全球科技巨头因AI裁员,但多数企业计划重新招聘。AI虽能处理标准化任务,却难以应对非标准化工作。真实案例显示,AI客服和AI编程存在明显局限。企业需认清AI价值,采用“AI+人”模式。程序员应学习如何利用AI提高工作效率,而非担忧被替代。
请添加图片描述

过去两年,职场人最怕听到的一句话:“这个岗位,AI能做了。”

不是杞人忧天。全球科技巨头确实因为AI裁掉了大约23万人。Meta缩减了五分之一的人力,亚马逊裁了3万,微软1.5万,甲骨文甚至计划砍掉2到3万个岗位。国内同样没能幸免——网易、字节、阿里、B站,都在用AI进行"人员优化"。

看到这些数字,换谁都会慌。

但最近的一组预测数据,让事情出现了反转。

裁员之后又招聘,企业在折腾什么?

Gartner的研究显示,到2027年,有一半因为AI裁员的公司会重新招聘类似岗位。Forrester的数据更直接:55%的雇主已经开始后悔了。

裁完又招?这不是瞎折腾吗?

还真不是。老板们终于认清了一个现实——AI的能力被高估了。

AI公司自己打了脸

最有意思的是,这份"打脸报告"来自AI公司自己。

Anthropic(Claude的母公司)发布了一份研究报告,结论是:理论上AI能完成94%的计算机类工作,但在真实的业务场景里,实际只能搞定33%。

94%和33%,差距接近三倍。

为什么差这么多?因为真实的工作不是考试做题。AI处理标准化任务确实快——写邮件、做表格、翻译文档,又快又准。但工作中大量的事情是"非标准化"的:要协调人际关系、要判断优先级、要在信息不完整时做决策、要在客户情绪激动时安抚对方。

这些,AI真搞不定。

一个打不通的电话

说个真实的案例。瑞典有家金融科技公司Klarna,做支付业务的,规模不小。

2024年,Klarna的CEO高调宣布:"我们的AI客服能替代700个全职员工。"裁员裁得很果断,AI上岗也很迅速。

然后问题来了。

一位70岁的老人打电话来,询问养老金转账怎么操作。AI客服非常"高效"地给她发了一个操作指南的链接。

但老人不会点链接。

她其实只是想找个人聊聊,问问具体怎么弄。但AI理解不了这个。AI只会判断"问题类型",然后匹配"最优解"。它体会不到一个老人打电话时的那种无助感。

客户投诉量飙升。2025年,Klarna又开始重新招人了。

类似的故事在全球各地都在上演。

程序员也头疼

写代码的情况也差不多。有程序员吐槽:“AI写的代码能跑,但出了Bug,排查起来比人写的还费劲。”

因为AI写代码的逻辑和人不一样,它会用一些人类程序员不常用的写法。等出了问题,你得先猜透AI在想什么,然后才能修。维护成本反而更高。

MIT去年的一项调查显示:95%投资AI的企业尚未实现盈利。

不是AI没用,是我们对它的期待太离谱了。

AI到底适合干什么?

聊到这里你可能会问:那AI到底有价值吗?

当然有。但要用对地方。

AI擅长的是标准化、重复性、规则明确的任务。让它每天处理一万封格式固定的邮件,它比人快十倍。让它从一堆数据里找异常值,它不会漏。让它翻译文档,虽然偶尔有点生硬,但基本可用。

AI不擅长的是模糊的、需要同理心的、要在不确定中做判断的事情。

所以最后跑通的模式不是"AI替代人",而是"AI+人"——AI干标准化的活,人处理复杂和需要温度的部分。Klarna最后也是这么调整的:AI负责分类和初步回复,复杂问题自动转人工。

这才是正常的节奏。之前那波"AI万能论"本来就夸张,什么岗位都能替代、什么行业都要颠覆,搞得好像明天所有人都要失业一样。现在算是回归理性了。

给你的一点建议

如果你现在还在担心"会不会被AI替代",我的建议很简单:与其焦虑,不如想想怎么用AI给自己增效。

你不需要学编程,不需要搞懂什么是大模型、什么是Token。你只需要明白:AI是一个效率工具,就像当年的Excel一样。会用Excel的人不会觉得Excel威胁到了自己,对吧?

真正该担心的不是AI本身,而是你的同事已经在用AI了,而你还没开始。

这话可能听腻了,但它正在成为现实。你想做那个驾驭AI的人,还是被AI用来比较的那个人?

最后

对于正在迷茫择业、想转行提升,或是刚入门的程序员、编程小白来说,有一个问题几乎人人都在问:未来10年,什么领域的职业发展潜力最大?

答案只有一个:人工智能(尤其是大模型方向)

当下,人工智能行业正处于爆发式增长期,其中大模型相关岗位更是供不应求,薪资待遇直接拉满——字节跳动作为AI领域的头部玩家,给硕士毕业的优质AI人才(含大模型相关方向)开出的月基础工资高达5万—6万元;即便是非“人才计划”的普通应聘者,月基础工资也能稳定在4万元左右

再看阿里、腾讯两大互联网大厂,非“人才计划”的AI相关岗位应聘者,月基础工资也约有3万元,远超其他行业同资历岗位的薪资水平,对于程序员、小白来说,无疑是绝佳的转型和提升赛道。
图片
图片
对于想入局大模型、抢占未来10年行业红利的程序员和小白来说,现在正是最好的学习时机:行业缺口大、大厂需求旺、薪资天花板高,只要找准学习方向,稳步提升技能,就能轻松摆脱“低薪困境”,抓住AI时代的职业机遇。

如果你还不知道从何开始,我自己整理一套全网最全最细的大模型零基础教程,我也是一路自学走过来的,很清楚小白前期学习的痛楚,你要是没有方向还没有好的资源,根本学不到东西!

下面是我整理的大模型学习资源,希望能帮到你。

请添加图片描述

👇👇扫码免费领取全部内容👇👇

在这里插入图片描述

1、大模型学习路线

img

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有,跟着老师学习事半功倍。

在这里插入图片描述

3、 入门必看大模型学习书籍&文档.pdf(书面上的技术书籍确实太多了,这些是我精选出来的,还有很多不在图里)

在这里插入图片描述

4、 AI大模型最新行业报告

2026最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。

img

5、面试试题/经验

img

【大厂 AI 岗位面经分享(107 道)】

img

【AI 大模型面试真题(102 道)】

img

【LLMs 面试真题(97 道)】

img

6、大模型项目实战&配套源码

img

适用人群

在这里插入图片描述

四阶段学习规划(共90天,可落地执行)
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

  • 👇👇扫码免费领取全部内容👇👇

    在这里插入图片描述

3、这些资料真的有用吗?

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
在这里插入图片描述
在这里插入图片描述

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

在这里插入图片描述

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐