干了13年AI大模型工作有哪些？别信那些年薪百万的鬼话，真相在这

我在这行摸爬滚打十三年了。从最早的规则引擎，到后来的深度学习，再到现在的生成式AI。很多人问我，ai大模型工作有哪些？是不是都在写代码？是不是都在搞算法？

说实话，看到这种问题，我有时候真想笑。

外行人看AI，觉得是魔法。内行人看AI，全是脏活累活。

今天我不讲那些高大上的概念，就讲讲我身边的真实情况。

先说数据。这是最基础的，也是最累的。

很多人以为数据标注就是点鼠标。错。

你要处理的是海量的、混乱的、甚至带有偏见的数据。

比如，你要让模型学会分辨“讽刺”和“幽默”。

你得一条条看，一条条标，还要反复校验。

有时候一天看几千条，眼睛都花了。

但这行门槛低，竞争也大。

如果你只想找份糊口的工作，数据标注员是个入口。

但想往上走，得懂业务逻辑。

接下来是提示词工程师。

这词儿火了好几年，现在有点降温。

但需求还在。

很多人以为就是写写Prompt。

其实，你要懂模型的特性。

知道它在什么情况下会幻觉，什么情况下会拒绝回答。

你要像驯兽师一样，跟模型对话。

有时候为了优化一个回复，你要试几十种不同的问法。

这工作挺磨人的，需要极大的耐心。

如果你擅长沟通，又有点逻辑思维，这行适合你。

再说说模型微调。

这是技术含量比较高的活。

你得懂Python，懂PyTorch或者TensorFlow。

还得懂怎么清洗数据，怎么调整超参数。

有时候模型不收敛，你得熬夜调参。

那种感觉，就像在黑暗中摸索，不知道哪一步走对了。

但成就感也强。

看着模型一点点变聪明，那种快乐，外人不懂。

现在，大模型运维也成了热门。

模型部署上线，不是结束，是开始。

你要监控它的性能，处理并发请求，防止被攻击。

还得不断优化成本。

毕竟，算力贵得吓人。

怎么让模型跑得更快，更省，这是真本事。

这行需要懂架构，懂云原生。

如果你以前做后端开发，转行做这个，优势很大。

最后，说说产品经理。

在大模型时代，产品经理的角色变了。

你不能只画原型图。

你得懂技术边界。

知道模型能做什么，不能做什么。

不能给用户画大饼。

这行需要极强的沟通能力，和抗压能力。

毕竟，用户期望太高，而模型有时候很笨。

总结一下。

ai大模型工作有哪些？

其实没有那么多光鲜亮丽的岗位。

大部分工作，都是重复的、枯燥的、需要耐心的。

但如果你能沉下心来，在这些基础岗位上做出彩。

那你就能吃到红利。

别指望一夜暴富。

这行变化太快，今天的热词，明天可能就过时。

保持学习，保持好奇。

这才是最重要的。

我见过太多人，因为追热点而入行，因为跟不上节奏而离职。

我也见过一些人，默默深耕数据，最后成了专家。

路是自己走的。

别听风就是雨。

看看自己的兴趣，看看自己的技能。

选一条路，扎下去。

这才是正道。

（注：文中提到的“大模型运维”有时也被称作MLOps，具体岗位名称可能因公司而异，但核心职责类似。）