AI冲击浪潮下，AI工程师的技术壁垒在哪里？

我一直很迷茫，计算机科学应该怎么学。我确实工作日常不得不在短暂的时间内完成目标，浅尝辄止，跑通就行，总的来说就是个api girl。也可以这么理解，就是在搭积木，这个框架和这个框架用在一起，这个输入和那个输出对齐，环境搞来搞去就酱。【别以为这个就很好做，环境和跑通代码也很费时，更别提后面逐步优化】我很疑惑，如此做个api girl，赛博搬砖工真的能有未来吗？真的能有所谓的技术积淀吗？

这是俺们学校的网红老师hh

然后我在旅游过程中刷微博看到了瘦猫老师发的这条微博，我就和男友、朋友展开了讨论。我内心是认同他的观点的，可能是经过长时间“优绩主义”好学生思维的洗脑，也可能是因为我并没有受过正统规范的CS（计算机科学技术）教育，我一直感觉我基础不是很好，我读研期间没有规划，总是在玩。比如国外的基础课操作系统，csapp之类的，我读研期间有时间也没有搞。但是很多很忙的研究生以及本社畜，真的没有时间去啃基础课了。我后面有时间也会稍微花一点时间学习吧。【再说吧。】

以下是我和朋友交流得到的不同观点。我发现很有意思。

说法1：这个朋友在国外做基础设施的开发，比如镜像的工具链之类的。他说补充基础是必要的，还给我推了一些国外有名的相关课程，说最好把lab做做，自己简单造点轮子。他懒得看大语言模型相关的东西，认为大语言模型很暴力很不优雅，因为LLM都是算力暴力堆叠出来的东西，并没有体现出CS优雅设计的特性。他不接受搞LLM，会让他觉得脑子被强奸了。【well, very interesting,bro】他不想研究这个，认为包括DL（深度学习）这些没有道理的东西都不要搞，最好回归数据库或者基础设施类的研究，除去DL，别有洞天，这些也是容易建立资历和技术壁垒的研究领域。

说法2：这个朋友是搞电力电子的。他觉得大语言模型和深度学习没有太多道理可言，现在很火，市场需求决定薪资和如潮水般涌入的人员的这个状况。深度学习或者大语言模型并没有形成完成体系的知识，不同于电力电子成熟生产的领域，需要摸索和等待。未来未知，如果能先摸索出自己的知识体系，有可能有自己的一片天。他觉得保持探索和热情还是必要的，有可能会有机会。

说法3：这个朋友是大厂的有一定资历的前辈。他说瞎说。cs现在迎来新时代，工具快速掌握快速实现很重要，工期死线不会等你，产出会越来越快，停留在造轮子的时候，不论是工业界和学术界都有可能会落后于人。赶紧抓住这个浪潮，狠赚一笔。【Hhh 我没这个水平哈哈】 

我是这么想的。我觉得LLM很神奇，一方面觉得壁垒降低入行掌握容易，这给相关从业人员带来焦虑。一方面归功于大语言模型，学习新技术速度进一步加快，会不会有转机和切口。有种万道化简万宗归一的感觉。从业的知识碎片不成体系，而这种东西可以帮助我们快速掌握技术。我觉得碰到什么尽量深入学，可以慢慢来，先做个雏形，后面有时间再深入。

朋友，你是这么认为的呢？欢迎留言交流~