型为代表的AI技术也更为技术导向。
“以前一个人脸识别单子下来十几个供应商都在那里投标这里面看的不是模型而是公司的综合解决方案能力。
”他举例小区闸门的人脸识别、工厂的人脸识别和关口的人脸识别本质都不一样性能差别很大无法基于同一个模型底座最终就变成传统企业的服务现象——需要大量的BD和交付有N个项目就需要招N倍的人。
“今天的AI它在任何时候都不是一个商业模式也不是一个行业它是一个自己能闭环的技术。
”梅涛说。
张林同样遇到过类似的问题。
经常有投资人一见面就问他“你们是做哪个行业的”但这是属于互联网时代的“问法”“什么是行业”在大模型公司要重新定义。
他一遍遍解释“和上一代技术不一样今天很难定义什么叫行业。
比如不管是服装设计还是建筑设计对于大模型来说它们二者是一样的因为计算方式一样。
大模型有很强的牵引性。
”张林最近跟朋友聊起《人月神话》——这本书被视作软件开发行业的圣经经历了一段时间大模型创业后他对这本书的理解更深了。
书中写道当软件组织体量很大开发的难度并不是线性增长的关系而是指数级增长最后导致重要的开发问题变得异常复杂像一个“焦油坑”让所有开发人员深陷其中。
“为什么会这样很重要的一个原因是过去的软件开发绝大部分是体力劳动就是敲代码当公司越来越大代码和人员越来越多时一个组织中需要有1/4甚至更多的人去做管理这个系统才能运转起来。
”张林说道。
《人月神话》更具体地描述了这种困境比如一个项目需要4个开发可能需要配2个测试1个项目管理2个产品经理等最终下来团队中的研发比例只剩不到30%。
这本书最终推论一窝蜂的作业方式无助于软件生产且会制造麻烦产生出更差的软件。
在这样臃肿的“旧文化”里技术创新的空间便愈发逼仄。
苏奇对《人月神话》序章那句“success without applausediligence without reward.”深有同感“代码写得好不好、有没有实际价值、是否产生新效益全凭开发人员主动的自我要求。
”但现实是大部分开发人员都是被动支持系统的“螺丝钉”。
苏奇回忆供职的上一家大厂时常发生的情况是开发方案A改B晋升了一波人走之后方案B改A又晋升了一波人。
“有时为了争取资源技术人员不得不做点简单问题复杂化但能汇报的东西。
”苏奇说“很多人自己做的产品自己都不用。
”《人月神话》已经是22年前出版的作品如今软件工程发展了几十年我们拥有了更快的硬件、更完善的框架、更方便的语言然而这本书中描述的几十年前的问题至今都没有被解决依旧困扰着每一个程序员——他们依旧无法评估工作量难以进行合理的进度安排他们很少能自己控制工作环境和工作目标而是他人来提供目标和资源项目落后时只能被动延长工作时间或者增加人力……所以软件工程几十年来没有进步吗原因的源头自然不是技术而正是几十年未变的生产链条。
GPT
0发布一年了求职者向瑶函仍旧百分百对AI保持热忱“人”才是他不相信的环节。
那个因为AI被裁员的朋友没过几个月就发现是新人填补了他的空缺而不是大模型。
“AI没有取代这个岗位”向瑶函甚至怀疑这仅仅是一个冠冕堂皇的理由。
AI时代未来的就业机会在哪里答案就藏在大模型的浪潮里。
从ChatGPT、DeepSeek等日常工具到自然语言处理、计算机视觉、多模态等核心领域技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。
掌握大模型技能就是把握高薪未来。
那么普通人如何抓住大模型风口AI技术的普及对个人能力提出了新的要求在AI时代持续学习和适应新技术变得尤为重要。
无论是企业还是个人都需要不断更新知识体系提升与AI协作的能力以适应不断变化的工作环境。
因此这里给大家整理了一份《2026最新大模型全套学习资源》包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等带你从零基础入门到精通快速掌握大模型技术由于篇幅有限有需要的小伙伴可以扫码获取
成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。
这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。
大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。
书籍含电子版PDF
大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。
大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。
大模型行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。
大模型面试题面试不仅是技术的较量更需要充分的准备。
在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。
为什么大家都在学AI大模型随着AI技术的发展企业对人才的需求从“单一技术”转向 “AI行业”双背景。
企业对人才的需求从“单一技术”转向 “AI行业”双背景。
金融AI、制造AI、医疗AI等跨界岗位薪资涨幅达30%-50%。
同时很多人面临优化裁员近期科技巨头英特尔裁员2万人传统岗位不断缩减因此转行AI势在必行这些资料有用吗这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。
本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。
大模型全套学习资料已整理打包有需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】