企业官网建设流程全解析

文章指出AI岗位虽在快速增长，但新人入口却正在收窄。作者通过分析Anthropic和科锐国际的数据，揭示了AI市场存在“做AI”和“用AI”两个不同市场，前者要求高学历，后者则更看重行业理解和实际应用能力。文章提出了四条适合普通人的AI就业路径：老本行+AI、走认证通道、往判断层挪、单独卖工具能力，并强调AI正在改变传统的学徒期，普通人需保持核心判断力，通过实践而非完全依赖AI来提升自己。

岗位在涨，入口在缩。一个非科班的普通人，现在进 AI 领域，路到底在哪。我把今年的数据翻了一遍。

这篇文章想回答一个问题：
一个非科班、非名校的普通人，现在进入 AI 领域，还有没有路。
我不给结论先行的答案，先把今年几份就业数据摆出来。

先说一个可能让你不太舒服的结论：

AI 岗位在快速增长，但新人入口正在收窄。

这两件事同时发生，不矛盾。矛盾的是我们对它的理解——大多数人以为「行业在扩张，所以学完就能进」。

真实情况比这个复杂，也比这个有出路。

一、两组数据，先把矛盾摆出来

今年 10 月 16 日，Anthropic（Claude 的开发方）发了一份内部就业报告，叫《就业之变》。

里面有两个数字，我看完沉默了一会儿。

技术部门的初级员工占比，从 2025 年初的 21%，降到了 14%。

初级技术岗位在新招聘中的占比，从 27%，掉到了 9%。

注意一个前提：这家公司的技术岗总人数还在涨。

涨的是岗位总量，缩的是新人入口。

而且这不是自然演化。报告里的经理问卷显示，约三分之一的机器学习经理、五分之一的软件工程经理明确承认：因为 AI，他们减少了初级岗招聘。

同一时间，另一头的数据是：科锐国际统计，2024 上半年到 2026 上半年，AI 相关招聘职位增长约 119%，在全部招聘中的占比接近三年前的 3 倍。

一边需求暴涨，一边入口收窄。

这就是今天要拆开的东西。

二、它其实是两个完全不同的市场

我后来想明白了，问题出在我们把「AI 行业」当成了一个市场。

它不是。它是两个。

第一个：做 AI 的。

算法研发、模型训练、底层工程。这一层要求硕士及以上的比例是 35.79%，差不多是其他行业的 3 倍。

这一层对普通学历的人，门是关着的。硬闯没有意义。

第二个：用 AI 的。

AI 训练师、行业落地、产线调度、内容生产、流程改造。

这一层的需求正在往「用」的方向延伸。广告、传媒、教育这几个行业，近三年 AI 相关岗位增速达到 354%。

这一层现在是空的。

不是没人要，是符合要求的人太少。因为大多数人学了半年，学的是「怎么调用 API」，而企业缺的是「怎么把 AI 嵌进我这个行业的真实流程里」。

这两件事，中间隔着一条行业的鸿沟。

三、四条路，按落地难度排

我把它整理成四条，从最稳到最谨慎。

01 · 老本行 + AI（最稳）

你在一个行业里干了五年，懂流程、懂痛点、懂谁在卡谁。

这是资产，不是包袱。不用转行。

你要做的只是把 AI 加到你已经会的事情上。制造业的排产、零售的选品、法务的合同初审、财务的对账——这些活儿的 AI 化改造，缺的都是懂业务的人，不是懂模型的人。

02 · 走认证通道（较快）

用技能门槛，部分替代学历门槛。

国家职业技能等级认定里已经有「人工智能训练师」这个工种。它不能保证你拿到 offer，但它提供了一个可被 HR 系统识别的凭证，比「我自学了三个月」有用得多。

03 · 往判断层挪（扛打）

这条我单独放在第五节讲，它是四条里最重要的。

04 · 单独卖工具能力（谨慎）

就是接单、做副业、卖提示词、卖模板。

这条路我建议谨慎，下一节说原因。

四、接单变现这条，数据不支持

很多人学 AI 的目标是「接单赚钱」。我把全球自由职业平台的公开数据翻了一下。

生成式 AI 类的合同数量，增长了 90%。

但单份合同的平均收入，下降了 13%。

入门级项目的数量，减少了 29.3%。

量在涨，价在跌。

翻译成人话就是：客户原来花钱外包的活，现在自己打开工具就干了。

他不用裁你，他只要不发单。

所以如果你把「会写提示词」「会调 API」当成一门独立生意去卖，你卖的东西正在快速贬值。

它得挂在具体的行业问题上，才有议价空间。

「我会用 AI」不值钱。「我能帮你把退货率降两个点」才值钱。

五、岗位没消失，是被劈成了两半

以数据分析师为例。

过去这个岗位的时间，60% 到 80% 花在取数、清洗、做看板、写周报上。

这一半，叫执行层。它正在被接管，而且接管得很快。

剩下那一半，是定义问题、校验口径、判断结论是否成立、为写出来的数字负责。

这一半，叫判断层。短期替代不了。

有个基准测试可以参考：人类专家得分 92.96%，较好的模型大约 82%。

差的那 10 个点，就是判断层的位置。

【此处加引用块 · 浅灰底 #F7F7F7 · 字号 15px · 居中】

当 AI 把一个错误的数字放进对外披露的文件里时，
公司没办法让模型来担这个责任。

所以问题不是「AI 会不会取代你」，是「你在哪一层」。

如果你全部价值都在执行层，压力会越来越大。如果你能站在判断层，AI 是给你放大杠杆的工具。

六、一个可以参考的真实样本

说点具体的，不然是空谈。

上海徐汇有个「人工智能训练师」的项目，地方人社部门的公开口径：

培训 8935 人次，获证 5193 人。

输送出去的从业者里，63% 是中西部劳动者。

有学生考完证进了制造企业做数据分析，有人进半导体公司做数据处理储备干部。

没有一个算法岗。也没有一个是硕士。

我不是说这条路适合所有人。但它可以说明一件事：

学历不是唯一的入场券。

七、最被低估的一环：学徒期正在被拆掉

最后说一个我想了很久的角度。

过去你是怎么学会判断力的？

靠整理 100 份材料，学会判断什么值得注意。

靠改 10 遍初稿，学会什么叫到位。

靠被领导打回来三次，学会什么叫「这个数不能用」。

这些笨功夫，就是学徒期。

现在 AI 三分钟就做完了。

于是新人再也没有机会，通过做那些低价值的活，长出高价值的判断力。

但那套判断力，你还怎么练出来？

这可能是整个 AI 就业讨论里，最被低估的一环。

我给不出完美答案。但我给一个可操作的建议：

别让 AI 替你做全部的笨功夫。

用它提速，但每隔一段时间，逼自己手工做一遍完整的分析、写一遍完整的初稿。不为效率，为保住那套判断力的生成机制。

说回最开始那个问题：普通人学 AI，能找到工作吗？

我的答案是——

能找到，但不是原来那条路了。

原来那条路是「学会技术 → 投简历 → 进公司」。

现在这条路是「带着行业理解 → 把 AI 挂到具体问题上 → 用结果换位置」。

前者在收窄，后者在打开。

想听听你们的真实情况，三个问题：

1. 你现在做的是哪个行业？如果给它加一个 AI 环节，你觉得最先能被改造的是哪一步？

2. 学 AI 之后，你投简历的回复率有变化吗？

3. 你觉得判断力这个东西，除了做笨功夫，还有别的练法吗？

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

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，故此将并将重要的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。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A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AI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AI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。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】