
现在和Ai有关的路子大概如下。
1.搞模型训练的
2.基于开源模型搞二次训练/蒸馏的
3.搞模型算法的
4.搞Ai应用的
1是最赚钱的,赢者通吃,也是最难搞的,钱+人缺一不可,还要上下一心真想做好,所以注定只有头部大厂能卷到最后,我目测最后活下来的也就3家公司。岗位没那么多,普通人/公司还是别考虑了。
2跟3我个人觉得是瞎折腾,你所谓的基于自有数据二次训练开源模型,或者使用某些算法提高模型能力,在下一代Ai模型到来的那一刻简直是笑话,公司几个毛人搞出来的东西分分钟被新一代模型碾压,新模型出来,旧模型慢慢开源,你又要基于最新最强的开源模型重来,目前所谓的算法/prompt/context无非在位模型做兜底,如果模型真全知全能了,这些就都不需要了。
4我觉得才是未来,但是4又分两种场景,通用领域和垂直领域。
通用领域现在其实不太好做,除非像manus那样,虽然没有自己的模型,但通过各种设计实验编排agent能力让用户甘愿付费。否则大公司自己又做模型又做产品,只有服务器的成本,你买人家token指望什么碾压?通用这条路随着ai agent的发展,技术积累越来越成熟,就会越难做。
垂直领域是我最看好的,自己公司本身有业务,有客户的前提下。用ai +业务焕发第二春,起码不至于丢掉基本盘,内部搞几个人转岗ai,路子走对了再all in ai,也不至于白烧钱。毕竟业务才是护城河,ai只是辅助。
以上是本人的一些拙见,非产品经理,只是一个擅长思考的后端
#Ai
1.搞模型训练的
2.基于开源模型搞二次训练/蒸馏的
3.搞模型算法的
4.搞Ai应用的
1是最赚钱的,赢者通吃,也是最难搞的,钱+人缺一不可,还要上下一心真想做好,所以注定只有头部大厂能卷到最后,我目测最后活下来的也就3家公司。岗位没那么多,普通人/公司还是别考虑了。
2跟3我个人觉得是瞎折腾,你所谓的基于自有数据二次训练开源模型,或者使用某些算法提高模型能力,在下一代Ai模型到来的那一刻简直是笑话,公司几个毛人搞出来的东西分分钟被新一代模型碾压,新模型出来,旧模型慢慢开源,你又要基于最新最强的开源模型重来,目前所谓的算法/prompt/context无非在位模型做兜底,如果模型真全知全能了,这些就都不需要了。
4我觉得才是未来,但是4又分两种场景,通用领域和垂直领域。
通用领域现在其实不太好做,除非像manus那样,虽然没有自己的模型,但通过各种设计实验编排agent能力让用户甘愿付费。否则大公司自己又做模型又做产品,只有服务器的成本,你买人家token指望什么碾压?通用这条路随着ai agent的发展,技术积累越来越成熟,就会越难做。
垂直领域是我最看好的,自己公司本身有业务,有客户的前提下。用ai +业务焕发第二春,起码不至于丢掉基本盘,内部搞几个人转岗ai,路子走对了再all in ai,也不至于白烧钱。毕竟业务才是护城河,ai只是辅助。
以上是本人的一些拙见,非产品经理,只是一个擅长思考的后端
#Ai


