文章分析了大模型领域两类岗位：算法工程师门槛极高，不适合非专业人士转行；应用工程师门槛较低，但已有业务壁垒的程序员不建议放弃现有优势转行。建议对大模型感兴趣者先业余时间尝试，深入了解后再做决定，警惕热门领域可能变天坑的风险，保持理性，不要盲目跟风。
大模型算是当之无愧最火的一个方向了，算是新时代的风口。有小伙伴觉得，既然是新领域、新方向，那么，人才需求肯定比较大，相应的人才缺乏，竞争也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？
在我的职场陪跑星球里，也有一位同学提出了类似问题，分享一下我的看法，希望给想要在大模型领域发展或者转行去做大模型的同学一些参考和建议。
问
星球提问
985 硕士毕业，大厂背景 工作 4～5 年 当下环境，对于换赛道为大模型这种（技术壁垒） 还是 深耕电商业务，争哥有什么建议么？
答
争哥回答
我们先来分析一下大模型这个领域。
实际上，大模型开发也分为两类，一类是算法工程师，另一个类是应用工程师。算法工程师就是研究大模型算法，应用工程师是基于大模型做一些上层应用的开发。当然，后面这类也需要对大模型有或多或少的了解，毕竟，你做普通业务开发还得了解MySQL、Kafka、Redis等底层实现一样。
对于第一类算法工程师，要求就高了，不是说你想转行去做，就能做得了的。竞争门槛极其高，起码得是个985/211硕士毕业吧，知名期刊发表过相关论文，有扎实的机器学习、人工智能的理论功底。
如果还要考虑要不要转行去做的，建议你早点放弃吧。因为真的适合去做的，根本就不需要犹豫。
对于第二类应用工程师，要求相对就低很多了。我们在[「程序员职场生存指南」]里详细讲到过，选择深耕的方向比较好的有两类，一类是有技术壁垒，一类是有业务壁垒。
像刚刚提到的大模型算法，算是有技术壁垒，而大模型应用就算是有业务壁垒的方向，他跟电商、物流、财务以及其他大型2B系统一样，业务较复杂。对于毕业五年以上的人，如果想要进入这些业务行业，就要比深耕这些行业多年的候选人，更没有优势，毕竟HR在筛选候选人的时候，还是倾向于选择业务匹配的候选人，特别是一些中高端的职位。
如果你现在的方向没有技术壁垒，也没有业务壁垒，那么，有业务壁垒的大模型方向，算是一个不错的选择。但是，不要总是看着别人碗里的饭香，别人的老婆更好，因为这种情况太常见了。今天的热门，也有可能会两三年后的天坑，就像当年的IOS、Android开发一样，没有那么多需求了。谁知道呢？
球友现在在大厂做电商开发，也算是有业务、有技术的方向，没必要换赛道去做大模型。自废武功，从新开始，这不是傻吗？除非自己对大模型情有独钟，那另当别论。
即便如此，也要看看这种热情是不是一瞬间的，因为很多东西都是因为不懂，有新鲜感，才觉得好。深入进去，未必有你想得好。建议可以先利用自己的业余时间研究研究，试试感觉，弄了半年，还觉得很不错，适合自己，并且自己有优势，再转也来得及。
你觉得呢？大模型会是未来的天坑吗？
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“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。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
