AIGC時代，是基于大模型誕生的新人工智能時代。這一時代帶來的機遇，對人才的需求和培養提出了新要求。
如何成為AIGC領域的優秀人才？非研發類背景的文科生、商科生和網際網路人才如何轉型AIGC？未來智能時代所需要的人才和當下是否存在差異？如何培養自己的能力，使之适應越來越智能化的未來？
為了探讨這些問題，10月11日，我們邀請了深思考AI的CEO楊志明博士，在職場Bonus的線上求職VIP社群，分享他作為行業資深專家對AIGC行業新機會的經驗洞察，并與VIP社群成員進行了深度的互動交流。
AIGC的三個時代變革 ╱ 一
AIGC行業面臨的痛點 ╱ 二
AIGC領域的職業機遇 ╱ 三
群友 vs. CEO ╱ 四
AIGC的三個時代變革
當下AIGC的概念非常火熱。自20年前開始從事機器學習、自然語言處理到現在，我曆經了整個行業的技術變化，在這裡，我簡單将AI行業的發展分為三個階段。
AI 1.0時代
AI 1.0時代也就是之前較為傳統的AI發展模式，這一階段的AI表現與發展主要是基于深度學習。
在2012年“深度學習”出現之後，AI迎來了它發展的第一波高潮，開始實作落地。具體的應用包括圖像識别，人臉識别，機器翻譯等等。
AI 2.0時代
簡單來講，就是目前基于大模型的時代。
這一時代又由兩個小階段組成：基于預訓練模型的大模型時代以及基于生成式（如目前的Chat GPT3.5或4.0）的大模型時代。
AGI時代？
Chat GPT自出現以來就收獲了社會各界，包括産業界、資本界等等的廣泛關注，似乎由于生成式大模型這一本質技術，一個通用的AGI時代已經初見曙光。
但機會之外，AIGC同樣不可避免地存在一些痛點。
AIGC行業面臨的痛點
（一）生成内容的可控性
在應用大模型AIGC進行畫圖、寫作等的過程中，基于生成式的原理，大模型很容易出現“幻象”。
一些時候，GPT對于人們提出的問題其實模棱兩可甚至毫無了解，但是它會“一本正經地胡說八道”，胡編亂造一個貌似很專業的回答。
是以，在一些要求比較嚴謹的場景下，例如醫療場景、政務場景中，可控性問題的存在是災難性的。
可解釋性的缺失，也可以了解為内容不可溯源。這一問題會使内容的可信度喪失。
就像法官判案，無論是犯案事實、刑法條款還是以往案例，判決結果的得出過程都是存在證據鍊的，是可溯源、可解釋的，而不是一開始就判決死刑。
很多落地場景都是多模态，跨模态的。
依然用醫療分析舉例，輔助診斷就是多模态、跨模态的。我們常說的“望聞問切”即是用綜合多種模态表征同一事物，這樣往往更加準确。
我們的獨立大模型正是解決了這種多模态跨模态的問題，并且在這一基礎上真正使其落地于大規模的癌症早篩，包括人機互動，智能終端人機互動的場景中。是以我們對這一痛點有着深刻的了解。
AIGC領域的職業機遇
1. 緊缺人才
我認為，AIGC的時代其實最緊缺的是三類人才。
（1）懂算法模型的算法工程師
這一類工程師懂得AIGC的基本原理，懂得建構大模型，如何去做訓練微調等等。
（2）産品經理
對于企業來說，大模型最終需要落到垂域。是以第二類我們特别需要的人才，是在 AIGC垂域裡面的産品經理。
（3）懂AIGC技術的跨領域的解決方案人才
例如在醫療早篩、汽車、智能質檢、智能制造、遊戲等行業的人才，如果既了解行業又掌握基礎技術，能夠綜合兩個領域提出解決方案，那麼這種人才同樣是比較緊缺的。
2. AIGC行業的人才畫像
（1）算法工程師
當下最緊缺的依然是能夠懂得建構預訓練大模型，微調大模型，把大模型應用至垂域行業裡做核心級研發的算法工程師人才。
目前這類人才一般來自于高校的實驗室，比如高校碩士博士等。當然也有比較好的人才來自于大學大學，這些大學生很早地切入到AIGC領域，會通過建構算法，做研發等等來訓練大模型。
（2）産品經理
第二類就是産品經理，既懂AIGC的技術，又懂行業的業務，又懂使用者。基于這些素質，去建構使用者在某垂域行業場景下的剛需應用的産品和服務。
（3）AIGC解決方案架構師
既是技術專家，同時也懂這個行業的業務，幫助這個行業去建構解決方案，最終解決使用者的問題。
（二）非研發類背景的文科生/商科生如何加入AIGC行業
我認為一定要研發類背景才能加入這一行業是一個誤導。
我們不能認為AIGC行業一定是理科生或算法類的人加入，其實，我認為反而文科生和商科生也具備非常大的優勢。
他們的優勢在哪裡？
對于文科生和商科生而言，如果非常懂得使用者的使用習慣、剛需以及行業的特點，你可以加入AIGC行業，做我剛才提到的産品經理。
此外，也可以在文科生及商科生的行業基礎上，補充一些技術或者研發方面的基本原理，做解決方案架構師。
垂域場景中，例如營銷、市場等等，其實都是适合文科生和商科生的，他們的特長優勢是了解行業，了解使用者以及了解市場，這在AIGC行業裡是非常搶手的。
（三）網際網路人才轉行AIGC的注意事項
首先我認為AIGC不是一個行業，而是一個賦能行業的技術。
例如網際網路人才中的程式員想要轉入AIGC賽道，他們在網際網路工作中可能大部分是在使用Python等語言，比方說java程式等等，這些技能掌握能夠使他們很自然地轉入AIGC賽道。
營運崗位的轉變也并不困難，AIGC這有一個類似網際網路的特點，就是随着無限的增值，邊際效應會越來越低。
整體而言，網際網路和AIGC的思維其實是一脈相承的，他們的産品最終都是瞄準使用者。網際網路人才隻要去熟悉AIGC的技術特點和行業特點，思維上的轉變就會是自然的。
我認為反而在大模型的智能時代中，人才更需要親和的溝通能力和邏輯能力，而不是把這個能力全部交給AI大模型。
人才建構大模型或者AI産品的時候，根本的剛需是了解這個行業中的痛點問題并去解決，這樣才能産生價值，才能實作落地。有了價值，才有生命力。
而AI隻是一個輔助手段，我們可以把它當成一個助手，但不能因為擁有這個助手就喪失自己的能力，而是要利用它增強自己的能力。
此外，我們還需要重視創新能力。如果隻是複制，人雲亦雲，那麼在大模型時代，你的競争力會越來越差。
與此同時，情商、邏輯能力、思辨能力，這些都很重要。
（五）如何培養自己的能力，使之适應越來越智能化的未來
這個問題和第四個問題是一脈相承的。
1. 我們要擁有快速學習的能力
我在一線在産業界和學術界中很大的感觸，就是技術革命的節奏越來越快。這就告誡我們必須培養快速學習這一核心能力，否則就會跟不上時代的變化。
- 學會适應
我們需要适應AI的輔助，利用AI來增強自己，把它真正作為一個工具。
總的來說，快速學習的能力、創新能力和駕馭使用AI工具的能力，這三項能力是我認為需要增強的。
群友 vs. CEO
楊志明博士 ：實事求是來講，國内大模型與國外差距還是比較大的，可能存在一到兩代的代差。雖然很多大模型企業宣傳已經能趕上GPT 4.0，但我認為這其實是不現實的，必須承認事實，不能自欺欺人。
楊志明博士 ：這個我感悟還挺深的。大模型時代基本把原來的場景在方方面面都翻新了一遍，無論是手機、汽車、醫療、辦公、網際網路等，從前各種場景中存在剛需的地方都可以再翻新一遍。是以我認為隻要緊扣剛需和痛點問題，能夠創造價值，無論哪個領域都值得被看好。
楊志明博士 ：我認為這是一個非常好的領域，業界也都在布局。我們的大模型在這塊也在嘗試着應用落地，做第三方的癌症早篩。
并且在落地過程中我們又發現了一個痛點，就是患者看不懂一些專業術語的報告結果。是以我們正在切入的，是基于多模型解讀診斷結果，提供後續服務，繼而切入到患者的全生命周期，包括慢病管理等等。
楊志明博士 ：電子消費品是一個量很大的市場，它裡面有一個剛需點，就是與使用者保持“長連接配接”完成售賣商品後與使用者的“長連接配接”。
為使用者提供持續的服務場景是什麼？我們可以用小家電破壁機舉一個例子。
第一個場景是售前，通過大模型将說明書數字化。看說明書的人很少從頭到尾閱讀，那麼通過數字助手，就能夠實作對如何使用産品的更簡便的了解。
第二部分，使用者在使用時可能還需要了解一些健康相關資訊，這些資訊可以通過數字助手來提供。它與自身的健康管理相關，具有個性化健康管理的價值。這就不僅是賣裝置，更是提供服務。
第三部分，是可能在産品使用的過程中出現的一些售後問題。
是以對于破壁機而言，存在售前、售中、售後以及營養健康服務。這時就需要一個大模型來貫穿這幾個階段，以建立與使用者的“長連接配接”。在建立”長連接配接”後，我們還可以向使用者提供持續的推薦服務，而不像傳統的賣貨後就中斷了與使用者的連接配接。這是電子消費領域的一個應用場景。
隻要緊扣剛需和痛點問題，能夠創造價值，無論哪個領域都值得被看好。
楊志明博士 ：35歲危機在網際網路行業讨論得尤其多。我個人認為，真正面臨35歲危機的是那些不願快速學習和創新，無法跟上技術變革的人。在這方面，關鍵依然是不斷的學習和适應。如果你快速學習并跟上了技術發展，你就不會面臨35歲危機。但如果保持不變不學習，那麼可能在30歲就會面臨危機，特别是在這個行業中。
楊志明博士 ：剛才我提到，産品經理要轉到AI行業，首先需要了解AI在特定行業的應用。因為AI是一個領域，而不是一個獨立的行業。是以，你需要了解該行業的業務和AI技術的基本特點，以及它可以做什麼，它的發展程度如何。最重要的是深入了解該行業的使用者，了解他們的需求、習慣等。最好的方法是在實踐中學習，争取一個機會參與實際項目，進而更好地進行适應。
資訊整理 | 戴修齊
編輯 | 陳桐
排版 | 溫莜
行業
深度解析對比中國和矽谷的AIGC賽道
國産大模型，也分「武當」和「少林」
人工智能十大發展趨勢：技術是源動力、應用是牽引力、安全是信任力
公司
瘋狂的幻方：一家隐形AI巨頭的大模型之路
騰訊「不着急」
大模型軍備競賽，華為版AIGC終于要來了？
Hugging Face：在人工智能的大航海時代悄悄地造一艘方舟
職業
資料标注員，困在大模型裡
讓AI幫你工作，這裡有11個好用工具和選擇指南
人物
「網際網路教父」凱文·凱利：5000天後的世界｜36氪專訪
李彥宏談AI：算力可以買，創新能力買不來
研報
ChatGPT将在AI領域掀起哪些投資熱潮？
逐夢AIGC，熱潮之上，誰能把握先機？