211本科 比亚迪 捞捞孩子

垂直大模型其实在最早期chatgpt提出的时候，这一点就已经提出来了，据说当时华为的盘古大模型就是做这个的，当时主要是用大模型+微调来做，随着这几年的发展，在医疗健康、金融科技、教育、智慧城市，最热的几个方向，已经出现了部分应用，如aq、智能问诊、疾病早筛、ai金融风险防控、数字人引导操作、智能客服、数字人+教育、ai营销文案生成等等，但是在我看来这仍然处于ai的早期阶段，如果仅仅这些应用，那我们对ai的想象力是不是太差了些，我认为ai以后应该融入社会各处，成为一种基础设施，出现一种新的交互终端，我们的gdp真的有被ai提高，那这个未来才有意思。对于agent而言，我个人觉得其实是最有想象力的部分，mfp协议就像给ai插上了翅膀，工作流就像带来了风，在我看来扣子、dify这种是未来人机结合的未来。另外有人提到的agent是人类下达任务，agent主动调用工具，认为这才是未来，但我觉得这种纯纯放手给ai，且不说技术上的可行性，人类在传达任务是天然就存在信息的损失，所以这种方式绝对不是未来的发展方向。

1.ai不是结果，而是工具在实际操作过程中，应根据业务实际，选择合理的工具，并不一定要使用ai，如果业务逻辑足够简单，传统数字化手段也能解决，那就使用传统数字化工具。2.当前ai市场竞争格局上游：算力、数据、算法算力：底层是以英伟达为代表的gpu生产商，当前的代表性显卡：A100、H100、GB300，每每提到gpu就不得不感叹部分大学教授的眼光之毒辣，远在我本科的时候，当时和一个应用统计的教授做项目，当时他就有意让他的学生学习gpu编程，当时没当回事，现在回国头来看，也是感慨万千。除了gpu的生产商，还有国家、大厂简历的各类算力集群、智算中心，在这个时代，计算力又何尝不是一种武器呢。数据：主要就是提供各类数据存储的公司，其实按理说我觉得应该还有提供数据集的部分内容，今天刚听了白鲸实验室采访一个大模型方向的博士后的文章，他提到以后可能当前的数据，高质量数据已经不够大模型训练了，如果使用大模型自己生产的数据来训练，会出现模型坍缩（好像是这个名字）。也难怪当前对高质量标注也是比较火热，最近有关注到字节的Xpert计划，这似乎也能说明一些什么。算法：这方面对我来说一直都是浅尝辄止，也许因为本科的一些事情，对这方面的知识存在浅尝辄止，希望通过这次的学习能稍微了解一些。老师说了几个名字CNN、RNN、Transform、MOE、DIT。后续还讲了中游的内容，包括一些技术、平台，以及下游的一些应用，今天有些晚了，留着明天来写吧。

准备以后使用牛客记录我的AI产品转型过程，预计就是每天使用动态记录我的学习过程，然后定时把这些总结成文章作为输出。个人情况：曾有多段产品实习，后因多种原因，现在在一家地产国企做产业研究，但是始终发现自己还是更喜欢做产品，并且在国企期间也有意无意在运用产品知识优化业务流程，遂动了想回互联网的想法，但基于我现在的判断，互联网现在已经并不是一个很好的转行方向了，一是卷，二是ai的发展，三是这十几年的狂飙留给传统互联网的机会已经越来越少了。同时，ai或者说大模型这波浪潮，带给人很丰富的想象力，是真的让我看到了未来，于是想往ai产品方向转。学习思路：当前报了两光年的产品课，准备跟着他们学习，同时自己开始学习产品的基础知识以及智能体开发，后续的动态也将围绕这三段展开：AI产品、产品基础、智能体开发。欢迎有志同道合的伙伴多与我沟通交流。

那是我面试某个互联网大厂的产品运营岗位，面试官突然问：“如果你的产品发布后完全失败了，你怎么办？”当时我就懵了，脑袋一片空白，完全没准备好。最后，我挤出一句：“我们会先从数据中找问题，调整策略。” 面试官默默点头，但我知道自己答得不够具体。