鹅厂大模型人才扩招50%！面向全球顶尖天才少年：薪资算力数据管够

毕业季，大模型人才正在被各家大厂和创业公司重金哄抢。

刚刚，腾讯也曝光了他们与大模型相关的人才计划，并且直通2025年校招——

将面向全球范围内大举扩招50%大模型人才，并且放话薪资算力什么的不用愁。

不出所料，各家抢人下手都既快又狠，晚一步生怕就抢不到（不是）。

也是借这个苗头，突然发现了鹅厂每年招贤纳士的精髓，那就是针对不同情况推出各种顶尖人才计划项目。

然后狂吸各种牛人/大咖/天才/专家。

这不，当下最热辣滚烫的大模型项目也不例外。

不过有个疑惑存在很久了，心怀梦想的各位天才/专家们被吸纳进鹅厂的肚子里后，到底发展怎么样？

一般来说，这事情就像格林童话停顿在“王子和公主从此过上了幸福的生活”一样，很少听到什么下文。

没错，我们对那些通过顶尖人才计划进入鹅口的鹅厂员工们，下手了……

（出于保护信源的目的，本文中提到的所有人士均采用化名，非要问那就是查无此人，doge）

被鹅厂顶尖人才计划招募，然后呢？

今天要讲的第一个人，目前在腾讯混元团队就职，就叫他Q吧。

Q主要日常工作在腾讯混元文生图这一块，负责让生成的图像更精准、更美观、更符合prompt的要求，同时还需提升文生图这一块的技术水平。

他加入腾讯时间比较早，是2016年通过腾讯技术大咖项目去的。

并且据本人所说，当时只投了腾讯，因为读博的时候就规划好了，一心一意要进鹅厂。

2016年前后，恰巧也是Q第一次被AI技术shocked到的时期。众所周知，那时候计算机视觉有一次规模性爆发，尤其是人脸识别相关技术开始在日常生活中大规模应用。

至于第二次，就是2022年底大模型带来的颠覆一切的震撼了。

于是，混元团队组建的第一天，Q就加入其中。

当然了，能加入混元，路是他一步步走过来的。

在校期间，他在pattern recognition（模式识别）方向的顶会顶刊发过很多paper；通过腾讯技术大咖项目进公司，也是从熟悉工作内容和积累经验开始。

但Leader本身对于团队有更高的要求和期望，会分配一些需要突破性的工作。“倒不是因为技术大咖的身份，而是我（们）技术上确实有能够落地的能力。”Q说。

到加入混元团队的时候，时代车轮碌碌向前，Q当年学的很多东西其实已经被淘汰了（笑死），所以每天追踪最新技术研究，也成了日常工作的一部分。

至今，Q和团队拿出了不少成果。

产品方面，和腾讯广告一起开发了以腾讯混元大模型为基底的一站式AI广告创意平台——腾讯广告妙思，为广告主提供不同场景的创意工具，并通过AIGC技术能力大幅简化投放传统流程，让广告投放快人一步，助力广告主收获满意ROI。

模型方面，开源了混元文生图模型hunyuan-DiT，目前GitHub上揽星2.4k。

“做一个优秀的大模型，背后涉及的东西是非常多的，比如机器的配置、数据和模型结构的调试，在这个复杂的系统里，需要每个点都做得好，才能做出一个优秀的大模型。”Q补充道，“腾讯在落地应用场景方面也很具有优势。”

Q同学的故事，其实在腾讯不在少数。

他们的入职不是通过更为普遍的校招/社招，也不负众望地一步步在腾讯核心业务中成长起来，甚至成为技术引领者、主导者。

只不过现在大模型浪潮，关于人才的招募与培养，又一次搬到台前备受大众所关注。

就像OpenAI、谷歌、xAI这样的人才故事，在国内同样也在发生。

现在任职腾讯AI Lab的王艾文，现在在腾讯从事科学大模型技术探索方向工作。

她是哈工大博士，研究方向计算生物，偏交叉学科。

毕业前，王艾文就在腾讯AI Lab实习过一年，据她所说，身边同事博士密度超级高。

她的整个职业故事里没什么太艰难的抉择点，毕业后，看中团队环境和工作模式与内容的她，很自然留在了腾讯。

正式入职后，王艾文依旧在科学大模型团队，从事Al for Science领域的前沿研究，偏基础研究，是生物大模型方向的工作。

据王艾文透露，她所在团队的工作内容之一是负责研究单细胞大模型，“把大模型引入到单细胞领域来”，已经在近两年有过多篇团队共同产出的论文，主要聚焦临床组织样本（例如肿瘤样本）的细胞异质性分析，训练模型来预测临床样本中的细胞类型及其含量，为临床研究提供关键参考。

简单来说，王艾文在进入腾讯后做的事情，是在生物和医学领域推进大模型研究，让许多环节更准确和更高效。

除了大模型团队，其他部门和团队里通过顶尖技术人才项目加入腾讯的人也挺不少，比如接下来我们要说的Andrew，南洋理工大学博士毕业，目前是IEG光子工作室群的一员。

具体干啥呢？游戏AI方向。

以前在学校的时候，Andrew是搞强化学习和多智能体系统的，实验环境相对纯粹；现在的业务和游戏部门匹配度很高，但干的是业务驱动的活儿，即根据用户需求来调整和迭代。

这就要求Andrew既要熟悉业务，也要掌握最新的AI技术并且适用于游戏业务中。

这背后就是吸引Andrew入职的点：

一方面，游戏技术应用的AI技术都很前沿，应用度很广，有种把AI用到极致的感觉。而且团队看重改变业务的能力，就是说如何用AI帮业务创收或改变某种业务形态，驱动人不停去思考和创造，做的东西更新，思考的维度也更全面。

**另一方面，**大厂有足够多的资源、更多的算力、更接近现实的问题，去训练和不断优化AI能力。

据Andrew跟我们说，当团队把第一个模型训练起来的时候，在真实的商业环境里让它跑起来，那成就感，简直拉满！

包括在训练模型时，感知训练所需数据量很大，有一种听到赛车发动机在轰鸣的感觉。

怎么说呢，就是很兴奋，很期待。

关子卖到这儿，再不揭秘就不礼貌了——

无独有偶，王艾文和Andrew，都是通过腾讯内部几乎最年轻的一个技术人才项目入职，一步步定职级、拿资源、搞项目。

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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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】