转行成功啦｜建筑转行如何成为宇宙厂AIGC产品经理

米晓从哈工大「环境艺术专业」踏入“建筑行业”，到在英国皇艺读完「环境建筑专业」硕士毕业，就发现自己所学好像都没有一个特别对口的岗位。于是一年换一行，景观、室内、AIGC都做过，中间甚至还尝试过游戏行业，她非常享受这样清零再来的状态，每次改变都能达成一个小目标，每次改变都让自己的生活更丰富有趣。

---

新转机：Hello 米晓，先和大家分享一下你目前的工作吧。

米晓： 大家好，我是米晓，目前是宇宙大厂（字节）的AI产品经理，主要在做AIGC方向工作(Artificial Intelligence Generated Content 人工智能生成内容）：使用AI生成我们想要的内容，并应用到我们的产品中去。

新转机：AIGC对于很多人来说还是新兴领域，能不能先给大家科普一下？

米晓： 其实AI（人工智能）的发展是一个长期积累的过程，包括智能控制、机器学习等应用的AI 设计、 AI 产品或者是 AI 工程师这些，都已经存在很久了。

发展到现在，因为一些算法和硬件的突破，我们可以通过和AI对话或训练等形式，让AI大模型生成文本、图像、音频、视频等更丰富的内容形式，这就是AIGC（人工智能生成内容）。比如文本生成模型可以根据输入的提示生成新闻文章、故事、评论等内容；图像生成模型可以根据描述或指示生成图片；语音合成技术可以生成自然流畅的语音内容。

新转机：作为AIGC产品经理，可以简单说一说你的工作内容吗？

米晓： 作为AIGC产品经理呢，我会基于用户需求，在清楚自己想要做什么内容的前提下，让AI生成的内容达到我想要呈现的效果。也就是说，在产品经理的基础之上，我还要了解AI算法的逻辑，看它是不是能够按照标准，对应我需求的方向去生成内容。

我参与的是 AI 生成图片领域，它更多的还是偏视觉类，偏应用方向。其实这个方向，特别适合建筑行业或者是设计行业的同学转进来。

新转机：为什么说这个方向特别适合设计相关岗位转行进来呢？

米晓：因为做 AIGC 模型的算法工程师，他们可能不知道什么是好看，什么是美。举个简单的例子，如果是时装或者室内设计类应用，算法工程师可能都不知道什么叫透视、色调、风格，他们跟用户之间就有一个很大的gap。那我们建筑生，在学习的专业知识里涉及美学和理性同时存在，这些逻辑性兼顾美学的思维方式，是我们建筑生训练AIGC最大的优势所在。

新转机：米晓本科和研究生留学都是攻读环境设计相关专业，什么契机让你想要转行呢？

米晓： 毕业之初我还是想在建筑行业内探索一番的。但回国之后我发现自己这个专业在国内很少有对口的工作。

我本科是哈工大的环境设计专业，我们专业除了学习建筑学知识以外，还涉及室内、景观、城规和建筑基础理论等等。然后在英国学的景观建筑，是一个很泛的建筑大类。一些环境工程、环境治理的问题，也包括政治条款、建筑文旅，就你做什么都行。听起来好像从事景观是比较贴切的，但事实上我的这两段学习经历没有学习太多跟景观有关的知识，并且做建筑又好像也没有那么对口。

新转机：确实，咱们国内的建筑类就业环境和我们接受的教育不太匹配。

米晓： 是的。不过我当时在毕业找第一份工作的时候，还是想先探索一下建筑行业。我给自己定的目标是用一年时间，先看一下行情，去了解自己是不是真正喜欢这个行业，也探索一下自己更适合哪方面。我先进了一家小型的景观设计事务所。

做了一年之后，转去了一家室内设计工作室。这家室内设计工作室体量不大，不到10人的规模，那我们的工作内容肯定不能只做设计了。其实我在做室内设计这一年里，已经在考虑转行了。

集体脊椎前倾了都hhh

新转机：考虑转行的时候怎么选到AIGC领域的？AIGC当时很热门吧。

米晓： 我最开始接触AI 相关内容也是在室内设计方向，就是用 AI 去做室内效果图，或者用 AI 去给线稿上色。比如说给一个毛坯房用AI直接生成一张合理的效果图。最初从这个方向切入去研究，转到AIGC领域的这个过程对我来说还是挺顺畅的。

新转机：看来是从行业内的AI新工具摸进了AIGC领域。

米晓： 哈哈是的。我在上海跟很多社区的创作者联系的时候，发现 30%- 40% 都是建筑设计相关人员在研究 AI 这件事情，然后 20% 可能是工业设计、平面设计人员。我相信建筑生的那种逻辑性和理工科的理性还是会占优势一点。

新转机：又是什么样的契机，进入了宇宙大厂呢？

米晓： 契机是我参加了一个 AI 产品的市场调研分享会。组织那场调研的公司，想知道我们建筑设计的工作流程，他们需要了解你作为设计师，是哪一步要用AI，然后 AI 能帮助你们做什么？我当时以室内设计师的身份，作为 AI 的深度使用用户，做了一个AI 使用体验的访谈。内容包括我自己使用 AI 不同软件的一个心得分享，还有在工作上遇到的痛点，哪些工作内容我觉得可以被 AI 使用等等。

一方面可能因为我在这个分享会上的表达很清晰，并且我作为设计师，在 AI 这方面有一些比较深度的研究。字节里比较高层的领导听到了我的访谈内容，邀请我又去北京单独做了一次分享。那次分享可能就相当于是面试了，我后面再做了一个面试，就通过了。

新转机：如果进行一个总结的话，你觉得自己转行成功，最重要的因素是什么？

米晓： 一方面是机遇，一方面还是靠主动学习吧。我对 AI 的学习上手是很快，我做上手之后，还会沉浸去研究更多的东西。包括我平时在工作上的时候，会主动收集信息，老板的谈话，老板的想法，以及身边不同社群的朋友们、大佬们对 AI 的看法。然后吸纳成为我自己的知识储备，这让我变得很能讲。这种表达也是很重要的工作能力，因为你在很多工作中都是需要交流的。

新转机：我们建筑生想要转行做AIGC的话，需要在哪些方面增强核心竞争力？

米晓： 美学功底（产品设计和开发能力）+ 对AIGC技术的深刻理解（学习能力）。

AIGC产品经理和AI的关系，就好像设计总监和设计助手。你需要像设计总监一样，告诉你的AI助手，说我想做这个东西，我很清楚要做什么，你要给我实现。这需要我们对AIGC技术有深刻的理解和应用，相当于你要有很强的细节控制能力，让这个AI助手去达到你的要求。

很多人觉得，是不是把AI 软件搞懂了就能去做这件事情了，我觉得更多的还是你要去学会分析总结。总结一些属于自己的方法论还是挺重要的。

我是新公司ai workshop的评委

新转机：对于想要转行的学弟学妹们，能不能给他们一些建议？

米晓： 我看过很多想转 AI 的建筑设计的学生，包括刚毕业的，也包括工作很多年的。我觉得不管你是想转哪个行业，前提都是要去主动学习，找到自己感兴趣的内容，然后去深入了解。

这里给大家一些信心，学习AI 真的上手很快，学习成本相比于转行热门的游戏行业的门槛会低很多。比如我一个女生，刚开始接触 AI 的时候，从零开始到熟练用 AI 去做图，也就不到一个月的时间。就是你的行动力一定要冲上去。

新转机：我们了解到，米晓对于面试和简历制作颇有心得，在这里也分享一下吧。

米晓： 首先，简历的量化真的很重要。如果有工作经验，就用工作经历来量化。举个例子，例举自己参加过的项目里，我干了什么事情提高了整体工作效率，达到百分之多少的业绩等等。对于缺乏工作经验的同学们，你自己的学习过程和进步也可以被量化，包括多学了一个软件，都可以量化表示出来。

然后在面试环节上，我们需要突出自己的个人能力。比如，你可以谈谈自己对 AI 的了解，然后对这个市场的一些分析，包括你对自己的一些总结。你在聊这些的同时，面试官会从沟通上了解你对事情的理解和表达能力。

新转机：聊天中你有提到说进入大厂之后反而没有自己的时间了，这是怎么回事？

米晓： 哈哈，首先呢，在大厂里，大家整体的工作效率还是比较拉满的状态。更重要的是， AI 这个事情它迭代的速度非常快。举个例子，之前有一个叫快速生图的模型，在你睡了一觉的时间里，它迭代出了一个可以四步生图的模型，然后你再眼睛一闭，只过了两天，我们国内又发了一个新的模型。如果你说还是按照一个比较缓慢的这个节奏去做的话，你可能跟不上这个 AI 发你的速度，这是第一点。

第二的话，现在可能是我真的找到了自己想要做的事情。就是很当你的思路清晰的时候，就不存在说我的生活里，有多少部分是我自己的时间，多少部分是什么工作，就是没有这个区分了。

新转机：明白，就是你更愿意注入在AI这件事情上了。

米晓： 是的。我可能转行之前的那种生活状态是在 95 分，然后我切换到了一个新的状态，现在可能还是在30、40分的状态。好像我自己的生活都没有了，然后确实也很累，工作时间被占用的比较多。但我相信它只是一个过程，再往上一定是一个能够把生活和工作都兼具的这么一个高度。

其实现在我在的这个大厂的氛围也没有那么严苛。像我周末的时间，还是可以尝试安排自己的。我认识的很多优秀的人，比我优秀的人，他们也是可以既安排好工作，也安排好自己的生活的。

我参加aigc大赛的作品图

新转机：对于现在的工作，你会有一个比较明确的目标规划吗？

米晓： 有的。从短期来看，对于设计师或者是从事建筑设计方向的人来说，我们从一个正在下跌得非常惨烈的建筑赛道，转去一个目前还算比较高速发展的那个行业，一定不是一件坏事。

我自己的规划是希望至少在字节或（别的）大厂能稳定个 3- 5 年。我会把 35 岁作为一个大概的节点，考虑这段时间你要做到一个什么位置，然后包括学习什么、攒多少钱等等，其实都是有一个大概的规划的。

更长远来看，我觉得我对 AI 的了解是我的一个敲门砖，是一个进入大厂的契机。我会在保障自己工作的同时，扩展不同的其它能力，确保我的竞争性一直都是有优势的，是能扛打的。然后再长远一些，就从很多网上分享的经历来看，大厂出来后面可能是一条创业的道路。这个我觉得还是一个累积的过程。

新转机：整场聊下来，米晓给我的感觉是，你在上了一座高峰的同时，已经在看向另一座高峰了。

米晓：哈哈，我也说自己是个很「卷」的人。当然如果你卷伤到自己了，那是可能不太好。对于我自己来说，在还不到30的年纪里，我很喜欢自己这种一年换一个行业，三年换一个城市这样的节奏，我觉得还蛮充实的。我很乐意拥抱新的东西，也很接受自己要从零开始重新学习这个事情。

对于大多数站在一个 95 分的高度的人来说，可能换了一个方向，会有落差自己是不是要从0分开始了。但我不觉得这是一个落差，只要你把新的0分学到 95 了，你就获得两个 95 分。

---

感谢米晓全程干货满满的分享～在访谈过程中，米晓用了建筑相关的经验来类比AIGC的相关内容，深入浅出的输出了自己对于AIGC的理解和行业见解，这些行业干货内容对于我们建筑生来说太友好了。篇幅原因，更多和AIGC行业相关的内容没有收录在本篇公众号文章里，如果想要了解更多，欢迎移步小宇宙收听米晓的这期访谈内容。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，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。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 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】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓