我为什么要转行做大模型？钱多、活少、下班早....

最近研究了一下大模型相关的内容，决定从互联网的推荐算法转行做大模型推理工程化相关的工作。所以简单说说我在这个决定中的思考过程。

1. 推荐算法岗的现状

我本来是一个在大厂做推荐算法的工程师。收入在行业里面算是中游水平, 就这么一直干着似乎也没什么问题。

但是互联网行业的岗位毕竟和公务员和事业单位比，不存在一个工作干一辈子的情况。这个工作能不能继续干完全取决于市场对于这个岗位有没有需求。

但是推荐算法今年的情况就是，流量增长见顶，需求萎靡。

前两年推荐算法很火，是因为4G出来以后有大量的移动端APP(抖音快手小红书等) 用户量激增，创作的内容需要通过推荐算法分发给最需要的用户。但是最近几年这几个APP的用户量增长基本见顶了，就算推荐算法推荐的再好，最大的一波用户增长红利已经结束了。

该用app的用户都已经用上了，连身边的老年人都已经在玩这些app了，还能有哪些新用户呢？无非就是让存量用户每天再多玩个1-2分钟就了不起了。相当于市场对于推荐算法真正的需求已经不多了。

所以从招聘市场的反馈来看，目前依然在招推荐算法的公司似乎只有字节和小红书了。只有字节的抖音系app以及小红书还有用户的增长。其他的公司都是缩招，反应到薪资上也是没什么涨幅。类似于阿里系的蚂蚁淘宝等公司，跳槽过去可能都是平薪。整个行业似乎都在卡30%的跳槽涨幅。

对于抖音生活服务，小红书电商这类新业务，整体体量小，基数低，可以去抢一抢阿里和美团的生意，看起来整体业务增长幅度还不错。只要不是算法做的特别差，随着不断通过各种渠道获取新用户，都可以有不错的业务增长，并不一定非得是算法牛逼。但是这类新的有增量的业务在市场上已经很小了。

对于一些老的业务，比如抖音短视频这类成熟型业务，都是各种高端技术以及极端的trick 才能获得不到百分之一，甚至不到千分之五业务指标收益。说白了就是改革进入了深水区的感觉，再怎么改算法，都是费劲巴拉收益很小。典型的对数曲线增长。从老板的角度来看，再继续招更多的算法工程师也不能带来业务的收益，索性也就不继续招了。

所以传统的推荐算法在流量见顶的大环境下，岗位需求变得萎靡不振。

2. 大模型创造的新需求

今年年初，ChatGPT的横空出世，让人类看到了人工智能的更多可能。ChatGPT就像2016年的AlphaGo 一样，给各类创业者投资者打了一个样，AI原来可以这么牛逼。

虽然说现在的ChatGPT还只能当个查找资料的工具，但是让人们看到了更多底层的技术的巨大进步，预计在未来的几年会颠覆很多行业，只是暂时没有找到特别大的场景。

从英伟达的股价来看，资本是很看好这个新兴的增长点的。所以投了很多资本进去，这正是打工人收割资本家的好机会。现在资本家人傻钱多，此时不割，更待何时。

另外根据最近猎头的反馈，已经有很多的大模型公司都在疯狂招人了。有的原来做推荐算法的猎头甚至都要转行做大模型了。猎头是可以直接反应市场需求的一批人。

技术再牛逼，卖不出去，没有市场就是没用的。 市场需求暴增但是供给跟不上的时候往往是价格最高的时候。反正我就是个打工的，既然都出来卖了，为什么不赶紧把自己卖个好价钱。

别跟我说什么深耕一个领域。纵观互联网这几年的发展，就知道这个行业没有什么值得深耕的。都是走快速扩张，抢占市场的逻辑。除非是特别小众，利润微薄的角落才允许你慢慢深耕。

只要是利润够多，就一个字，快。快速抢占市场是最重要的。

所以啥也别说了，我要去学习去转行了，趁着年轻，刚30，还没有因为35岁被hr把简历直接扔掉。

现在转行，门槛还不算高，还能趁着供给没跟上来多要一些工资。

既然大模型现在这么火热，各行各业都在开发搭建属于自己企业的私有化大模型，那么势必会需要大量大模型人才，同时也会带来大批量的岗位？“雷军曾说过：站在风口，猪都能飞起来”可以说大模型这对于我们来说就是一个机会，一个可以改变自身的机会，就看我们能不能抓住了。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。