随着经济的下行以及移动互联网发展趋于成熟，对软件开发人员的需求大大减少，互联网行业所有的公司都在降本增效，合并通道，降薪优化的新闻层出不穷。
但相比其他行业，互联网行业的从业者薪资还是比较可观的，但要求也比之前高了很多，需要大家掌握更多的技能和在某些技术领域深耕。
今天我们就聊聊，掌握了哪些技能，能让前端同学，收入高且稳定（技术大厂，缺人，前端可投）。
端智能
首推的是端智能，很多行业大咖都认为，随着ChatGPT的横空出世，开启了第四次工业革命，很多产品都可以用大模型重做一遍。当前，我创业的方向，也和大模型有关。
当前的大模型主要还跑在云端，但云端的成本高，大模型的未来在端智能，这也是小米创始人雷军在今年一次发布会上提出的观点。
在2023年8月14日的雷军年度演讲中，雷军宣布小米已经在手机端跑通13亿参数的大模型，部分场景效果媲美云端。
目前，端上大模型的可行性和前景已经得到了业内的普遍认可，国内外各个科技大厂在大模型的端侧部署领域均开始布局，目前大量工程已在PC端、手机端实现大模型的离线部署，更有部分App登陆应用商店，只需下载即可畅通无阻地对话。
我们相信，在不久的将来，端上大模型推理将会成为智能应用的重要组成部分，为用户带来更加便捷、智能的体验。
我在X团从零研发了web端智能推理引擎，当时立项时，就给老板画饼，X团每天的几百亿推理调用，如果有一半用端智能替代的话，每年能为公司节省上亿元。
要想掌握端智能，需要学习深度学习的基本知识，还要掌握图形学和C++编程，通过webgl或webassembly 技术实现在Web端执行深度学习算法。
图形学
前面提到的端智能，只是涉及到了图形学中的webgl计算，但图形学的未来在元宇宙，通过3D渲染，实现VR、AR、XR等各种R。
计算机图形学是一门快速发展的领域，涵盖了三维建模、渲染、动画、虚拟现实等众多技术和应用。在电影、广告、游戏等领域中，计算机图形学的应用已经非常广泛。
熟练使用threejs开发各种3D应用，只能算是入门。真正的图形学高手，不仅可以架构类似3D家装软件的大型应用，而且能掌握渲染管线的底层原理，熟练掌握各种模型格式和解决各种软件，进行模型转换遇到的各种兼容问题。
随着计算机硬件和算法的不断进步，计算机图形学正迎来新的发展趋势。
- 首先是实时渲染与逼真度提升
实时渲染技术：随着游戏和虚拟现实的兴起，对实时渲染的需求越来越高。计算机图形学将继续致力于研发更高效的实时渲染算法和硬件加速技术，以实现更逼真、流畅的视觉效果。
光线追踪与全局照明：传统的实时渲染技术在光照模拟方面存在挑战。计算机图形学将借助光线追踪等技术，实现更精确的全局照明效果，提升场景的真实感和细节表现。
- 其次是虚拟与增强现实的融合
混合现实技术：计算机图形学将与传感器技术、机器视觉等相结合，推动虚拟现实与增强现实的融合发展。通过实时感知和交互，用户可以在真实世界中与虚拟对象进行互动，创造更沉浸式的体验。
空间感知与虚拟对象定位：计算机图形学将致力于解决空间感知和虚拟对象定位的挑战。利用深度学习、摄像头阵列等技术，实现高精度的空间感知和虚实融合，为虚拟与增强现实应用带来更自然、精确的交互方式。
- 再次是计算机图形学与人工智能的融合
生成对抗网络（GAN）在图形生成中的应用：GAN等人工智能技术为计算机图形学带来了新的创作手段。通过训练模型生成逼真的图像和场景，计算机图形学能够更便捷地创建大量内容，并提供个性化的用户体验。
计算机图形学驱动的虚拟人物与角色生成：结合计算机图形学和人工智能技术，研究人员正在努力开发高度逼真的虚拟人物和角色生成方法。这将应用于游戏、影视等领域，带来更具情感表达和交互性的虚拟角色。
- 最后是可视化分析与科学研究。
一是大数据可视化：随着大数据时代的到来，计算机图形学在可视化分析方面扮演着关键角色。通过创新的可视化方法和交互技术，研究人员能够更深入地理解和分析庞大而复杂的数据集，揭示潜在的模式和趋势。
二是科学数据可视化：计算机图形学在科学研究中的应用也日益重要。通过将科学数据转化为可视化形式，研究人员能够更直观地理解复杂的数据模式和关系，加快对科学问题的洞察和发现。这种可视化分析有助于领域如天文学、生物学、气象学等的研究进展。
工程提效
其实，过去三年我在X团的工作，至少有一半的精力是做和工程提效相关的事情。当然，也做了降本的事情，从零搭建外包团队。
前端工程提效，一般会按照工具化、标准化、平台化和体系化进行演进。
相比前面的端智能和图形学，除了建设低代码平台和WebIDE有点技术难度，其他更多需要的是沟通、整合资源的能力，既要有很强的项目管理能力，又要人产品思维。
前两个方向做好了我们一般称为技术专家，而工程提效则更偏管理者，未来可以成为高管或自己创业。
转zai______文艺码农天文
标签：计算机,渲染,模型,图形学,智能,饭碗,可视化,越铁,技能 From： https://www.cnblogs.com/JIN-od/p/18196135