AIGC时代，我们更喜欢没有被“规训”过的人才
首先AIGC技术作为新兴的生产力，我们需要意识到它不仅仅是简单的模式匹配工具，而是一个强大的认知系统。比如大模型，它可以自主完成理解、规划、记忆、生成等复杂任务，犹如一个强大的“大脑”。但如果我们像对待传统的BERT等小模型那样去应用大模型，不仅大材小用，还可能完全埋没其潜力。
1. 有时候，太久的大厂经验反而是“减分项”。说实话，我遇到过不少被既有经验和知识体系所局限的候选人，他们从过去的互联网时代走出来，相比于校招生，或许精通过去的技术，但面对新事物时却表现出思维的局限性和学习的惰性。一些算法工程师可能会用过于简化的方式去理解大模型，认为其优化不过是解决一些表面问题，如幻觉等。但实际情况并非如此。
2. 市面不少所谓的AIGC产品经理，其实大多是解决方案PM或者C端PM。一些同学的思路仍然局限于PMF(Product-Market Fit)那一套，而缺乏TPF(Technology-Product Fit)的视角。遇到问题时，他们往往是case by case解决，或者堆积越来越多的知识库去打补丁。看不到技术的可创造性价值，这是目前这部分同学最大的问题。
3. AIGC的真正价值在于其突破了人类固有的认知局限，在更高维度上去认识世界、解决问题。当GPT-4o实现了跨模态的信息理解和生成，当Sora生成了高度逼真、连贯的长视频时，我们才真切地意识到，AIGC正在开启人机协同的新纪元，重塑我们对智能的理解。
4. 因此在AIGC时代，我们更青睐那些没有被“规训”过的人才。我们欢迎那些对新技术怀有敬畏之心、乐于不断学习的人。即使你在特定领域的经验还不够丰富，但只要你有突破边界的勇气和自我迭代的意愿，你就是AIGC时代不可或缺的一员。
第一批AIGC校招生图鉴
首批AIGC校招生，他们是谁？
2024届的校招生可以说是AIGC领域的“开荒者”。2023年，随着ChatGPT的爆火。AIGC相关岗位如雨后春笋般涌现，脉脉发布的数据也显示，互联网行业对 AIGC 人才的需求最为旺盛。这一批校招生，不少人成为了AIGC领域的“首批吃螃蟹的人”。
图片来源 - 脉脉：《2023人工智能人才洞察报告》对于这些应届生来说，AIGC算法工程师、研究员、产品经理等岗位，都是全新的挑战。别说什么“经验丰富”，就算是来自985、211、海外名校的“卷王”们，也很难有太多对口的实习经验。但就是有一批年轻人通过了层层选拔，成为了AIGC领域的新生力量。
- 首先，学历背景很重要。算法岗基本被名校的 NLP/CV 实验室“包揽”，博士学位更是炙手可热，几乎被各大厂疯抢。
- 其次，一些岗位对复合型人才青睐有加。除了学校背景，产品岗在专业上也表现出对复合型人才的偏爱。这与具体的产品应用密切相关：有的偏向于设计类人才，看重审美素养；有的细分领域如金融、出海产品等，则会优先考虑相关专业的候选人。(当然，受今年就业形势影响，大批名校金融、建筑、管理等专业学生涌入互联网，其中不乏进入AIGC赛道的佼佼者。)
- 再次，技术能力是硬实力。他们对AIGC技术都有一定的了解，知道训练的基本原理，有的甚至已经有充足的动手实践经验。技术岗的同学对训练、微调、prompt、对齐等概念如数家珍；产品岗的同学，也能说出大模型的技术边界。
- 还有，虽然很难要求有“三年工作经验的应届生”，但不少“首批AIGC校招生”在校期间就当起了“首批AIGC实习生”。有的在创业公司跟着导师做大模型研究，有的进了当时互联网大厂的AIGC“神秘项目组”，这些实习经历，成了他们进入AIGC领域的“敲门砖”。
- 最后，也是最重要的，是思维方式。还是刚才讲的，我们不需要被“规训”的人才，因此思维上的创造性很重要。AIGC需要很新颖的思维和应用，这也正是校招生的优势，有些候选人往往能提出新颖的应用idea或技术改进方案，可能不是很全面和严谨，但是能给企业带来很好的启示。还有就是热爱很重要。
AIGC面试官吐槽大会：这5种候选人会直接Fail !
作为面试了上百人的“资深AIGC面试官”，我见过形形色色的候选人。通过与一二面面试官的交流，我总结出了一些常见的“雷区”，导致候选人直接出局。“有个候选人，简历上写着参与了一个大型的 AIGC 项目，职责是优化模型训练流程。但当我问他具体优化了哪些环节、使用了什么算法时，他却支支吾吾，答不上来。深入了解后才发现，他只是在项目末期参与了一点数据标注的工作，根本没有接触核心算法。这种简历包装出来的“经验”，在面试中很容易被识破。”“还有一次，面试一位产品经理岗位的候选人。他的简历写得很漂亮，但当我问到一些基本的 AIGC 应用场景时，他却说自己不太了解技术细节，只负责需求和设计。作为一名 AIGC 产品经理，如果连 ChatGPT、Midjourney 的基本原理都不懂，怎么能设计出优秀的产品方案？这种‘外行领导内行’的情况，在面试中是直接pass的。”“AIGC 项目的开发，通常需要算法、产品、开发等多个角色密切配合。我们曾面试过一位技术背景很强的算法工程师，但他的沟通能力和团队意识却很差。当我们问到如何处理与其他部门的合作时，他直言不喜欢和‘外行’打交道，宁愿自己独立完成所有工作。这种‘独行侠’式的工作态度，在实际项目中是行不通的。”“AIGC 是一个日新月异的领域，我们需要具备创新意识和学习能力的人才。曾经有一位候选人，技术基础非常扎实，但回答问题时总是照本宣科，死板教条。当我们抛出一些开放性的问题，鼓励他畅想 AIGC 的未来应用时，他却显得非常茫然，没有自己的见解。在这个瞬息万变的时代，如果安于现状、不思进取，是很难在 AIGC 领域走得长远的。”“很多同学只是把 AIGC 当作热门求职方向，对领域发展、应用场景缺乏了解，更提不出有价值的问题。这让我们不禁怀疑，他们是真的对 AIGC 感兴趣，还是只是随大流？”当然，也有不少同学给我们留下了深刻的印象。比如，一位同学出于个人兴趣独立完成了一支 AI 短片的创意和落地。她不仅设计了完整的工作流程，还巧妙地结合了多种 AIGC 工具，充分展现了对技术的热爱和深入思考。这样的候选人，无疑是我们最期待的。
AIGC 的热度毋庸置疑，但对于跃跃欲试的同学们来说，现在入行是否为时已晚？
从“钱景”来看：高薪资，但竞争激烈
AIGC 领域的薪资水平一直居高不下。根据猎聘等平台的数据，AIGC 算法工程师、研究员等职位的平均年薪轻松突破 50 万，甚至有部分公司开出了百万年薪的“天价”。即便是产品、运营等非技术岗位，薪资也远高于其他行业。
根据猎聘大数据研究院发布的《AIGC就业趋势大数据报告2023》报告显示，近一年AIGC职位分布最多的三大行业是IT/互联网/游戏、汽车、电子/通信/半导体，占比为49.13%、17.59%、6.63%；其对应的招聘平均年薪为43.23万、34.65万、42.83万。
图片来源 - 猎聘大数据研究院《AIGC就业趋势大数据报告2023》从近一年AIGC新发职位三级热招职能分布TOP10来看，位居前三的是算法工程师、自然语言处理(NLP)、产品经理，占比为14.67%、7.37%、5.40%。在这TOP10职能中，招聘平均年薪最高的是图像算法，为55.62万；深度学习、自然语言处理(NLP)、机器视觉、机器学习的招聘平均年薪均超50万；算法工程师位居第六，为45.05万。然而，高薪资背后也意味着高要求。AIGC 领域竞争激烈，人才供不应求。不仅各大互联网巨头纷纷加码布局，更有众多创业公司如雨后春笋般涌现。2023 年秋招季，AIGC 算法工程师、研究员、产品经理等岗位首次大规模向应届生开放，大量 985/211/海外高校毕业生涌入，竞争愈发激烈。此外，AIGC 领域的薪资水平也存在一定的差异化。例如，拥有博士学位、海外留学背景、知名企业实习经验的候选人，往往能够获得更高的薪资待遇。因此，想要在 AIGC 领域获得高薪，除了提升技术能力，还需要不断丰富自己的履历，增加自己的竞争筹码。从“前景”来看：应用场景广泛，发展潜力巨大
AIGC 作为新兴技术，发展潜力巨大。从文本生成、图像生成到视频生成、3D 生成，AIGC 技术的应用场景不断拓展，为各行各业带来了颠覆性的变革。未来，AIGC 有望在医疗、教育、娱乐、金融等领域发挥更大的作用。例如，在医疗领域，AIGC 可以辅助医生进行诊断和治疗，提高诊疗效率和准确性，甚至可以参与药物研发，加速新药上市；在教育领域，AIGC 可以为学生提供个性化的学习方案，实现因材施教，还可以生成智能辅导系统，帮助学生解决学习难题；在娱乐领域，AIGC 可以生成更具创意和吸引力的内容，例如虚拟偶像、互动游戏等，丰富人们的娱乐体验；在金融领域，AIGC 可以帮助分析市场趋势、预测风险，为投资决策提供支持，还可以用于自动化报告生成、客户服务等方面，提高工作效率。AIGC 赛道虽然竞争激烈，但其发展前景依然广阔。如果你对 AIGC 技术充满热情，具备扎实的技术功底、创新思维和良好的学习能力，那么现在仍然是进入 AIGC 赛道的好时机。当然，入行前也需要做好充分的准备。除了提升自身能力，还需要了解行业动态、关注市场需求，选择适合自己的发展方向。
总的来说，AI行业人才市场需求旺盛，专业包容性也较强，复合人才的黄金时代已经来临，那么作为求职者应当如何把握，让自己在AIGC的浪潮中稳稳上岸呢？
我有几条建议送给大家：
1. 保持对行业最新的资讯和前沿动态的敏锐观察。“人间一天，AI 一年”，AI 的发展速度远超我们想象，各种新技术、新概念、新产品层出不穷，要在这个高速发展的领域中不落伍，就必须关注最新资讯，了解技术革新和市场趋势。欢迎大家关注我的公众号 ，每周更新最新AI资讯和前沿学术论文，洞察行业趋势。2. 深度学习和掌握AI领域知识和硬技能。
可以通过阅读书籍、观看在线课程学习AI的基础知识，包括机器学习、深度学习、自然语言处理等。平台如Coursera、edX、Udacity提供了许多入门到高级的课程。3. 寻求实践实战机会，积累业务经验。理论结合实践，方能成就真知灼见。实践经验是理解和应用AI知识的重要方式。可以参与开源项目、实习机会或自己动手实现一些小项目，比如使用机器学习模型进行数据分析，或开发一个简单的聊天机器人。对于有志于把AI作为未来的职业选择的同学们，不妨尝试业界实习，选择百川智能、智谱AI、minimax、kimi等AI垂直领域的创业公司，或是选择传统互联网大厂的AI部门，积累宝贵的实践经验。4. 罗马不是一天建成的，机会总是留给有准备的人。只要你从现在开始，多了解一些行业趋势，多积累一点 AI 知识，多参与一些实践项目，你就成为了那个弄潮儿。如果你想深入理解技术变革，把握AI应用的未来趋势，可以读读看我为初学者准备的：“AI初学者必看必读”清单。- MIT的机器学习神课Introduction to Deep Learning(2023年版)：https://www.youtube.com/watch?v=QDX-1M5Nj7s
- https://www.coursera.org/specializations/deep-learning
- AI先锋Andrej Karpathy发布全新LLM101n课程，涵盖从基础到类似于 ChatGPT 的可运行 Web 应用程序，并使用 Python、C 和 CUDA 从头开始构建项目。https://github.com/karpathy/LLM101n
- LLM 精品课程，一系列关于评估、检索增强生成（RAG）、微调等主题的研讨会和讲座：https://parlance-labs.com/education/
- IBM联合Coursera推出的AI Foundations for Everyone课程，介绍了AI的原理概念、GenAI的应用、AI聊天机器人等：https://www.coursera.org/specializations/ai-foundations-for-everyone
- 《基于GPT-3、ChatGPT、GPT-4等 transformer 架构的自然语言处理》Denis Rothman
- 《Build a Large Language Model》Sebastian Raschka
地址:https://github.com/LLmBook-zh/LLmBookt-zh.github.io地址:https://github.com/datawhalechina/llm-universe
以上全部内容已整理，关注公共号后台回复【0801】即可获取。
