老板要求All in大模型，员工却很无奈且迷茫，如何破局？

Python_金钱豹

于 2025-07-27 10:45:00 发布

阅读量582

点赞数 11

CC 4.0 BY-SA版权

文章标签：人工智能算法 javascript 音视频数据库

本文链接：https://blog.youkuaiyun.com/Python_cocola/article/details/149662689

用AI会让我失业吗？

从上周五晚到昨晚，见了一些新老朋友，交谈中，大家都在谈大模型。

其中，大家都有一个疑惑：AI会替代现在工作岗位上的人吗？

以上问题和社会上讨论的这个话题差不多——都已经有AI了，我们还需要认真学习知识吗？

这两个问题答案的底层逻辑是一样的。

大模型是如何产生的？

1、数据收集及处理阶段

主要就是收集文字、图片、音频等资料，可以通过公开的网络资源，网络爬虫或企业自有数据库等方式获取数据。

获取的数据质量千差万别，因此需要用大量的人力去解决数据质量问题，比如：

去噪处理：去除重复内容、低质量文本、敏感信息
结构化处理：统一格式（如 JSON/CSV）、分词（如 BPE 算法）

当然为了保证数据的准确性，还需要有专业的人员对数据进行确认并标注。

2、模型构建阶段

这个阶段主要就是大模型开发工程师做的事情，比如架构的设计、预训练策略选择、模型的优化等。

注意，这个模型是在第一阶段数据的基础上进行的，因此即便模型已经优化完了以后，我们还是需要对模型进行评估。

3、训练与评估阶段

此阶段主要就是监控训练过程，比如GPU利用率，内存占用，故障恢复等。

接着对训练的过程及结果进行多维度的评估，比如安全性，结果准确性，推理能力等。

根据监控及评估的结果，对大模型进行优化，比如进行蒸馏、量化，或增加训练数据量以应对数据的漂移。

4、部署、发布

做了以上工作以后，接着才是部署、发布。

我们应用大模型的时候，很多工作与训练时提供的数据是不一样，因此模型是不是能帮我们真正解决问题值得观察。

重点在我们是否能提供足够的背景信息，并给出专业的提示词。

否则，大模型的处理过程有点刻舟求剑的感觉，它能产生结果，但是这个结果是基于它之前训练时的数据，而不是真实应用场景中的数据。

了解了大模型产生的简单过程以后，我们再来看上面提到的两个问题。

AI会替代很多规则明确，机械重复的工作。

但是，为了保证AI的工作能准确高效，那么在数据的收集、尤其是信息准确性的标注这个工作上会增加了大量的需求。

如果假设大模型的逻辑推理过程是完全准确的，但一旦你提供的数据质量有很大问题，那么结果也很难保证准确性，甚至出现了很多误导性的结果。

如果使用者无明辨能力，那么很容易成为AI使用的受害者。

由此可见，AI会替代一些岗位，但是相应地会产生更多的岗位需求，尤其需要那些有能力对数据准确性，逻辑推理过程及结果正确性有评判能力的人。

如果一个人没有足够知识量，那么即便他的逻辑推理再厉害也很难做出准确的判断。

因此，在AI时代，知识学习不仅重要，而且非常有必要！只不过AI能让我们的学习更高效，更为系统。

当然，AI一定首先会替代我们岗位中那些机械重复的工作，它不仅不会让我们失业，还能帮我们赋能，提高工作效率。

因此，AI替代的是那些不会用AI工作提高效率，依然死守机械重复工作的人。

未经调教的大模型，只是玩具而已

很多老板问：能否用较低的成本实现大模型在公司的落地使用。

圆乐的回答是：现在的大模型娱乐性质偏多，在具体工作中，帮我们开拓解决问题的思路是可以的，至于具体应用来说，更多只是象征性的意义。

也就是说大模型只是玩具而已。

比如一些自媒体会告诉你，用某个大模型不会编程也可以开发软件。

事实呢？

大模型生成的代码有很多bug，很难生成就直接能使用的。

当不能正常使用，或者有bug你无法识别的时候，那么代码生成了，你依然用不了。

只有那些以前就懂得编程的人，大模型才是他们的利器。

他们能指导大模型工作，能发现并指出大模型提供结果的问题，并且懂得调试与优化。

普通人，如果没有编程的基础，那么工具在手也是废铁，玩一玩还可以，实际用途不大。

第二你想微调大模型，不要说我们有没有能力微调，单从数据的收集、清洗机标注工作，我们可能就没有耐心。

老板们想的AI替代就不需要有人干活了，实际呢？

你需要很多人为大模型干活，比如对大量的数据进行验证、确认并标注。

这个工作是必须老老实实去做的工作，没有的话智能就不智能，反而是一个大忽悠。

因此，你去看市场上，大家叫得挺欢，有几个落地做得很好的？

比如有不少医院都说自己上了大模型，请问谁为大模型付费，产生营收的点在哪里，谁为高虚幻率结果负责？

如果没有回答这些问题，那么不要说结果准确性问题，单说可持续性就值得怀疑。

大模型只是一个聪明的孩子，你如何管教，如何喂养，如何让它产生真正的价值都是一个比大模型更大的问题。

由此可见，大模型在企业的应用不是部署一下就可以的，也不是可以做严肃工作的靠谱工具，大模型只是一个玩具而已。

现在大家能看到的一些应用，其实还是跑不出传统RPA的范畴，顶多只是升级版的RPA而已。

AI工具的落地难点在哪里？

第一、时间及能力不够

大部分员工已经被锁死的每天的具体工作中，你让他们去探索新的东西，他们意愿不强。

即便他们想用，想学，你会发现刚开始他们需要花比当前多N倍的时间投入。

且这种投入不一定有结果。

所以很多人望而却步，基本倒在了起跑线上。

第二、意愿不足

有些人担心AI的应用会让自己失去工作机会。

这个问题虽然我们上面做了分析，但是很多人的真实想法就是担心自己被替代。

即便没有这个担心的人，他们大多对AI在公司的落地置身事外。

比如圆乐上周去两个公司，一个公司的员工对其他几个员工说：“我们已经部署了deepseek，未来你们就可以用上大模型帮你们解决***问题了。”

也就是大家等着吧，我们会安排你们用上大模型的。

请问员工怎么想，他们会觉得大模型的落地使用和以前ERP的部署一样有人安排好，我们跟着使用就可以了。

另一个公司的研发经理，当我们问有没有兴趣大家一起聊聊大模型的时候，她说：前几天公司已经开过使用大模型的会议了，也对我们培训了，你们聊就好。

可问具体应用案例，你会发现其实就是用大模型当个搜索工具而已。

第三、懂大模型或IT的人不懂业务和管理

之前圆乐做了一些自动化的工具，有人就觉得很简单，但真正做的时候，他们却做不出来，或者很费劲。

原因在哪里呢？

会编程的不懂业务，懂业务的不会编程。

会编程且懂业务的，可能不懂管理，即便懂管理不一定有落地执行的管理权利。

于是，很多事情就不了了之，或者顶多是个别人在使用而已，无法复制与推广。

如何破局？

说起来非常简单，就是有专门懂业务且懂大模型或RPA工具的人专门出来做这个事情。

比如这个人到一些关键岗位，把他们的痛点找出来，然后用工具帮它们优化掉，帮他们提升工作效率。

然后这些岗位就有了更多的时间和精力，同时因为受益了，所以他们更有意愿去使用大模型。

当有越来越多的人在学习、使用大模型的时候，公司里的氛围就形成了。

氛围一旦形成，那么就有更多人具备开发AI工具的能力，于是公司的绩效提升就进入了良性循环中。

因此，AI工具在企业落地不在于培训，不在于老板去强调其重要性，而是有人能拿出具体的案例，真实帮员工解决具体问题。

毕竟真正能打动人的永远不是道理，而是细节、故事和案例。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云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

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。