大厂 AI 人才争夺战：哪些技术职位最火爆？

而数据分析师是另一个备受关注的职位，他们精通数据的解读和分析，他们可以通过对海量数据的挖掘，为公司提供宝贵的商业洞察，薪资平均在 37W 左右。

对于有编程或者 Python 基础的程序员来说，如果有兴趣加入这个行业，可以通过一些免费试听课来检验自己的能力。

02 大厂在招岗位

在互联网和电商领域，各大企业纷纷加入人工智能的布局。百度、华为、阿里巴巴、字节跳动、腾讯和京东等巨头纷纷投入大量资源，并招聘了众多的 AI 工程师和相关职位。他们的今年 AI 工程师的基本薪资相较于两年前 20K 的也有了明显的增长，基本上都达到了 30K 的水平。

听有个在腾讯刚刚离职的同事讲，他在腾讯工作，这里工资相对较高，而且每半年还有升职加薪的机会。但是，升职可不是那么轻松的事情。每次升职都要准备答辩 PPT，展示自己在项目组的成果和解决的难题。还得通过严格的代码考核，只有表现优异才有晋升的机会。

不过，不仅仅是因为工资福利，他还挺喜欢这里的氛围的。领导们很开明，经常和大家聊天，了解大家的近况，并且还会帮助解决工作中的问题。

在 AI 领域，技术更新飞快，每个项目都要掌握新的知识，适应不同的需求和赛道。虽然压力大，但也正是这样的环境让他不断成长，成为更好的自己。

所以，各位同学，选择的时候要综合考虑，权衡利弊，才能找到适合自己发展的大平台。

03 未来趋势

巨头企业争夺着 AI 领域的霸主地位，他们的竞争不仅体现在技术研发上，还包括产品和服务的推出。他们不断创新，将 AI 技术应用于各个领域，为人们的生活带来了便利和智能。而在这场激烈的竞争中，谁能够脱颖而出，成为 AI 领域的真正巨头，还有待时间的检验。

2020 年，前程无忧显示最热门的 AI 领域企业热招的 12 大岗位如下：

而今年，脉脉发布《2023 AIGC 人才趋势报告》表明受 ChatGPT 热度影响，今年国内 AIGC 招聘需求量同比上涨 31.3%，创历史新高。其中，图像识别、算法研究、深度学习岗位依旧是企业热招。

也就是说，随着 AI 技术在医疗、金融、教育、物流、交通、日常生活等各个领域的普及，AI 热招职位的变动应该不会太大，但是肯定会侵蚀很多传统低端重复性岗位。现在，工作组合正在发生变化，麦肯锡预计美国 AI 行业还会发生 1200 万次工作跳槽。

但是，随着各国关于人工智能安全性的怀疑，人工智能的发展受到了一定的限制。ChatGPT 也没有按预期的快速发展，甚至 OpenAI 公司可能在承担每日 70 万美元的消耗下，于明年破产。以及，隐私的限制，也让它的升级换代变得缓慢，甚至让人感觉它变'笨'了。

04 技能提升与学习路径

对于想要进入人工智能行业的人来说，可以通过读大学专业或者参加相关课程来增加自己的技能。响应时代发展，国内的一些大学如北京大学、中国人民大学、清华大学、北京交通大学等，开设了人工智能专业。

如果有机会，请快速抓住这个新行业新赛道，因为任何新兴行业的人才都会随着时间越涌越多。不客气的说，无论是在互联网行业还是其他领域，只有不断学习和进步，适应变化，才能在竞争激烈的世界中立于不败之地。

任何热门行业都有其快速发展期和衰退期，互联网也在快速发展十多年后的今天，发生了大裁员，行业巨头阿里巴巴的裁员直接导致杭州房价下跌，所以，抓住下一个风口，才能拥有抵抗更多风险的能力！

大模型&AI 产品经理如何学习

针对希望深入大模型及 AI 产品领域的从业者，以下是一个系统化的学习框架，涵盖了从系统设计到垂直应用开发的关键环节。

1. 学习路线图

• 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 Transformer 架构基础及推理机制。
• 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，掌握 CoT、Few-Shot 等技巧。
• 第三阶段：大模型平台应用开发 借助阿里云 PAI 平台构建电商领域虚拟试衣系统，熟悉云原生部署流程。
• 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，掌握 RAG（检索增强生成）技术。
• 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、P-Tuning 等微调策略。
• 第六阶段：多模态大模型实践 以 SD 多模态大模型为主，搭建了文生图小程序案例，探索图像生成与理解的结合。
• 第七阶段：行业应用集成 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，实现端到端落地。

2. 视频教程与文档资源

网上虽然也有很多的学习资源，但基本上都残缺不全的。建议整理大模型视频教程，上面路线图的每一个知识点，都有配套的视频讲解，涵盖理论推导与实战代码。

此外，主要整理了大模型相关 PDF 书籍、行业报告、文档，有几百本，都是目前行业最新的资料，包括技术白皮书、论文解读及最佳实践指南。

3. 面试准备与实战

这里主要整理了行业目前最新的大模型面试题和各种大厂 offer 面经合集。重点考察对 Transformer 原理、向量数据库、API 调用成本优化等问题的理解。

学会后的收获：

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据 AI 应用开发，实现大模型理论、掌握 GPU 算力、硬件、LangChain 开发框架和项目实战技能，学会 Fine-tuning 垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

核心资源清单：

1. AI 大模型学习路线图
2. 100 套 AI 大模型商业化落地方案
3. 100 集大模型视频教程
4. 200 本大模型 PDF 书籍
5. LLM 面试题合集
6. AI 产品经理资源合集

抓住机遇，持续学习，是应对 AI 时代变化的关键。