PythonAI算法
转行 AI 大模型：码农与产品经理的职业机遇与挑战
本文探讨了在经济下行背景下，从业者转行至 AI 大模型赛道的现状。通过分析求职者案例，指出虽然商业化曲折，但 AI 仍是少数上升赛道。文章分析了转行的驱动力（恐惧与机遇）、面临的挑战（技术黑盒、幻觉问题）以及不同背景人群（科班、非科班）的入行路径。建议关注应用层岗位，如微调、RAG 及行业垂类模型，并提供了从系统设计到多模态应用的技术学习框架。
本文探讨了在经济下行背景下，从业者转行至 AI 大模型赛道的现状。通过分析求职者案例，指出虽然商业化曲折，但 AI 仍是少数上升赛道。文章分析了转行的驱动力（恐惧与机遇）、面临的挑战（技术黑盒、幻觉问题）以及不同背景人群（科班、非科班）的入行路径。建议关注应用层岗位，如微调、RAG 及行业垂类模型，并提供了从系统设计到多模态应用的技术学习框架。
在当今的大经济环境下，AI 是少数的上升赛道，虽然商业化曲折，但毕竟寄托了行业发展的希望。不少人跟随潮水的方向，转行到 AI 行业：深夜求职直播间里，人们问'今年 AI 赛道值不值得去'，社交媒体上不少互联网从业者分享如何转到 AI 产品经理。
转行人有着不同面貌：那些想转行、但在风险面前迟疑的，那些下决心抛掉安稳、纵身一跃的，那些在尝试之后又返回原轨的……有人把转行看作在无数分岔路口做出最优解的战争，也有人当作临时起意的漫游。而站在浪头的，是那种并非半途跟风，而是在风口与狂热来临之前，就有勇气在黑暗中独自前行的人。
如果把大模型技术比作金矿的原点，有人离原点只有一公里，比如深度学习、强化学习的研究者；有人离金矿一百公里，比如非 IT 从业人员。ChatGPT 出世后，人们朝着金矿前进，近者不一定比远者更快挖到金子。
'除了极少数的大模型'科班'，其他人几乎都是零基础。'电子信息专业的研究生诚汉说。
诚汉是一所 985 学校的电子信息专业的研究生，有软件开发基础，属于离大模型原点不近也不太远的人。诚汉现在研三，面临秋招。7 月，他集中跟十几位互联网前辈聊，得出结论——传统软件开发已经饱和，得转行做大模型。
他开始行动，在 7 月把中文互联网上播放量靠前的大模型讲解视频全都看了一遍，天天晚上激动得睡不着觉，'大模型对传统技术冲击很大，感觉我们之前学的很多编程技术没有用了。'
一位朋友强烈建议诚汉'立马转行过去，分一杯羹，再慢就晚了'。这位朋友在做数据中心算力相关的业务，一年多来目睹了大模型行业的风起云涌：'这不是'要不要参与'的问题，而是'如何快速占位'的问题。'
转到大模型，没有想象中容易。
诚汉在七八月份投了 20 多份简历，都是 AI 大模型的技术岗位，最后正职岗位没有一个能过的，只拿了两个实习 offer。诚汉投的两家 AI 独角兽公司，当天投递，当天就挂掉，实习、秋招提前批、秋招正式批都挂了。互联网大厂的大模型岗位，则是面了一两轮之后再挂掉。
面对惨淡的秋招结果，诚汉开始怀疑，'AI 大模型这个东西，后面到底有没有搞头。'
求职博主林木曾担任一家互联网大厂的产品负责人，收过上千名转行或求职的学员。在他看来，想转到 AI 的人是两极分化的：一类是刚毕业、没工作几年的年轻人，没有吃到移动互联网的红利；一类是工作特别久的，吃到过互联网红利，知道风口有多重要。
学电子信息的诚汉就是没吃到互联网红利的年轻人。他曾在 21 年本科毕业时赶上移动互联网的尾巴，当时能拿到的 offer 比现在多，'当时面试都不用出门，呆在房间里线上面试就能拿到 offer。'他当时进了华为的外包岗，但在拿到研究生录取后辞职了。
转行期间的失重感，对心理考验很大。9 月是秋招高峰期，诚汉没想到一个秋招 offer 都没拿到。最焦虑的时候，他连续几天睡不着觉，一人在寝室里，半夜爬起来，打开电脑看 B 站上关于日本经济'失落的三十年'的视频，看魏晋南北朝的历史书，或者跟一位独自租房、二战考研的朋友深夜聊电话。朋友慰藉他，很多事要看大环境，不是光靠自己的问题。
求职博主林木看来，就业寒冬下，'转行的驱动力是恐惧'——行业下行，一些人觉得自己的行业没出路，于是转行。
想转行到 AI 的人群中，很多来自下行的行业，比如房地产、建筑城规等。林木表示，这类人大多学历背景好，过去在房地产企业或建筑设计院，做设计师或项目经理，能力强，危机感也强。林木见过的一个案例是从 Top 985 院校本硕毕业，不至于丢掉工作，但面临降薪，或未来薪资没有发展。'这类背景的人，很难一步（转行）到位，但学习能力不错，可以一点一点进入 AI 领域。'
一位 95 后文涛（化名），就从城市规划专业转到了 AI 产品经理。文涛是城规专业的海外硕士，原本在 2022 届校招时入职了一家房地产开发公司，做项目运营管理。
今年春节前，他离职，决定转行到汽车或者 AI 行业。他给了自己三天时间，在各大社交平台上刷行业信息，为了'养大数据'。四五月份开始，理想、广汽、日产汽车等车企陆续裁员，他决定把更多精力投入到 AI 行业而非汽车行业上。他跟着 YouTube 和 B 站上的教程，自己写代码，做 AI 智能客服、AI 知识库、AI 对话机器人的项目。五月下旬，他拿到成都一家做北美市场的外企的 AI 产品岗 offer。
AI 是新兴行业，面试官和候选人都在摸索中。文涛入职的这家公司，刚刚开始搭建 AI 团队。'不要觉得面试官很牛逼，啥都知道。我碰到好几个面试官，对于你自学的项目，他还没你懂。'
有人转行 AI 之后，面临更大的挑战和不适应。
相比于互联网产品，AI 产品的难点在于，大模型是一个黑盒，其生成结果不稳定，无法在产品中达到标准化的交付效果。训练、微调大模型的人，在调整各种参数并达到预期效果后，也不知道为何如此调参就能达到如此效果，此模型的调参'配方'也无法在彼模型上复现。
思颖（化名）是文科生，校招入职一家互联网公司，本来做运营岗，因为之前的 AI 产品经理离职，她被迫转岗到 AI 产品岗位。'每天不断在和（大模型的）幻觉率做斗争，斗争的过程是无止境的黑盒。那些让你眼前一亮的 case，可能要经过上百次的调试才能出来。'
思颖负责的产品，容错率很低。她刚转岗 AI 产品经理后不久，AI 的幻觉便酿成事故。一次，AI 功能告知一位用户的航班起飞时间出了错，用户把全责归到了这家公司，要求赔偿。
转行到 AI 的难度还在加大，因为 ChatGPT 发布近两年以来，AI 行业也水涨船高了。去年还有跳到大厂做 AI 产品经理、涨薪 120% 的例子，今年很难再有如此高的涨薪。求职博主林木观察，去年在社会面上想转行到 AI 的人还不多。但到今年，很多互联网大厂内部也开设业务+AI 的岗位，原来做搜索、策略岗位的人更容易转到 AI 岗位。去年招聘岗位更多在模型层，今年更多在应用层。
直接做底层大模型的岗位标准水涨船高，人们开始涌入模型厂商的上下游产业链。林木建议，不要只盯着直接做底层大模型的厂商，也可以往上游看数据采集与标注、算力中心的岗位，往中游看行业垂类大模型，往下游看应用层的微调、训练、RAG 等岗位。
目前 AI 行业还没有大规模增长、商业化，林木不太推荐当下去 AI 运营的岗位，除非是针对海外的 AI 产品运营岗位。'目前 AI 处于 0 到 1 的阶段，C 端产品的 0 到 1 取决于产品经理，B 端产品取决于解决方案、产品经理甚至前端销售。等到 AI 能够大规模增长或商业化，运营岗位才能发挥规模化增长、精细化运营的核心作用。'
在 2024 年转行 AI，比 2014 年转行移动互联网，难得多。'2012 年，美团去我的毕业院校（一个 211 学校）招聘，基本上没有学生去的。大家真正开始关注移动互联网，是 2014、2015 年'大众创新、万众创业'的时候。现在入行 AI 的门槛高很多，过去很多产品经理培训，在网上报一两个月的班就可以做产品经理，现在校招生入行都需要很好的学历背景和实习经历。'林木说。
林木认为，对于普通人来说，不一定要在验证期进入一个新兴行业（AI 大模型还在验证期），可以在增长期进入。'苹果 2010 年发布了 iPhone 4，代表了移动互联网的到来，（移动互联网的）局势很明朗。但普通人 2012 年进入移动互联网就算早的，2015、2016 年进入也完全赶得上这个时代。'
有人把转行看作在无数分岔路口做出最优解的战争，也有人当作临时起意的漫游。
对诚汉来说，这次尝试转到 AI 大模型，跟两年前放弃工作去读研一样，都是在分岔路口不断获取新信息做出最优解。2022 年，诚汉考研二战的初试结束后，立马开始找工作，'三线'并行：考研的复试调剂、拖入职时间然后上班、找更好的新工作。他当时入职华为的外包 C++ 软件开发岗位，在拿到研究生录取后，辞职读研。他觉得这是四个月的完美操作，'我应该是全网头一个这么做，并成功了的人。'
'我需要不断尝试并获取信息，再接收到新的信息之后，及时调整接下来的方向，而不是一股脑的一个方向。在你面前永远是有一棵分岔树的，每个枝丫都有自己的判断语句和权重。每个新收集到的信息都会改变枝丫的判断语句和权重。'他说。
他在 7 月份进行一轮信息收集，问了十几个从事互联网和 AI 行业相关的人。在 8、9 月份的秋招中集中投递了二十多份简历，但没有拿到正职 offer。
在理性的决策和行动无法获得正反馈后，他开始理性地考虑放弃。
但仍有人很松弛，有权衡但不纠结。
文悦（化名）就是如此。她不是技术科班出身，不会编程，今年从互联网 UI 设计师跳到了 AI 产品经理，虽然不是在互联网大厂，而在一家做 To-G 服务的农业公司。
文悦很多次在人生路口，选择临时变道。她 98 年生，家在河南农村，她喜欢画画，高中时想做艺术生，家里没钱不同意，于是辍学，买了无座票，在火车上站了 8 小时到杭州，在 19 岁的年纪做了快递客服，工资三四千，辗转几年后，给阿里做外包 UI 设计，上一份工作是在一家创业公司做设计兼产品经理，月薪 18k。
她最初想做设计是因为跟画画沾边，后来觉得'画画比较适合做副业，做主业就得执行甲方的意见'。她自己发挥创意做的设计优化方案，常常排不上需求，从入职到离职都没有落地。
去年，文悦之前的岗位上接触到 AI 搭建知识库的工作。今年初考虑辞职时，她开始想转到 AI，'AI 是新行业，我有机会能赶上别人，我的背景不好，如果去饱和成熟的行业，不一定能进去。'
文悦自己整理的面试逐字稿
今年 4 月，文悦裸辞了，'我要是不辞职的话，我可能下不了决心（转行），因为之前的工资挺高的，我害怕自己会安于现状、不想跳。反正先辞了再说。想了个大概，但没有想太多，没有想很远说一定在 AI 行业干个十年八年的。'
文悦在家休息了一两个月，然后用自己的积蓄来了北京，'北京做 AI 的公司多。我想反正转都转了，就来做得最好的城市。'
文悦 gap 期间过得'特别爽'。吃喝用度也没省钱，'一点也没委屈自己'，喜欢买'中看不中用'的东西，为了做小红书账号，把在北京的老破小出租屋，装修打扮了一番。gap 几个月，她把五六万的积蓄花光了。
'我也不知道为什么，（对于钱花光）我一点也不怕。不管最后能不能挣到钱，我得先想着自己能挣钱，不然肯定挣不到。大部分时候，我心里总有一种想法，就是我一定能挣大钱。'文悦说。
她每天中午十二点起床，做做饭，再花三四个小时看 AI 的视频和资料，一边学一边用平板放电视剧，'如果我某一天灵感大爆发，干活特别有状态，我就会把电视关掉，干通宵。'就这样学了两三个月。她习惯给每个面试问题写逐字回答稿，不断更新，40 多个面试问题，写了一万四千字。
她的面试邀约并不多，因为她是自考大专、不是全日制本科，很多公司不会约面。后来她面了四家，其中两家是大厂外包，她后来 9 月入职了如今这家做 To-G 业务的农业公司，月薪 15k，'没想加工资，想着先进行业再说。'
她目前所在的 AI 产品经理岗，不用对 AI 的底层技术了解透彻，她曾经看一本讲技术原理的《这就是 ChatGPT》，看了 100 多页没读完。目前的岗位，要求能设计产品的功能、辅助售前去谈项目就可以。
爸妈当初不同意她高中辍学，如今也不支持她换城市来北京，但拗不过她，'想做什么，我先做完了再跟爸妈说，大部分情况下，他们都是不同意的。'
男友跟着文悦来了北京，换了工作。男友之前是做软件测试的，在她的建议下，转到了大模型测试岗，给大厂做外包，也是先入行 AI 再说。男友当初犹豫要不要跟她来北京，文悦的想法是，'如果他不来，我也要自己来。好不容易想干个事了，不能有人耽误。'
文悦觉得未来不一定一直做 AI 产品经理，以她外向的性格，给客户做售前也能做得很好。
'我是想法比较多的人，今天想干这个，明天想干那个。以前有段时间特别想考研，后来了解到考上后要上三四年的学，就不太能接受，虽然我也不一定能考上。又想攒钱留学，虽然还不知道去哪里留学，但就是想去，作为一个目标，让我好好存钱。我爱好也广泛，除了画画，还喜欢做手工：黏土（橡皮泥）、热缩片、串珠、做美甲……我给自己做美甲可专业。'
如果说像诚汉和文悦这样的普通人，还能半路进入普通的技术岗或者外围的产品、运营岗，但对于更顶层核心的技术骨干，并不会跟风，而是早就在大模型技术上有深耕积累的。
猎头熊军（化名）今年招聘了多个 AI 方向的投资岗、技术岗，往往是团队管理者、早期投资人、研究员等级别。以他的经验，互联网大厂和 AI 独角兽六大家招聘的大模型技术骨干、核心科学家，大多数是博士起步、发过顶刊顶会论文的。
'现在做大模型需要 RL（Reinforcement learning 强化学习）方向的人，RL 专家本来在算法圈子里就很少，人才池很小，原来用的算法都是 NLP（自然语言处理）、CV（计算机视觉）。国内真正做 RL 的人屈指可数。原来整个腾讯 X Robotics 实验室下面，真正做强化学习的专家也就个位数。'熊军说。
这种大模型'科班'出身的专家，是互联网大厂和 AI 独角兽创业公司都在高价寻找的。'打个比方，如果大厂出 200 万，创业公司可能要再加个几十万的价，但这几十万不重要，因为这个人对公司的贡献是薪资的起码十倍，重要的是候选人能否解决问题。'
'这批人其实都是很坚定的，没有谁是跟风过来的，甚至在自己的领域已经达到 top talent 的级别。不是转不转行的问题，是这些人对于自己的赛道是否有辨识度的判断，是否有坚持下去的理由。'猎头熊军说。
在时代潮水中，每个人面临的都是选择与代价，浪潮中有小鱼们徘徊漫游的空间，浪头则永远是勇敢冒尖者的游戏。
对于希望深入 AI 领域的开发者与从业者，以下是一个基于行业实践的技术学习路径，旨在帮助构建系统化的知识体系：
从大模型系统设计的底层逻辑入手，理解 Transformer 架构、注意力机制（Attention Mechanism）以及推理流程。掌握模型的基本工作原理，包括预训练（Pre-training）与指令微调（Instruction Tuning）的区别，为后续开发打下理论基础。
通过 Prompts 角度入手更好发挥模型的作用。学习如何编写结构化提示词，掌握 Few-Shot Learning、Chain-of-Thought 等技巧，优化模型输出质量，减少幻觉，提升交互体验。
借助云原生 MLOps 平台（如阿里云 PAI、AWS SageMaker 等）构建垂直领域应用。例如，利用大模型能力构建电商领域的虚拟试衣系统或客服系统，熟悉模型部署、监控及资源调度。
以 LangChain 框架为例，构建行业咨询智能问答系统。重点掌握 RAG（检索增强生成）技术，结合向量数据库（Vector Database）实现私有数据的检索与引用，解决大模型知识时效性与准确性问题。
借助大健康、新零售、新媒体等领域数据构建适合当前领域的大模型。学习 LoRA、P-Tuning 等高效微调方法，掌握数据准备、数据蒸馏、大模型部署的一站式技能，实现低成本垂直化训练。
以 SD（Stable Diffusion）等多模态大模型为主，搭建文生图、图生文小程序案例。探索文本与图像、音频之间的跨模态转换，拓展 AI 应用的表现形式。
以大模型平台应用与开发为主，通过星火大模型、文心一言等成熟大模型 API 构建大模型行业应用。将 AI 能力集成到现有业务流程中，实现降本增效，推动商业落地。
学会后的收获：
综上所述，AI 大模型赛道虽然充满挑战，但对于具备持续学习能力和敏锐洞察力的从业者而言，依然是值得投入的高价值领域。无论是技术深耕还是产品创新，关键在于找准切入点，保持耐心，在不确定性中寻找确定性。
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