前言
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。
如何系统的去学习大模型LLM ？
作为一名热心肠的互联网老兵，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。
😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1：AI大模型时代的基础理解
- 目标：了解AI大模型的基本概念、发展历程和核心原理。
- 内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
- 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
- 内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词
- L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
- 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
- 内容：
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节
- L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景
- L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例
- L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
- 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
- 内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划：
- 阶段1：1-2个月，建立AI大模型的基础知识体系。
- 阶段2：2-3个月，专注于API应用开发能力的提升。
- 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
- 阶段4：4-5个月，专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓
