AIGC 行业正处于高速发展阶段，资本市场关注度高，为互联网从业者提供了转行良机。文章分析了 AIGC 与互联网在能力要求、岗位设置、薪资水平和发展前景上的相似性，指出互联网经验是重要加分项。内容涵盖 AIGC 产业链的上中下游结构，详细列举了应用层、模型层和基础设施层的技术与非技术岗位需求及薪资参考。同时强调了进入该行业所需的好奇心、趋势感知能力和产业 Sense。尽管存在技术门槛，但随着应用普适性增强，普通人通过学习基础知识也能参与相关工作。最后提醒求职者需具备批判思维，理性评估风险与机遇，并通过实战项目提升大模型应用能力。
比尔·盖茨曾直言，ChatGPT 的历史意义不亚于互联网的诞生。当前，互联网大佬纷纷转行下海 AIGC 从 0 开始创业；近半年时间 AIGC 融资规模达到 22.4 亿，对比之下，互联网大厂投资并购事件比 2021 年少了 61.5%。可见资本市场对 AIGC 赛道的关注度骤然增加，而每一个互联网人，都有自己的焦虑。
初代互联网人踩对了风口，饱食红利，而在红利褪去的当下，我们又该如何找对行业，迎风而起？为了让更多人迎着风口飞起来，本文将详细介绍 AIGC 的产业发展、人才需求和工作机会，帮助每个'潜力股'找到适合自己的高潜公司。
一听到 AI，或许很多人的第一反应是：这门槛是我这个菜狗能踏的吗？当互联网人还在犹豫要不要尝试新行业时，AIGC 高潜公司已经开始挖互联网墙角了。
通过梳理 AIGC 企业、岗位、工作内容之后，我们发现 AIGC 和互联网在能力要求、岗位设置、薪资水平和发展前景上都具有高度的相似性。
通过梳理大量 AIGC 公司岗位的工作描述后我们发现，互联网工作经验在 AIGC 公司非常有用！不管是技术还是非技术岗，有互联网经验都是加分项。
技术岗方面：互联网开发中积累的工程化能力、系统架构思维、高并发处理经验，在 AIGC 应用落地中同样关键。例如，大模型推理服务的部署、API 接口的稳定性保障，都需要扎实的工程基础。
非技术岗方面：产品经理的用户洞察、运营活动的策划执行、市场拓展的资源整合能力，在 AIGC 产品冷启动阶段尤为重要。AIGC 产品往往需要快速迭代验证假设，这与互联网敏捷开发模式高度契合。
搞技术的小伙伴在招聘平台中选取'人工智能'行业和'技术类'，就会得到无数招聘需求，包括了算法、开发等等岗位，和互联网技术人才需求极其相似，完全可以丝滑无缝衔接。
对于非技术同学来说，产品/运营、战略/市场、设计、财务、法务、销售等岗位在 AIGC 公司也是常规设置，可选择的高潜公司非常丰富。AIGC 产业链长，不仅需要懂技术的核心研发，更需要懂业务场景的复合型人才来连接技术与商业价值。
大家都知道 OpenAI 的工程师薪资水平世界一流，超出想象范围，但深入了解一下就会发现，其实国内许多 AIGC 公司的水平也已超过大厂薪水。比如 Morph Studio 这家公司的 AI 产品经理月薪高达 60-70k，接近百万年薪，连实习生的薪资都足以和大厂比肩。
这是因为 AIGC 属于资本密集型和技术密集型行业，人才稀缺度高，企业愿意支付溢价以获取核心人才。同时，早期加入 AIGC 团队往往伴随着期权激励，长期收益潜力较大。
在 UGC 时代，互联网企业提供的渠道、平台、流量，创造了大量的就业机会。如今，技术让内容生产的门槛一步步降低，继 UGC 大量取代 PGC 后，时代又走到了 AIGC。大模型的发展，AIGC 为普通人生产专业内容带来了更多的可能性。
AI 的应用对求职者的要求不再仅仅是'如何利用技术打造 AI'，而是更多地强调'如何利用 AI 提高内容生产力'。所以，AI 技术的发展看似使其进入门槛变高，但随着 AIGC 应用的普适性增强，普通人在花上几天时间了解 AI 基础知识后，也能从事与之相关的工作。
想要进入 AIGC 行业，首先让我们从内部进行观察，了解这个行业都存在着哪些工作机会。
AIGC 产业在过去几年里发展迅速，全球范围内产业规模已达数百亿美元，并且预计在未来几年里将持续高速增长。美国在本轮产业竞争中保持绝对领先地位，强大且有钱的科技企业、产学研联动的学术系统以及繁荣的创业生态是造成这一结果的主要因素。
中国在本轮产业变革中的位置仅次于美国，因为已经是唯二具有完整布局，在上中下游所有生态位都有布局的国家，有可能可以孕育出下一代的 BAT。此外，中国在技术人才基数和单一市场方面也有一定竞争力。这一轮产业竞争和上一轮（即移动互联网）的区别在于中国企业入场显著早于上次，在人才、技术、资金、市场方面的储备也显著高于移动互联网时期，理论上产业可以更快速追赶领先者。
剖析一个行业，可以从其上游、中游、下游进行观察，让我们从下到上，先聊聊就业机会最多的应用层。
下游是指各类 AI 应用，跟我们的生活最息息相关。这一层主要是利用 AI 模型解决具体问题的各种应用，包括基于 AIGC 的各类应用的开发和运营，如自动生成图像、文本、音乐等。这包括各种行业（如医疗、金融、零售和制造业）的 AI 应用，以及各种消费者面向的 AI 产品和服务。盈利模式多样，包括向 B 端或 C 端销售服务，广告收益，或通过订阅、付费下载等方式获得利润。
目前 AIGC 落地的应用非常多，这也意味着，应用层的人才需求丰富且多样，对技术和非技术的同学都很友好。
各 AI 应用：文本、图片、视频、音频生成
如果你也是个 AIGC 小白，可以尝试从应用层寻找工作机会，因为机会是真的多，技术要求也是真的低。目前的 AIGC 应用层主要分为视觉和语言两个主要领域，除此之外还有音频领域。
视觉 AIGC 的应用主要在风格迁移、文生图、视频生成等，技术主要基于深度学习的生成模型，例如生成对抗网络（GAN）和扩散模型（Diffusion）等。视觉模型可以从大量图像数据中学习到数据的内在分布，并利用这些学习到的模型生成新的图像。为了适应特定的任务和场景，公司通常会在预训练的模型上进行微调，使用自有的数据集或自己训练出的结果，这些特定的参数和数据集将是各家公司的核心竞争力。比如 Midjourney 生成的图像就具有很强的自我风格，这是自有画师制作的高标准数据集和模型训练参数共同作用而成的。
语言 AIGC 的应用则主要在于自动文本生成，比如新闻报道、故事创作、诗歌创作、对话系统等。一些先进的深度学习模型如 GPT-4，以及其他的自然语言处理模型在此领域发挥了巨大作用。通过对齐技术（主要为 RLHF 机制，Reinforcement Learning from Human Feedback，以强化学习方式依据人类反馈优化语言模型），使其能够理解输入，并生成符合人类语言习惯的输出。如视觉 AIGC 一样，语言 AIGC 的具体参数和数据集也将是公司的核心竞争力，和视觉不同不同的是，大语言模型具有较好的自学习能力，所以行业先发的模型理论上将具有更快的迭代速度，同时也具有更好的多模态能力，这也是为何行业内认为现有的大语言模型可能成为一定程度的 AGI（通用人工智能）的基础。
中游指的是模型和 API 提供方。主要包括包括预训练模型的开发和训练，以及相关的数据处理和优化。这包括各种机器学习技术（如深度学习、强化学习和自监督学习），以及用于解决各种具体问题的 AI 模型。这一层的公司通常提供云计算服务（即 API），使下游企业能够无需自行建立和维护硬件和软件设施，就能够利用 AI 技术。这一层的核心竞争力在于数据和模型，比如大规模语言模型 GPT-4。盈利模式多为通过训练并销售或授权使用预训练模型，或者提供模型训练、优化等服务。
模型提供方：预训练模型的开发训练 API 提供方：云计算服务
AIGC 行业上游指的是软硬件基础设施、数据供给。主要包括硬件设施（如服务器、芯片等）和基础软件平台（如 HuggingFace、PyTorch 等）。硬件设施是支撑人工智能运算的物理基础，特别是高性能计算机和特殊的 AI 芯片，如 NVIDIA 的 GPU 和 Google 的 TPU。软件平台则提供了用于训练和推理的各种工具和框架。专门的数据公司将提供高质量的标注数据。这个层面的公司盈利模式主要是销售硬件产品或提供软件服务及云服务。
软硬件基础设施：服务器、芯片 基础软件平台：提供用于训练和推理的工具和框架 数据公司：提供高质量的数据标注服务
对于想要参与到这一浪潮之中的朋友，在软实力方面你还需要有：
这是全新的产业，拥有全新的用户需求、全新的工作流、全新的技术路径，只有好奇才能更快的学习，更快的转化成自己的东西。
这是一个变化极快的行业，没有趋势感知能力（包括技术和市场两部分）以及能快速决策的公司必死无疑，创业型公司相比于现在的大厂在这一领域无论是资金、人力还是技术储备可能都不足，所以更需要有一定的前瞻性，同时遇到问题赶紧掉头。要有一定的跟踪技术能力，甚至建议多读读火爆论文，毕竟可能过一两个月竞品就用上了最新论文的技术。
AIGC 行业的锚点是生产力，目前的变现形式还是主要以降本增效为主（文生图主要作用于提效，纯粹 C 端用户的文生图需求现阶段付费意愿和可能的市场空间较小，而模型的训练和推理成本将在很长一段时间内保持高位），和传统大厂的 C 端广告变现有所不同，现阶段还做不到较高的货币化率，主要以 B 端或小 B 变现为主，所以如果没有产业 sense 很可能无法给出真正有商业价值的交付物。
在经济缺乏增长动力的几年里，政策、资金对科技的支持从未掉队，人们隐隐约约能看到科技的金矿埋藏在某个地方，但线索总是连上又断开，所以加密货币、web3、元宇宙等新兴概念总是被轻易地看做是新的风口。
每一个职场人，如若要从观望的看客纵身跃入时代潮水中，就必须拥有强大的主观意识和批判思维。
AIGC 可能是人类历史上第一次由机器开始替代一部分创意行业（或者说脑力劳动者），就如同弗洛伊德所说，技术完善了人类的'运动器官和感觉器官'，并演变成'被安装了假体的上帝'。从大的趋势来判断，机遇大于风险，但风险在每个人头上就是灭顶之灾，希望能够在进入这个行业之前认真思考自己是不是真的适合这类新行业。
最先掌握 AI 的人，将会比较晚掌握 AI 的人有竞争优势。这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。虽然知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，但可以通过官方文档、开源社区、技术博客等正规渠道持续学习。重要的是保持实践，动手搭建项目，将理论转化为实际能力。
大模型学习路线图整体分为多个阶段，从系统设计入手，到提示词工程，再到平台应用开发、知识库构建、微调开发、多模态应用及行业应用落地。光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去。这时候可以搞点实战案例来学习。
学会后的收获包括：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），能够利用大模型解决相关实际项目需求，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。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
