一、大环境
国内就业环境不好，各行各业都在内卷。
互联网行业不像传统行业和体制内那样，过度依赖资历、经验，能吃老本。计算机从业需要不断地学习，更新知识储备，若是中断学习摆烂，就会逐渐被行业抛弃。
计算机相关岗位基本都会有 35 岁危机，很少有例外。算法工程师看上去门槛要比普通程序员高，但它同样会有 35 岁这道坎儿。而且随着技术发展，现成的模型、框架、代码越来越多，入门的门槛会进一步降低（搜索推荐等几个有核心竞争力的算法岗位门槛仍相对较高）。
算法相关从业人员多了，不可避免的是内卷程度越来越高，红利越来越少，个体淘汰率越来越高。若要想往上走不被淘汰，就要不断地学习前沿知识，拼命卷自己，拼命卷别人。
举个例子。
计算机视觉（CV）领域相关理论研究几十年了，工业应用也有一二十年了，有大量现成的算法和代码。CV 入门其实并不难，很多人做的创新工作其实就是**「调参**」。
看近几年的 CVPR 可以发现，不少国内顶尖高校的本科学生（在导师指导下或独立）已经成为顶会的常见嘉宾，做到了许多博士都做不到的程度（你说有多卷）。
还有一部分喜欢做项目的学生，能够独立检索文献资料手撸代发做项目，依靠各种框架做出不少像样（孵化投产）的东西。
今日不同往昔。现在的大学生水平越来越高，动手能力越来越强，能接触到的前沿知识和资源越来越多。对比从业十多年，学习能力逐渐到了瓶颈期的 CV 工程师（35 岁上下），有过之而无不及。
或许一开始老员工还能靠经验取胜，但工作一年后，效率对比显然易见了。
人终究不是机器，老人很难卷过年轻人。
企业始终是效率为王，为了实现效益最大化，企业家最喜欢做的事情（也是最经济有效的做法是），开除卷不动的老员工，用他的工资请两个甚至更多便宜好用的应届生继续卷。能成功留到最后往往只有少数人，大部分企业的现实是非升即走。
要想留在这个战场，就要有把自己卷成大佬觉悟。这就要求个人保持对工作的热爱，加强学习，不仅要懂算法，还要懂业务以及技术发展趋势和市场变化。
我的两个搞算法的朋友，都是深度学习最火的时候杀入市场的。一个毕业后在研究所里面卷，后来卷不动去读博了；另一个在大厂卷了两年，后来他觉得他搞的那个方向没啥出路，上面也不打算烧钱了，就找了个机会内部转到开发岗去了（他代码能力还不错）。
二、提升建议
如果不是卷王体质，完全可以提前规划，从算法行业内卷的环境中挣脱出来，趁着自己还有学习的精力，拓宽自己的技术面，多点开花 ，把技能点往开发上点一点，尝试在开发方向走出一条康庄大道。
毕竟目前软件开发岗位市场需求量还是非常大的，各行各业都亟需软开人才，也不用担心自己失业下家的问题，而且国企、银行这类单位对大厂程序员也持欢迎态度。
最重要的是，现在的开发与过去的开发有很大不同。以前入门难，一边要苦哈哈地啃书、读技术手册，然后写代码，再一遍遍地调试，苦不堪言。但现在，基于 AI 大模型的编程，让开发变得更加容易上手。
技术迭代就是不停地把大家拉回到同一起跑线，谁先掌握前沿技术，谁就更容易实现弯道超车。要把握好技术迭代的最佳入场时间，才能享受到技术红利。
借助大语言模型，开发变得越来越简单。
随着大语言模型技术的迭代，在最新的用例、最优质且足够庞大的训练集加持下，手撸枯燥无味代码的日子正在逐渐成为过去式，对写代码的能力要求逐渐降低。
借助框架，可以快速实现应用程序的开发（如 LangChain，开发者可以直接调用其中封装好的大量相关逻辑和代码实现，实现基于语言模型的应用程序的快速开发）。
大模型技术的发展，一定程度上改变了计算机行业的生态。越来越多的程序员为了提高工作效率，一人分饰数角，前端后端 UI 一人包揽，借助大模型完成大量繁复的工作。
P.S． 这里多说一句。
问了几个在大厂里卷的同学，大家在实际工作中已经开始使用各类大模型辅助程序开发，而且效率提升明显。-
随着技术迭代，开发一定会变得越来越简单，就像拼乐高积木一样，只需按照设计好的 MOC，需要哪个零件就取哪个零件，拼接组合，而不用去考虑如何制作零件，这样会大大降低了时间和人工成本。从节约成本考虑，未来开发的趋势一定是结合 AI 的。
三、一些思考
我前几年就职某国企的开发岗，那时候还没有 AI 辅助开发的概念。
传统企业不像互联网大厂那样，有精细化的分工协作，中小型项目一般就一到两个人完成，大项目完全依赖外包。做项目的时候，有时候一个人既要做前端，又要做后端，资源不够的话还要自己设计 UI，效率可想而知。
在这个背景下，难度有三：
一是开发手册看到吐血，有时被一个 API 折磨得抓耳挠腮；二是遇到不明 BUG 调试一天没结果，特别是前后端交互传参老出错；三是框架老旧，有些新功能无法实现（国企怎么可能用到最新的技术，能实现基本功能就可以）。
现在回想起来，如果当时能够借助 AI 来做开发，这三个难题或许就迎刃而解了，起码不会因为实现或改进一个功能加班到凌晨。
个人感觉，**大语言模型应用于开发逐渐成熟，许多冗余工作可以完全交给它来实现，程序员可以把工作重点放在核心代码块。**特别是对于一个刚刚入门的开发者来说，AI 的助益绝对是不可忽视的。
在开发上，大厂更重效率和产出，国企更重实现和可用，借助 AI 大模型，其他岗位（尤其是算法岗）向开发岗转岗过渡会更加平滑。
大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。
1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
因篇幅有限，仅展示部分资料，需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
