AI从业者的感受分享

这两天Block如此大规模裁员，或许会引发华尔街投资人大规模效仿，深远影响整个行业和硅谷从业者，我们的确处于一个新的历史奇点上。我看大家讨论的如火如荼，所以也想分享一下自己的想法。我平常只阅读一亩三分地但基本不回复，所以专门注册一个号，希望大家能多多加米！


经历分享
我坐标某主流大厂AI Engineer。我的生活职业和生活理念就是不断追逐前沿，不求多成功，但求一个参与感。所以基本上三年前OpenAI刚火的时候，我就抓住机会到Applied GenAI组。现在回想起来，当时整个业界还有我们IC都懵懵懂懂的，理智上清楚这是划时代的时间点，但公司以及个人如何发展只能摸着石头过河，也没想到GenAI会如此迅速的带来如此巨大的全行业disruption。我记得当时一亩三分地里就有第一批LLM吃螃蟹的大佬们分享经验，比如LLM带来的backend和infra机遇|一亩三分地职场达人版。大家都讨论着哪里可以谋求LLM training的机会，真是想多了。我那时候高山仰止的看着LLM training researcher的大佬们，觉得自己只是个小RAG boy而叹气，哈哈。当然我现在不这么想了。

. 1point3acres
1) 目前GenAI行业IC从业者，无论title是MLE还是AI Engineer，基本上还是遵循：
Elite/个人薪资/入坑难度: Researcher > LLM training > LLM inference > Applied GenAI
行业机遇倒过来：Applied GenAI > LLM inference > LLM training > Researcher
Researcher需求量很少，LLM training需求量也少因为没几家做foundation model (当然post-training可能另当别论)，进入这俩领域都要一定历史机遇。未来的致富机会当然在Applied GenAI，因为每一家公司都会有proprietary data，都会有整合GenAI的customized needs。需求无限大，还可以往business sense发展。另外做Applied GenAI多少还是会接触到model serving，所以转型LLM inference也不困难，我在公司内部也有相关机会；不过我个人兴趣在knowledge grounding & agent，而LLM inference做资深需要深钻GPU optimization etc, 我总觉得又把职业道路走窄了。


2) 目前Applied GenAI说白了就两大核心: RAG/Context Engineering + Agent。23-24年是RAG；25年开始Agent崛起。
目前RAG，或者一个更好的名字Context Engineering，毋庸置疑是这个领域的业界标配。最重要的是，基于我在业界的感受，真实业界场景的Context Engineering非常困难，根本不像一亩三分地里讨论的好像没技术含量。一个单日百亿级别data ingestion的全流程系统，从embedding gen到indexing到storage到search到query/ranking都要low-latency，high availability以及最终的high recall，实在是有太多infra工程优化以及ops dirty work了。而这个领域还在变出各种各样的新算法花样，然后Agent到来进一步需要loop retrieval，极大提高了系统复杂度，所以Agentic Context Engineering对于系统指标提出更高的要求。所以我的深刻感受就是，这个领域未来拼得就是AI infra或者AI system；以后foundation model水平饱和后，你的产品要落地赚钱，灵魂还是整个AI系统，还是工程水平。之前OpenAI 翁家翌：OpenAI，GPT，强化学习，Infra，后训练，天授，tuixue，开源，CMU，清华｜WhynotTV Podcast #4_哔哩哔哩_bilibili 提高哪怕LLM foundation model training他也觉得核心竞争力是infra。我觉得非常赞同。GenAI时代，好的工程能力还是非常非常valueable的。


所以我在组里做了三年，整个大组非常非常辛苦，很缺人，evolve的非常快，上一个project还没做完，又来了新的技术，要么是来自于公司researcher的提议，要么是来自产品竞争对手的压力。感觉目前整个业界还是处于一个小马过河，不断尝试不断exploration的阶段。


3) AI Dev的感受
. 1point3acresAI tool比如Claude写码能力是没啥质疑的，的确提高productivity。但是我感觉很多复杂需求，prompt稍微不精确可能code就不是我想要的。所以需要我们花心思写非常accurate的prompt以及不停revise，所以这个角度感觉还是花了不少时间？
另外我们的oncall也已经automate，但前提是写非常详尽的oncall document。但一方面不断更新doc也很花时间；另外一方面也总会遇到新的问题，所以我觉得还是需要人类智慧来做复杂的investigation。
至于system design，以及客户需求，这个就是以后我们吃饭的核心技能了。业界非常复杂的系统，尤其GenAI系统的设计，AI目前只是一个tool，至少现在我不觉得能够完全替代工程师。




行业未来
第一，这个行业未来需要的码农数量肯定大量减少，大家做好心理准备。
第二，根据我在业界的切身感受，GenAI领域尤其应用领域很火热很缺人，或许未来我们都是AI Engineer？所以赶紧往AI转往infra和system转，至少现在我觉得复杂AI系统还是很难被AI取代。
-baidu 1point3acres第三，企业彻底AI化其实会有很大的风险，AI code的bug，不确定性，以及ops都是问题，我很难想象可以全部被机器代替，毕竟这个世界还是要人来负责的。Block未来发展怎样还是要持续观察，或若干年后看是一个反面例子呢？
第四，现在冲击最多的是enterprise SAAS company，因为白领员工数量减少的状况下，过去headcount-based的订阅赚钱扩张模式没有了。但或许SAAS公司以后会从headcount count变成workload count？虽然员工数量减少，但软件工作量和业绩还是一样呀，所以还是要pay一样的钱。
第五，AI + 垂直领域domain knowledge或许值得去挖掘。
第六，非常确定的是，AI给所有白领包括工程师赋能，以后一人公司会越来越多。开发成本降低，或许会激发更多的软件开发需求；同时会利好有business sense的人。我觉得工程师不能埋头做技术，而要去学习business，毕竟我们的目标还是赚钱。


所以我个人对未来是保持乐观态度的。现在的确处于阵痛期，但我相信每一次工业革命都会带来新的机遇。
最后，我这是新注册的账号，各位看官如果觉得我写的还可以，麻烦给点米！谢谢！


补充内容 (2026-03-02 03:30 +08:00):
我工作中体会最深take-home-message：
Build任何大规模（比如100M user）的GenAI应用系统都无比具有挑战性，绝对不是靠AI tool就可以自动完成的。需要优秀的工程团队。
Scale matters！设计/维护高性能大规模的AI system的能力会是我们的看家本领。

我是从传统backent转向AI agent开发的。首先明确地说，从技术门槛来说，做AI，大模型，除非你是核心模型的构建，涉及算法，调参等，单纯的AI agent开发等所需要的技术门槛甚至低于很多传统后端，infra码农。软件开发的抽象越来越高的某种后果其实是工程师的门槛逐步降低，而以AI辅助进行开发，甚至对所谓的agent也好，skill也好的开发，对你计算机的功底的要求越来越低。当然，如果你真的能参与大模型的开发，你依然有很强的技术护城河，当然，你先去搞个数学，CS相关的Phd再说。但是ai应用开发……哥们真觉得这东西提前迈进去的意义很大？

换句话说，你选择的所谓新的道路，其实是进入了一个门槛更低，只要愿意，绝大部分现在在科技公司的工程师都可以比较轻松地转入的赛道。

一个典型的悖论是，假设AI现在开发效率提高到了一个恐怖的速率，以至于像你"预言"的那样，码农岗位大幅度下降了，这就意味着:你早一步晚一步踏入某个赛道，做某些应用没有实际意义。因为后来者可以轻松做出你能做的产品。所以像你现在这样开始提前布局的，没什么意义。你做了个东西出来，抢占了市场，当你养活起来了团队开始打算变现时，一个照你所说的一人成军的工程师带着AI用了两天开发出来的产品打上门来了。什么， 你不信？但这不就是所谓的对enterprise SaaS的冲击么？这不过这个情境下未来的你的产品变成了现在是salesforce,现在的workday. 当然事实就是，所谓的对entriprise SaaS的冲击只是发生在股市上的对未来的预测。而这一切压根就还没出现。相信我，没有几个公司会蠢到养活一队人马去自己重新搞个内部salesforce都

另一个悖论就是，按照很多人的理论，AI即使现在取代不了码农，未来的潜力也会让他能够取代码农，或者至少可以大幅度提高生产力而降低对码农的需求。
那当然同样的问题，AI也能取代许许多多的白领工作。
当社会的大龄白领失业后，整个社会失去了中间一个巨大的消费市场。你说转蓝领? come on, 想象一下湾区西雅图码农们集体失业可怜巴巴地考虑卖房子时，做蓝领搞室内装修，搞电工的各位去哪找生意? 大量的面向白领的实体或者虚拟产品突然失去了许多买家。你以为google和meta的钱是天上飞下来的?那是靠压榨实体经济压榨出来的。整个社会的消费层瞬间崩塌，靠吃广告的公司都没了广告来源，而进一步靠卖给科技公司license的AI公司也瞬间没了金主。股市就算再癫也要崩，华尔街老爷们兜里的钱都要见水花咯。

所以如果真像你说的，AI可以大量取代软件工程师时，相信我，哪你都跑不了。
而其中最大的问题就是像你这样一直在搞LLM研究的人，其实根本不懂大规模软件开发是个什么样子。以至于总是像那些靠着学校项目就做出个mini Facebook就开始天天纳闷meta怎么还不裁掉80%的人一样，觉得AI啥啥都无所不能。

匿名用户 发表于 2026-02-28 17:27:30
我是从传统backent转向AI agent开发的。首先明确地说，从技术门槛来说，做AI，大模型，除非你是核心模型的构建，涉及算法，调参等，单纯的AI agen

哥们真的觉得门槛是重要的? 图形引擎工程师有话说。游戏厂给的多，hc很多吗?图形学的门槛难度不是吊打绝大多数cs的岗? 但是没需求啊，引擎稳定了除了top游戏厂搞自研，绝大绝大多数都是拿引擎做业务，靠业务复杂度攒经验。
绝大部分sde岗一定是业务导向。infra层的确普遍深度都很高，但是绝对是离业务远的。如果agent这波商业模式跑通并且真的业务复杂（类似于之前的搜广推），那么ai工程师或者agent工程师就能到work。否则确实不太行，但跟门槛没啥关系。前后端的面试门槛纯纯筛人，工作本身又不难

不会吧，反正我转码的时候18年读cs相关的master的时候就上了很多ml相关的课了，科班的应该上的更多吧，就算毕业后做了general sde没做mle也知道machine learning/deep learning 是怎么回事吧..你这说的像是machine learning不是cs的分支一样

其实很多人单纯是信息差

我是码农，我周围绝大多数程序员不懂的gpt的底层原理（包括我在内），一开始只是觉得chatgpt可以用一用，后来公司用copilot发现很厉害，甚至不知道现在已经有了claude code远强于copilot

当时也有人吹agent，也有说如何转llm，但是绝大多数人即使看了帖子，也不懂；绝大多数码农，根本不知道ICLR，ICML，NeurIPS 这些顶会意味着什么，不知道Transformer模型是干什么的，也不知道什么是RL，也不太懂 MLE 和 SDE的区别

不过现在SDE应该看清楚了，2026年晒的包裹，MLE的比例超过80%

补充内容 (2026-03-01 09:33 +08:00):
程序员研究的是Java，前后端，数据库，高并发，分布式，这些玩意，哎，国内面试八股文也问这些

补充内容 (2026-03-01 09:36 +08:00):
当时ML这些玩意，是比写代码简单不少的，单纯就是调参数，一堆理工科比如土木机械的phd，论文套点ML 蹭热点，那时候无论是中国还是美国，都是SDE找工作比MLE强（ML，DL太卷，岗位少，门槛低，投递比高），所以一堆人要转码，而不是转AI

匿名用户 发表于 2026-02-28 17:00:52
其实很多人单纯是信息差

我是码农，我周围绝大多数程序员不懂的gpt的底层原理（包括我在内），一开始只是觉得chatgpt可以用一用，后来公司用copilo

有的水的mle也不知道lcml是干嘛的，我有年去icml present paper, 我同事问我icml是啥

匿名用户 发表于 2026-2-28 20:17
不会吧，反正我转码的时候18年读cs相关的master的时候就上了很多ml相关的课了，科班的应该上的更多吧，就算 ...

在22年的时候，ML的课程不如SDE火，那时候上NEU学点Java前后端，数据库，比学ML强多了

很多人单纯上课学一下，学点强化学习，学点cv，贝叶斯，不仅远远落后时代，而且毕业不用早忘了

匿名用户 发表于 2026-2-28 20:27
我是从传统backent转向AI agent开发的。首先明确地说，从技术门槛来说，做AI，大模型，除非你是核心模型的 ...

现在一亩三分地的包裹板块，10个包裹有8个是MLE的

和门槛有什么关系？你水平再高也找不到工作，现在市面上失业码农一大堆

我也是做ai 的博士， 大厂research labs 实习做过AS， 随后正式工大厂AI engineer, 算是楼主说的应用一派的， 从我个人经历来说， 比如我们做数据分析的agent, 我们组SDE的话真的是不懂任何统计， 但是做各种数据分析的tools这些都是基础。 我是无论搭pipeline, 调参， 准备各种分析tools， 还有看最新文章把各种评估方法直接写代码应用，以及为agent setup 各种前后端连接啥的， 我都直接能做。

匿名用户 发表于 2026-2-28 17:39
现在一亩三分地的包裹板块，10个包裹有8个是MLE的

和门槛有什么关系？你水平再高也找不到工作，现在市 ...

你就是不用AI，自己去包裹版块里自己看一眼都看不出来10个包裹8个MLE的。
你就是不用AI,  去领英上随便看一眼也能看到一堆招普通engineer的。哥们自己平时天天收到头部AI公司的非AI岗位的猎头骚扰。

补充内容 (2026-03-01 09:45 +08:00):
我觉得那个回帖最重要的就是点出一个悖论：如果AI无所不能，而且随着时间会进化，那你转什么都没用。

模型有没有可能自我进化不需要人工参与？