引言
在'AI 平民化元年',人工智能技术如浪潮般涌现。企业热衷于研究 AI 工具以寻找降本增效的可能性,而职场人在面对'AI 取代人类'等新闻时往往感到焦虑。事实上,虽然部分岗位面临调整,但人工智能、内容短视频、金融业、企业服务及智能制造业等行业对 AI 人才的需求度正在不断增加。CV、推荐算法工程师、产品经理等新型高薪岗位已成为职场人转岗的新方向。
从互联网大厂到 AI 开发程序员
背景与转型
这位从业者原在互联网大厂从事电商业务。2021 年,随着行业垄断、隐私泄露等负面新闻频发,股价下跌,政策导向'脱虚向实',工作内卷加剧。同年,受朋友邀请,他决定投身人工智能领域。
学习路径
转行需要系统化的自学路径:
- 基础概念:掌握专业术语和底层原理。
- 商业逻辑:理解行业商业模式。
- 知识体系:形成完整的 AI 技术认知框架。
工作内容与技术展望
目前主要围绕大语言模型(LLM),结合用户日常场景进行 ToC 向的 AI 工具开发。AI 产品正处于井喷式增长期,需持续关注国外新开发的数千款 AI 工具及技术论文。
技术架构观点
他认为 AI 将成为新的基础设施,未来重点在于:
- 知识服务:如工业知识库、企业知识库。
- 垂直领域小模型:针对法律、医疗、金融等特定领域的模型。
- 1+N 结构:一个通用模型提升通用场景效率,N 个专业模型提升企业生产效率,提供私有化解决方案。
从传媒工作者到 AI 创作狂热爱好者
职业转变
该从业者 2008 年毕业于新疆,从事传媒工作。现为 Prompt 工程师和 AI 创作爱好者,AI 在工作中的占比达到 80%。
AI 对创意的影响
尽管有人担忧原画师被取代,但他认为 AI 更多是提升生产效率而非完全替代。人类的想象力、场景概念原创能力及手工技巧仍是核心。AI 适合发散性思维,能迅速生成画面,AIGC 被视为生产力革命。
收入与案例
入行后通过比赛奖金、头像销售、联名分成和企业培训,月收入可观。曾获得 AI 绘画类产品比赛冠军,作品被温州元宇宙中心收藏。此外,还参与了政企合作,打造本地 IP'赛博楼兰',并筹划本地视觉 AI 智能算力中心。
教育推广
在新疆大学和石河子大学进行讲座,普及 AIGC 知识给电商类本科生,同时为企业做工作流培训。
从律师到产品经理
转型动机
原为律师,属于乙方工作,需对接多个客户,回复消息、修改文件,工作强度大且状态封闭。2023 年 3 月,受 ChatGPT 热度吸引,经朋友介绍加入 AI 公司。
工作内容
担任法律类 AI 产品业务负责人,探索大语言模型在法律行业的应用,旨在改进法律人的工作流程和方式。
挑战与心态
转行难度大,因行业新、无样板参考。学习方式包括请教同事、阅读文章及公司内训。虽然薪资较之前有所下降,但工作强度降低,焦虑感减少。面对职业不确定性,他选择迎接挑战,视其为探索世界的一部分。
从区块链到产品经理
赛道选择
2019 年毕业于江西农业大学计算机专业,进入北京一家区块链公司。基于对行业生命周期(探索期、成长期、成熟期、衰退期)的判断,他倾向于在前两个阶段工作。
产品规划
2020 年转行至 AI 公司,初期负责数字版权创作者经济,后随公司转型至 AIGC,现任 AI 绘画产品总监。主要负责功能迭代、推出 AI 绘画、AI 实验室及 AI 大赛等产品规划。
持续学习
除工作外,需大量阅读 AIGC 新知识并试用不同产品。他认为在大模型时代,所有人都在同一起跑线上。
AI 创业者:大模型的器、术、道
创业历程
团队早期帮大厂做智能客服落地及视频监控应用(如食堂卫生监管、工地安全监控)。这些基于判别式 AI,切换领域成本高。2023 年初接触 ChatGPT 后,意识到生成式 AI 的巨大空间。
团队构成
由硅谷专家、原架构师及高校老师组成约 30 人的核心团队。
三层理解
- 器(AIGC):提升内容生成效率的工具。
- 术(人机交互):自然语言交互,实现'所言即所得'。
- 道(知识生产力):组织内部知识管理,构建企业知识管理平台,推动社会从'信息时代'迈入'知识时代'。
技术路线
项目基于本地化大模型,解决数据保密需求,实现经验传承。未来趋势为云 + 端结合,利用前端通用算法实现生成式 AI 功能。
行业深度分析:技术栈与职业发展
核心技术栈解析
根据多位从业者的分享,当前 AI 行业的技术栈主要包括:
1. 大模型微调(Fine-tuning)
垂直领域模型训练是提升效果的关键。流程包括数据准备、数据蒸馏、大模型部署。企业需根据自身数据特点,选择合适的基座模型进行微调,以适应特定业务场景。
2. 检索增强生成(RAG)
为解决大模型幻觉问题,RAG 技术通过检索外部知识库来增强生成内容的准确性。这在法律、医疗等专业领域尤为重要,确保输出有据可依。
3. 提示词工程(Prompt Engineering)
作为连接人与模型的桥梁,优秀的提示词设计能显著提升模型表现。这不仅是技术问题,更是对业务逻辑理解的体现。
4. 私有化部署
鉴于数据安全合规要求,许多企业选择私有化部署大模型。这需要较强的硬件算力支持及运维能力,通常涉及 GPU 集群管理及容器化部署。
职业建议
对于希望转行 AI 的职场人,建议如下:
- 兴趣优先:技术更新快,只有真正的兴趣才能支撑长期的学习投入。
- 保持学习:AI 领域日新月异,需养成每日阅读论文、试用新产品的习惯。
- 关注落地:技术最终要服务于业务,理解行业痛点比单纯掌握算法更重要。
- 拥抱变化:接受不确定性,将挑战视为成长的机会。
结语
AI 行业正处于快速发展期,无论是开发者、创作者还是管理者,都有机会在这一浪潮中找到自己的位置。关键在于持续学习、深入理解技术本质,并将其与具体业务场景相结合。春江水暖鸭先知,这个全新的行业正在被每一位从业者改变着。