战略目标调整
长期战略目标和理想不变
- 参与打造 AI 完全体，即通用人工智能（AGI）和超级人工智能（ASI）
- 长期指 10 年以上
调整短期战略目标
- 原目标：从 11 月 5 日开始借款算起，6个月内入行 AI
- 新目标：6个月内入行数据分析
原因
下面会从各个角度详细说明这几点原因，这是我经过了这3个月的探索、尝试和思考得出来的结论
- 短期内入行 AI 对我来说难度太高
- 数据分析比 AI 更适合我
- 先入行、活下去最重要
为什么短期内入行 AI 对我来说难度太高？
1. AI 的就业门槛也是我的核心硬伤，难以在短期弥补
这三个月来多次投简历都石沉大海，从冷淡的反馈来看，即使我再努力几个月，也不会有太高的胜算，因为下面几点核心硬伤我难以在短期弥补。
- 计算机或者 AI 相关专业：而我是材料和金融，相差太远
- 博士学位：而我是硕士
- 论文，最好是顶会：没有，也很难在 6 个月内搞定
- 相关工作经验：没有，也没法搞定
- 相关项目经验和竞赛成绩：没有，虽然 6 个月内有可能有，但是即使我努力做到了，也会和我的竞争对手差距很大，而且价值也无法抵消前面更重要的四项的劣势，原因有以下几点：
- 我缺乏高校老师的指点和帮助，效率和效果都会差很多
- 我缺乏算力资源，即使做出来项目，耗时也会很长，大概率是玩具项目和价值不大的竞赛
- 我缺乏团队合作，而在学校和企业，有天然的团队合作优势
2. AI的创业门槛也很高
ChatGPT 横空出世之后，人工智能已成为这两年最热门的话题，资本和人才都在不断地往这个行业聚集，竞争空前激烈，以中国成功的创业者的学历门槛为例：
- 25 年前的互联网创业，比如网易腾讯阿里京东，门槛为普通本科
- 10 年前的移动互联网创业，比如字节美团滴滴快手，门槛为清北或985的本硕
- 如今的 AI 大模型创业，比如国内的大模型六小虎，门槛为清北或美国藤校的博士
创业者的门槛也间接说明了这个行业的竞争激烈程度。
3. 过去转行金融和 IT 的自学经验没有参考价值
因为金融和 IT（前端和后端） 的自学会容易很多，做项目的条件和门槛也会更低，更适合个人自学，而 AI 更需要团队协作和资源支持，比如 AI 界流行的一句话：谈卡伤感情，没卡没感情😅。而金融和 IT 只需要一台笔记本电脑就够了。
4. 这三个月的努力尝试没有白费
虽然我一开始我就知道 AI 的门槛很高，也有朋友劝我别转 AI并且告诉我数据分析会更适合我，但是我还是想尝试一下的，万一瞎猫逮住死耗子了呢，毕竟自己试过之后才知道自己几斤几两嘛😂，所以这三个月的尝试也不算浪费时间，还是有不少收获的，也让我更加明确了方向和自己的定位。
为什么数据分析比 AI 更适合我？
我前面提到的劣势对于数据分析来说也是存在的，但是比AI会相对来说小一点。而且我认为数据分析相比于 AI 可以更好的发挥我下面几项能力：
- 数学：我高考和考研的数学成绩都不错，有一定的数学基础，在数据分析领域即使不是优势，也比在 AI 领域的劣势要小。
- 业务能力：我的金融背景和跨领域经验，可以为分析业务问题提供独特视角，比如金融科技（FinTech）行业或者跨领域项目，而 AI 更看重算法能力和研究能力（论文）。
- 学习能力 ：我有丰富的自学经历，但是缺乏研究经历。
- 学习能力指：学习已知知识的能力
- 研究能力指：研究未知知识的能力
- 写作、表达和沟通能力：数据分析也比 AI 更看重这几项能力
- 项目经验和比赛成绩：因为没有卡的限制，而且各方面要求也更低，所以更容易通过自学和单干积累项目经验和取得比赛成绩。
为什么是数据分析而不是数据科学？
- 数据分析更偏向业务，更需要领域知识和复合背景。
- 数据科学更偏向技术，更偏向算法和模型，更需要研究能力，也更偏向 AI，而我不适合 AI 的理由，也同样可以用于数据科学。
我的兴趣、特点、背景和经历就是文理双修 ，我不喜欢没有技术的纯文科工作，也不喜欢纯技术的纯理科工作，我喜欢既需要技术能力也需要商业和业务能力（比如对业务、产品、行业等有深入理解）的工作，相对来说，数据分析恰恰比较满足我的需求。如果我单独去和别人比拼技术，比如数据科学或者 AI 算法，那么我肯定是以卵击石的，也不是我的真正兴趣所在。
数据分析也算半入行 AI
虽然我相信 AI 是未来，但是即使做不了核心工作，比如AI算法，也可以做一些和AI相关的工作，而数据分析就是其中之一。在我看来，AI 的关键和瓶颈在于以下几点：
- 算法，尤其是 LLM，这应该是 AGI 的正确方向，但也是竞争最激烈，门槛最高的，无论是人才还是资本。
- 算力，比如芯片
- 能源，比如可控核聚变
- 数据：尤其是私有数据和领域数据，恰恰可能是未来AI公司差异化的关键之一，所以如果我能入行数据分析，也算半只脚踏入了 AI 行业，和我长远目标是不冲突的，也是更适合我的方式。
学习德川家康，积累实力，静观其变，剩者为王
日本战国的历史给我不少启发，虽然丰臣秀吉统一了日本，但是最后却是德川家康夺得了天下，并开创了 200 多年的德川幕府。为什么会这样？原因之一就是丰臣秀吉低估了明朝的实力和高估了自己的实力，入侵朝鲜大幅削弱了自己嫡系的实力，并且导致嫡系严重分化，导致德川夺取天下最重要的关原合战其实也算丰臣系的内战。而德川家康能最终夺取天下的原因之一是没有参加入朝作战，保存了实力，同时活的够久，熬死了丰臣秀吉。
丰臣秀吉的风格有点像风险投资，而德川家康的风格更像价值投资，相对更加稳健。 对我来说，入行 AI 可能就相当于入侵朝鲜（大明），而高估自己的代价可能会是非常惨痛的，所以及时止损未尝不可。当大家都想入主大明分一杯羹的时候，类似进入火热的 AI 行业，可能像德川家康一样，积累实力，静观其变也是一个不错的选择，关键是要活下去，只有活下去才能不断积累实力，才有机会战胜比自己更强大的竞争对手。
我无法预计AGI还有多远，如果是近几年，那么即使我现在入行也肯定不是我的机会，但是如果还需要更长的时间，那么可能会有泡沫破灭和再一次的 AI 寒冬，那么想办法在行业内活下去并熬过寒冬，才是对我来说最重要的。而选择更适合自己的数据分析，会让我更有几率在行业内存活下去，即使我现在拼劲全力，花费更大的代价，比如超过 6 个月的时间和资金成本，确实也有机会直接进入 AI 行业，但是因为代价和成本过大，而自己的相对实力又较弱，那么可能回报会远低于预期，同时自己的抗风险能力也会很弱，在未来的竞争中很难存活下去。而只有活下去才有机会成功，也就是剩者为王。
战术上还是以做项目和参加竞赛为主
虽然重新调整了战略方向，但是战术上还是以做项目和参加竞赛为主，但是相比于 AI ，我相信自己更容易在数据分析方向取得成果。
当然上面的所有分析，还需要后面的实践来验证，胜不骄败不馁，继续努力是关键。
对我来说，AI 完全体的中间形态应该是数据完全体，我的中期目标是：尽可能多的积累领域数据和业务知识，并不断提升自己的数据分析能力，慢慢形成自己的竞争优势和护城河，从而在未来激烈的竞争中存活下来，静观其变。