四月过去快一半了,也面了几家了,明显感觉到这些中大厂业务部门的所谓算法分成三种不同的态度:1. 画饼,团队本身之前的算法工程和大模型其实不怎么沾边,说是有一些“预研”的东西,但还是以维护历史包袱、保证现有业务和ai能力的交付为主,所谓的“预研”无论从技术难度还是从落地成本的角度来说都是极大的未知数,实习生要么碰陈旧业务和前沿脱节,要么扎进未知领域用几个月搏产出,风险极大。2. 从已有落地技术角度出发,考虑Anthropic等公司在vibe coding等场景的成熟经验,尝试融入到现有产品方案中,缺乏整个商业模式的逻辑闭环,大多只是为了蹭技术热点强上功能,把已有的成功案例吸收进产品,再反过来论证这个功能本身有用,这样虽然稳妥、可以保证产出一定的功能,但目标本身有盲目性,没有论证功能本身的价值就去跟风实现,长期来看有负产出的风险,对于实习生来说倒是无所谓,至少能有些产出。3. 从自身产品定位、已有商业模式出发,用新的ai技术优化效率和体验、强化已有的产品地位,需要在垂直领域落地走在最前沿,这种策略眼光比较长远,相比于第一种,区别在于团队整体方向都转向了,要把ai能力深刻融入到旧业务中,保持并扩大竞争力,缺点是发展是长期的、阶梯式的,短期内的探索可能也和api boy没什么区别,做做工程性的兜底工作,这部分完备了之后再从模型层面优化上限,适合实习+转正一直干下去,深耕垂直领域。本来应该还有第四种,就是完全的新业务、新技术,没有历史包袱,直接切入前沿,不过这种一般都在初创或独角兽,中大厂还没见过这样的,这种对应届生来说太赌了。不做基模的算法工程师,完全是在产品、工程、算法的夹缝中生存,“业务部门做模型”一方面需要公司的算力资源分散到具体业务部门,另一方面方案中永远有sota闭源模型api作为对比,用有限的资源在模型能力的长跑中跑赢头部基模厂太难,真的有志于炼丹的同学还是要想尽办法挤进基模组,否则就要做好“算法工程但和前沿大模型研究没什么关系”的心理准备。