01
我的学校是两财一贸,专业也是很纯正的经管类。围绕在我们学院的就业氛围一直是很纯正的金融风味,满耳朵的银行证券投行、一级二级市场。
我之前也是把金融业作为大的就业方向,并且投入过一些努力,比如去基金公司实习、认识做感兴趣方向的学长等等。起初,我决定把一级市场的pevc(风投私募)作为目标岗位。这一类型岗位所要求的好奇心、交谈能力、深度思考能力很对我的胃口,很满足我对于一个“有意思的事情“的预期。
但是大三刚开始的时候,我却放弃了这个想法,转向互联网的ai产品经理岗位。
这要从我第一次实习说起,当时做的更多是一些基础类的执行工作,比如整理文稿、写文档等等。我时常在繁复的细节工作中出错,也苦于重复工作的疲惫与乏味。
后来来了一个新的实习生,他的能力让我很惊艳,不仅可以做到细致不出错,还提出了一系列用ai做的优化方案。
这些方案就是我直观感受到ai力量的开始。
之前很难整理、或者是需要许多人为步骤的工作,在他的提示词下竟然实现了效果不错的自动化,前后过程节省了很多的人力。深刻体验过之前和之后变化的我,强烈地感受到了ai带来的影响。
冥冥之中,我有一种预感,ai会越来越大幅度地重塑许多工作,我必须要去靠近它。
于是我开始了解到一些我可以靠近它的方法,有一个很适合的岗位:ai产品经理。产品经理扮演的是一个提炼用户需求、设计需求文档、对接技术开发的角色,而ai产品经理则对于ai方面的理解有更高要求。
02
后来,我成功转入这一岗位,现在也做了大半年的ai产品实习。
中途完全没有想过后悔或者是转回金融,而是一次次地被ai的力量震惊。这一年,我一直都处于一种不断学习的状态。
新的技术和产品层出不穷,在一个技术迭代的时期里,人类想象力的能量被无限放大并且毫无穷尽。每一个个体身处其中都只能望洋兴叹。
那么对于我,为什么铁了心想做下去呢?
一方面是因为我之前的经历和实际感受,我意识到了ai对于工作效率的巨大改变,所以决定要靠近、学习它,用它来实际作用于我自己的生活与工作。
我从不因为一些ai会替代人类的论调而对它报以排斥,无论未来ai会不会走向人类失控的天平另一侧,此时此刻去运用它改变自己的生活都是值得做的。
最初,我使用ai只是用来生成长文档,或者询问问题。现在多了不少场景:用ai加工我的背诵资料帮助我理解记忆、用ai帮我生成网页给朋友作为生日礼物、利用ai速通期末、用agent整理本地文件和执行各项工作任务等等。
现在,我更多地将注意力投放在如何用ai替代一些我现有的重复工作流,用自动化的方式来节省时间;此外,我也开始关注怎么提升和ai合作的方式来提高效率与质量。这些方面能做的努力是无限的。
ai技术,值得任何人尽早去投入和靠近。
03
另一方面,我认为未来的职业是注定要被重塑的。
在做ai产品经理的过程里,我就经历了工作方式的大变样,从一开始的画原型图写prd到现在直接用ai去改前端代码库,产品和开发的合作方式也开始有了一些变化。同时,还有一些像FDE这样的新岗位出现。
人在工作中扮演的角色也越来越不同,当ai已经可以成为半个同事并且能力越来越强,人逐渐成为一个布置任务和判断验收的角色,更多的时间精力被投入到核心的思考判断之中。
未来的职场会是什么样子,我们无法预判,但是我想从现在开始就熟悉和使用ai,才会更能够在一切都被悄声重塑的过程里慢慢找到适合自己的道路,以及适合自己的与ai合作方式。
ai相关的岗位是否有前景,哪一个有前景,也没有人说得准。许多人往ai产品这个岗位上转,但是这也说不准只是一场浮华的泡沫,在求职过程中我也看到了很多打着ai产品名号实则只是为了ai而ai,并没有真正发挥它作用的情况。
但是只有靠近它,亲身地去感受和学习,才能够在诸多不确定性中增加一点自己的经验和判断,ai的变革本身就日新月异,参与其中,感受自己也如同海上波涛一样翻涌,其实也是一种趣味。
——
我在实习的过程里对很多东西产生过重新的思考,比如目标公司、行业、岗位,但是一直感受到有巨大学习空间和吸引力的,是ai技术本身。
在这个时代里,很多人会为新技术的到来感到恐惧、排斥,但我想,其实短短一生能够经历这样一场技术革命,也是作为一个个体的幸运。恐惧自然是真实的,但是人永远在科技的身旁,在滑向深渊之前,我们永远拥有能动性。
最后
对于正在迷茫择业、想转行提升,或是刚入门的程序员、编程小白来说,有一个问题几乎人人都在问:未来10年,什么领域的职业发展潜力最大?
答案只有一个:人工智能(尤其是大模型方向)
当下,人工智能行业正处于爆发式增长期,其中大模型相关岗位更是供不应求,薪资待遇直接拉满——字节跳动作为AI领域的头部玩家,给硕士毕业的优质AI人才(含大模型相关方向)开出的月基础工资高达5万—6万元;即便是非“人才计划”的普通应聘者,月基础工资也能稳定在4万元左右。
再看阿里、腾讯两大互联网大厂,非“人才计划”的AI相关岗位应聘者,月基础工资也约有3万元,远超其他行业同资历岗位的薪资水平,对于程序员、小白来说,无疑是绝佳的转型和提升赛道。
如果你还不知道从何开始,我自己整理一套全网最全最细的大模型零基础教程,我也是一路自学走过来的,很清楚小白前期学习的痛楚,你要是没有方向还没有好的资源,根本学不到东西!
下面是我整理的大模型学习资源,希望能帮到你。
👇👇扫码免费领取全部内容👇👇
最后
1、大模型学习路线
2、从0到进阶大模型学习视频教程
从入门到进阶这里都有,跟着老师学习事半功倍。
3、 入门必看大模型学习书籍&文档.pdf(书面上的技术书籍确实太多了,这些是我精选出来的,还有很多不在图里)
4、AI大模型最新行业报告
2026最新行业报告,针对不同行业的现状、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。
5、面试试题/经验
【大厂 AI 岗位面经分享(107 道)】
【AI 大模型面试真题(102 道)】
【LLMs 面试真题(97 道)】
6、大模型项目实战&配套源码
适用人群
四阶段学习规划(共90天,可落地执行)
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
硬件选型
带你了解全球大模型
使用国产大模型服务
搭建 OpenAI 代理
热身:基于阿里云 PAI 部署 Stable Diffusion
在本地计算机运行大模型
大模型的私有化部署
基于 vLLM 部署大模型
案例:如何优雅地在阿里云私有部署开源大模型
部署一套开源 LLM 项目
内容安全
互联网信息服务算法备案
…
👇👇扫码免费领取全部内容👇👇
3、这些资料真的有用吗?
这份资料由我和鲁为民博士(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。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】