都在劝退？大模型前景如何

大模型.

于 2025-05-02 07:45:00 发布

阅读量1.2k

点赞数 30

文章标签： http 网络协议大模型人工智能网络

本文链接：https://blog.csdn.net/EnjoyEDU/article/details/147590878

版权

近期，关于大模型的就业前景引起了不少讨论，一方面，它代表了技术的最前沿，吸引了无数科技工作者的目光；另一方面，在现实就业中存在着一定的挑战。无论是在保研过程中，还是进入职场后，选择大模型相关的研究或岗位，都需要深刻认识行业的现状与未来发展。

1、什么是大模型？

大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等，例如如今常见的AI工具都是语言大模型产品。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。

2、大模型的就业前景

根据招聘平台的数据，提及AIGC、大语言模型、大模型等关键词的岗位自ChatGPT等技术发布以来持续增长。在大模型行业，对于具有高级算法技术人才的需求尤为旺盛。大模型相关岗位的薪资相对较高，许多职位年薪可达到40万元以上，吸引了大量同学。

然而，人才需求仍然紧迫，尤其是在大模型预训练经验、Transformer框架应用等方面。竞争激烈的市场要求同学们具备扎实的编程和深度学习能力，持续跟进技术动态，成功入职需要较高的专业水平和经验积累。

但另一方面，大模型的相关工作也有很多人劝退，要么是进入一些企业以后压力非常大，竞争激烈，需要大量的资源投入等等，要么就是进入一些国企以后觉得过于清闲，之前学过的内容用不上有很大的落差，所以想要选择大模型相关工作还是要做好调研，思考清楚再决定。

3、大模型的就业门槛？

大模型相关行业的招聘要求一般是要求学历最好是硕士且是985/211的同学，对学历还是有一定门槛的。

从事大模型相关岗位通常要求同学们具备以下技能：

►编程能力： 熟练掌握Python、C++等编程语言，具备良好的编程功底。

►深度学习框架： 熟悉深度学习框架，如PyTorch、TensorFlow等，以及相关的工具和库，如Hugging Face Transformers、DeepSpeed、Megatron-LM等。

►算法理解与应用： 掌握传统NLP、深度学习NLP相关算法，并具有相关实战经验。对深度学习、Transformer、预训练等有深入的理解和经验，能够根据论文复现相关算法。

►数据处理与清洗： 了解数据挖掘、数据清洗、数据预处理等流程，能够处理大规模数据集，并具备一定的数据挖掘和构造能力。

►模型开发与优化： 参与大规模预训练语言模型的研发、部署、微调，进行功能实现、性能优化、系统调优等工作。

4、就业分析与建议

► 提升技术能力

想要获得大模型相关的offer需要精通大模型相关的核心技术，包括深度学习、自然语言处理、机器学习算法等。熟练掌握Python、C++等编程语言，并深入理解深度学习框架如PyTorch、TensorFlow等，是基础要求。此外，了解并能够应用Transformer、BERT等大模型的架构与技术，能显著提高同学们的技术竞争力。

► 注重项目实践经验

技术能力的提升离不开实践经验的积累。参与开源项目、实习以及科研项目，不仅能丰富个人履历，还能提高解决实际问题的能力。同学们可以在学校里多尝试参加一些与大模型相关的项目，多接触与大模型相关的开发和优化任务，提升实战经验，还可以参与一些相关的竞赛去做一些创新或者根据比赛的内容发表一篇比较不错的论文。

► 持续学习与关注行业动态

大模型技术日新月异，同学们必须保持持续学习的状态，关注前沿研究和技术更新。参加技术论坛、研讨会，订阅相关领域的研究论文或技术博客，可以帮助同学们保持对最新趋势的敏感度。还可以选择相关的深度学习、AI认证课程，也有助于提升个人的学术和技术背景。

► 拓展跨领域的能力

大模型技术不仅仅局限于纯技术岗位，跨领域的复合型人才也在市场上受到高度重视。同学们可以拓宽自己的专业领域，比如结合金融、医疗、制造业等行业的知识，与大模型技术相结合，形成独特的竞争优势。跨领域背景的同学们能够在更多行业中找到适合自己的岗位，提升就业机会。

► 个人主页的建设

同学们可以建立一个自己的主页，不管是自己搭建一个还是在技术社区、社交媒体等平台都可以，在主页上展示自己的技术能力、项目成果以及研究成果，积极参与开源项目、技术博客的撰写和分享。

5、保研选择建议

很多同学在本科的时候了解了一些大模型相关的内容想要继续深造，或者是以后想要从事大模型相关的工作，那么作为一个保研er，**接下来应该如何准备以及后续研究方向、院校、导师应该如何选择呢？**接下来岛主将给大家分析一下：

1、明确未来的研究方向与专业定位

大模型是一个相对宽泛的领域，如果要具体到个人的职业发展，首先就需要明确自己在该领域的兴趣和擅长的方向，确定自己的定位。以下是几个主要的方向：

►自然语言处理（NLP）： 如GPT、BERT等模型的优化与应用。

►计算机视觉（CV）： 如大规模视觉模型、Transformer在图像处理中的应用。

►深度学习框架： 如大型神经网络的训练、优化、分布式计算等。

►强化学习（RL）： 例如基于大模型的自我学习与决策机制。

2 、选择院校与导师

保研时，首先可以关注一下各个学校在机器学习、深度学习、AI等方面的排名；其次要看院校的研究方向与项目。大部分院校的研究所会有“人工智能与大数据研究中心”或类似的实验室，重点查看这些实验室是否有涉及大模型的研究；最后是导师的科研成果：你可以直接查阅目标导师近几年是否在大模型领域有科研成果。

目前国内大模型方向突出的团队有：

1 、 清华大学： 唐杰老师团队、朱军老师团队、孙茂松老师团队 |

2 、北京大学： 黄铁军老师团队、赵东岩老师团队
3 、 南京航空航天大学： 李丕绩老师团队
4 、重庆大学： 张磊老师团队

3 、保研准备：科研背景与实践经验

保研过程中，科研经历和实践经验是非常重要的加分项，可以从以下几个方面准备：

科研经历： 尽可能参与和大模型相关的科研项目**。如果你的学科背景是与AI或计算机相关，可以参与一些与大模型相关的课题研究。争取发表与大模型相关的学术论文，尤其是在国际期刊或会议上的论文，这对于保研来说非常加分。

实践经验：参加一些大模型领域的技术竞赛或开源项目。例如，Kaggle上的NLP或计算机视觉比赛，或者GitHub上的大模型开源项目。

4、学术成绩与核心课程

大模型研究对数学、编程以及深度学习的基础非常高要求，因此你的学术成绩尤其重要：

1基础课程成绩：需要保证数学、编程、数据结构、机器学习、人工智能等基础课程的成绩优秀。尤其是线性代数、概率论、矩阵论、高等数学、算法设计等课程，理解这些基础知识对于后续的深度学习与大模型的学习非常重要。

2深度学习相关课程：积极选修深度学习、自然语言处理、计算机视觉等相关课程，保证这些课程的成绩。

写在最后

大模型领域的前景广阔，需求旺盛，但也充满挑战。同学们在保研时着重选择相关的方向和导师团队进行深造。最后，持续学习和关注行业动态，保持技术前沿的敏感度，才能在未来的道路上不断进步。祝各位保研er都能拿到自己心仪的offer~

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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。

这份完整版的大模型 AI 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】