AI 大模型时代下的职业发展分析
从 ChatGPT 到新近的 GPT-4，GPT 模型的发展表明，人工智能正在向着'类人化'方向迅速发展。GPT-4 具备深度阅读和识图能力，能够出色地通过专业考试并完成复杂指令，向人类引以为傲的'创造力'发起挑战。
现有的就业结构即将发生重大变化，社会生产力的快速提升将催生新的行业和岗位机会。如何与人工智能协同工作，利用 AI 辅助办公已经成为各行各业从业者的必修课。脉脉创始人兼 CEO 林凡认为，从'人工智障'向'人工智能'的进化节点，是大模型的出现。
一、行业大模型 NLP 开发的招聘趋势以及人才紧缺度
1. 人才紧缺度高
根据相关人才报告显示，人工智能成为近年最缺人的行业之一。人工智能行业的人才紧缺指数（人才需求量/人才投递量）较高，这意味着该领域人才缺口巨大且竞争相对不那么内卷。
随着 ChatGPT 等技术的爆发，这种趋势在 2023 年及之后强势蔓延，薪资水平也水涨船高。从主流招聘平台的数据来看，拥有 3-5 年工作经验的资深算法工程师，薪资范围通常在 40K-80K 之间。基本实现年薪百万的目标（加上年终奖和期权等），这在技术行业中属于顶尖水平。
2. 不用担心 35 岁危机，对年龄的容忍度更高
AIGC 整个领域人才年龄结构整体偏大，70% 的从业者年龄超过 30 岁；33% 的从业者年龄超过 35 周岁。所以相比于传统互联网行业，35 岁危机会小很多。当然，不能说完全没有，因为任何一个行业，如果不好好干自身能力不强都会有危机，除非是铁饭碗。
3. 整体要求相对较高
大模型开发 NLP 领域虽然岗位紧缺度高，但是整体招聘要求相对较高。掌握相关算法（Transformer/Bert/GPT/T5 等）和编程功底是就职的硬性要求。
除此以外，还要求必须具备 NLP 大模型项目训练落地经验或者对 NLP 常见基础任务有深入理解与项目落地经验：文本生成、信息抽取、文本分类、MRC（机器阅读理解）、主题发现等。
基于以上分析，建议有意向的开发者在当下积极关注 AI 大模型 NLP 开发这一新兴领域，工资高前景好。
二、在大模型时代，我们如何有效的去学习大模型？
现如今大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高。AI 运营薪资平均值约 18457 元，AI 工程师薪资平均值约 37336 元，大模型算法薪资平均值约 39607 元。
1. 学习路线图
为了系统性地掌握大模型技术，建议遵循以下进阶路线：
-
第一阶段：大模型系统设计 从大模型系统设计入手，讲解大模型的主要方法。理解预训练、微调、推理的基本架构，掌握 GPU 算力资源的管理与调度。
-
第二阶段：提示词工程 (Prompt Engineering) 在通过大模型提示词工程从 Prompts 角度入手更好发挥模型的作用。学习 Zero-shot, Few-shot, Chain-of-Thought 等技巧，优化输入输出效果。
-
第三阶段：大模型平台应用开发 借助阿里云 PAI 等平台构建电商领域虚拟试衣系统等实际案例。了解云原生部署流程，容器化技术（Docker/Kubernetes）的应用。
-
第四阶段：大模型知识库应用开发 以 LangChain 框架为例，构建物流行业咨询智能问答系统。深入理解 RAG（检索增强生成）技术，解决大模型幻觉问题，结合私有数据源。
-
第五阶段：大模型微调开发 借助以大健康、新零售、新媒体领域构建适合当前领域大模型。学习 LoRA、QLoRA 等高效微调参数技术，掌握数据准备、数据蒸馏、大模型部署的一站式技能。
-
第六阶段：多模态大模型 以 SD（Stable Diffusion）多模态大模型为主，搭建文生图小程序案例。理解图像生成原理，探索视频生成等前沿方向。
-
第七阶段：行业应用整合 以大模型平台应用与开发为主，通过星火大模型、文心大模型等成熟大模型构建大模型行业应用。整合前端、后端、数据分析能力，实现全栈工程落地。
2. 核心技术与工具栈
要胜任大模型算法工程师岗位，除了上述路径外，还需掌握以下核心技术栈：
- 深度学习框架：PyTorch 是绝对的主流，需熟练掌握其动态图机制、分布式训练策略。
- 自然语言处理库：Hugging Face Transformers 库，熟悉 Model Hub 中的预训练模型加载与配置。
