作为应用级开发者，如何更好的拥抱AI2.0时代～

在这样的一个非常大的浪潮下，我们传统的应用开发者应该如何选择职业，跟上行业发展、实现快速的转型，接下来我们一起来看一下 "应用级开发者应该如何拥抱AIGC" 。

大模型产业金字塔

在之前的内容中，我们分析过 AIGC产业链 的情况，对产业链也有了一个大致的了解。总结起来的话，可能就是下面这样的金字塔图，从这张图我们可以清晰的看到 AI应用 的位置。在图中越往上的位置，所代表的学习成本、职业机会、运作难度就非常的大，越是往下则学习成本就越低，机会也就越多。

在最顶上的位置，难度最高的、机会最少的就是 "基座大模型" ，也就是OpenAI的ChatGPT、百度的文心一言、腾讯的混元大模型等等。这些大模型都是自己利用大量的语料做预训练，除了需要大量的算力之外，还需要大量的资金做支撑，就比如说OpenAI现在做一次全量的预训练，成本是超过8位数美金的，这也就造成了只有行业巨头和大资本才玩得起基座大模型，对于我们开发者而言，机会是非常非常少的。

再往下呢，就是我们的 行业垂直大模型 ，也就是在 基座模型基础 上灌入一些行业的垂直数据得出的模型。基本上可以理解为就是在 基座大模型 之上做的微调、二次、三次预训练得到的结果，这一层的职业机会会稍微多一些，但我个人认为这一领域对于我们个人的、应用级别的开发者而言，机会还不是那么多。

再往下看，也就是 AI原生应用 这一领域，不管是ToB还是ToC的业务领域，是存在着大量的机会给到传统互联网应用开发者的，不仅仅是互联网公司，像是科技公司、应用开发公司，甚至是科技类目的创业型公司，都有的大量的机会存在。在这个位置，对上需要了解模型，对下需要了解行业和场景，这样的一个位置在未来也是一个爆发的赛道。OpenAI的创始人萨姆·奥尔特曼也曾经说过，大模型是AI的Iphone时刻，就是说 OpanAI 正在致力于打造一个像苹果一样的生态圈，比如说像苹果一样拥有自己的 App Store ，拥有自己的开发者工具等等，只需要借助AI将自己的创意变成应用就可以。这也就代表着，有大量的职业机会、大量应用开发机会存在的，也是我们传统应用开发者快速转型、跟上AIGC这个赛道的绝佳机会。

基座大模型预训练的地基、微调的行业垂直模型对于应用级开发者来说参与度比较低，而现在市场上也没有出现强应用的场景，这就有点像是当年苹果 App Store 刚发布的时候，有点类似跑马圈地的一个状态。

再往下的话，虽然也有机会，但这种机会我个人感觉不像是应用级开发者的机会或者说是值得我们去关注的。因为这一块儿，其实也就是以后所有人都应该学会如何使用AI工具，这是所有企业的产品被人所使用的一个过程。这种仅仅是停留在使用层面上的场景，对于我们开发者而言，有点过于的简单了，但也不是说绝对的没有机会，比如说教别人更好的使用，或者说开发一个让别人更好使用的等等。

那么这里就可以总结一下，在模型层面的竞争其实是日趋激烈的，最直接的一个表现就是 hugging face 上收集的大模型全球都已经超过了64万，而且这还是开源的，还没算上闭源的，闭源的大模型更多。而且现在基本上每一家大公司都在 allin大模型 ，所以说模型层面的竞争是非常激烈的，变化也是非常快的。但是目前的应用市场还没有出现一个杀手级别的应用，其实目前而言的话，最大的杀手其实就是 chatgpt ，为什么会这样？我个人认为还是最上面两层的 基座大模型 与 行业垂直大模型 不是完全的成熟，更多的原因可能是大部分人的认知还没有跟上，毕竟很多人只是拿它用来聊聊天干什么的，以至于各个行业的应用也没有完全的用起来。

这种很多场景下缺少 强应用 的实现，也是因为很多开发者对AI不是很了解，尽管开发者知道很多的应用场景，但是如何通过AI实现、怎么样去做是不太清楚的。所以说这一块儿的市场是非常广阔的，所以这也是为什么 比尔·盖茨 会说 所有的应用都值得用AI做一遍的原因。

从行业趋势这个非常大的角度我们可以看到作为应用级的开发者应该如何去拥抱大模型，那么具体到开发层面，又该如何去做出拥抱的选择呢？

从赛道选择角度进行分析

具体到开发的层面，基本上就是下图中的基础架构。最底层的就是 GPU算力 ，这一块儿可以不用过多的关注，现在很多的云平台已经解决了 算力 这一块儿的问题，在后续涉及到的实际案例实操的时候，也会使用到国内的云平台，所以这一块儿基本上也就可以忽略了。

在算力之上就是 大模型 的开发，也就是AIGC两大赛道核心的模型开发部分，这一块儿对于我们应用级的开发者来说关系不是很大，职业机会也不是很多，反倒是 AI原生应用 这一块儿是应用开发者应该关注的赛道或者方向。

在AI原生应用开发赛道又包含了哪些东西，为什么说着一个方向才是应用级开发者应该关心的赛道呢？ 在这一块儿首先就需要我们做到对 大模型的了解 ，在大模型之上是 应用组件 ，再往上就是 应用框架 。

具体的来说，在 应用组件 中包含了 AI能力 的 多模态 与 大模型插件 ，以及 云能力 这一块儿的 向量数据库 与 COS存储 ，大家也可以将 云能力 理解为是给 AI开挂 的；再往上的 应用框架 其实也是两个大的方向，一个是 检索增强生成 、也就是 RAG ，这一块儿目前见到的最多的应用就是 企业文档问答 ，比如说上传一个或者多个PDF，然后就可以去进行对话从中提炼出关键的内容等等。第二个大方向就是我们该系列主讲的一个内容，也就是 AI Agent（人工智能体），这一领域有很多的应用场景，可以把 Agent 想象成是一个机器人的开发，但是这个机器人会在某一领域更专业，甚至于可以调度外部的软件等等。

其实从图中，作为应用级的开发我们也可以找到自己的位置，虽然说我们关注的是 AI原生应用开发 这一块儿，实际上我们能把握住的部分也就是 检索增强生成 与 智能体 这两个部分。

从职业机会角度进行分析

接下来我们再从职业机会的角度来看一看应用级开发将来可以做什么？可能在AI来临的时代，很多同学还是会觉得挺慌张的，觉得自己的工作会被AI替代、或者以后的就业机会越来越少等等。

我个人觉得不是，AI本质上淘汰的不是人，而是不会使用AI的人。从职业机会上来看，其实AI在各个细分行业其实都是需要大量的应用人才的，这就需要应用级的开发者既要懂AI、还要懂场景，知道怎么样用AI的能力结合着场景去做出应用让大家使用，这是在很多的业务场景都可以看到的。

为什么会有这种判断呢？前面我们有讲到过说 Agent 是能够对自然语言做出反应、并且能够基于对用户的了解去完成很多不同任务的载体或者说是事物，这种载体、事物我们称之为 智能体 。有了 Agent 再结合这些场景之后，可以看到未来是有很多的方向和机会的。目前来看最常用的场景就是私人助理、工作助理等，也就是可以帮我们完成一些辅助性的提效工作。比如说现在很多开发者小伙伴经常使用的代码开发辅助工具，输入一些提示词，可以帮助我们完成各种各样、各种功能实现的代码，后面可能就不仅仅只局限于开发者的代码开发工具，更多的可能性是每个人、每个职业角色、每个工种都有这样的助理。

比如说一个 AI 文旅 的智能体助理，我们计划做一次旅行，这个 AI 文旅 就可以帮我们找到适合我们预算的酒店，根据对我们喜好的了解向我们建议旅游的目的地，并且会根据我们的询问与冒险的倾向为我们推荐可以做的事情以及预定喜欢的餐厅等等。如果没有这样的AI场景的话，可能需要旅行社或者是私人导游去为我们做旅行计划的定制，但如果有这样的 AI 文旅 的智能体，我们就可以自行解决，这就是一个场景上的应用。包括说在未来的很多场景下都可以得到实现与应用，只要给智能体灌输我们足够多的数据和信息，就会了解我们的生活和人际关系，在我们需要的时候就会出现，在被授权和允许的情况下甚至可以监测我们的身体健康，在特定的场景下建议我们去医院挂什么样的科室、看什么样的医生，这也是 AI 医疗 场景上的一个应用。

微软的创始人 比尔·盖茨 在2023年11月29日的时候就发表过一篇文章，题目就是 AI将彻底改变我们如何使用电脑并将颠覆整个软件行业 。文章中列举了非常非常多的场景，这些场景都可以通过 Agent 的方式结合各种业务去做出对应的应用，只要是和人打交道的业务都有这样的机会。那么传统的应用开发者在转型做AIGC这个方向的时候具体有哪些职业机会呢？

我觉得首先就是 AI软件工程师 ，也就是做 AI应用 ，在深入一些增加深度的话，可能就偏向了AI本身开发的 视觉开发 、自然语言处理 和 机器学习 等方面了，这些都是我们职业转型的机会。从机会与就业难度来看的话，难度最小的其实还是 AI软件工程师 ，其他几个方向可能就会涉及到需要重新学习的内容会比较多。

开发者如何转型到AIGC

那么我们如何 转型到AIGC领域 呢？需要做哪些准备工作呢？或者说转型到 AI开发 这个层面，我们需要掌握哪些东西？

• 首先就是我么需要学习 深度学习 和 机器学习 的基础知识，这是 大模型 与 行业大模型 层面的必备的基础知识，至少要知道它们是如何运转的。
• 其次是要掌握一些 AI开发工具和框架 ，比如说 Python 。Python语言可以说是在机器学习领域的主流编程语言，大量的项目都是它开发的。比如说 LangChain ，官方发的主要两个版本就是 Python 与 Javascript 实现的。（目前也在做 Golang 的版本的研发）
• 第三个就是实践一些 AI类 的项目，也就是说在转型的过程中，我们需要结合一些实际的场景去做一些 Agent 出来，把项目实践出来。
• 最后就是深入的了解特定领域AI场景的应用，也就是了解该特定场景的知识，如下方表格中列出的这些场景其实都是有机会做AI应用的，就看谁对AI了解的比深、对场景业务把控的更具体。

在早些时间，很多人都利用 OpenAI 的 API 去开房一些加壳的应用，这只是给大家讲一些 API 的使用，在场景与业务上的理解还是很差强人意的。如果说想要转型成一个非常成功的 AI应用开发者 的话，需要对要被服务的行业、人群、业务、场景做到一定的了解，抓到里面最关键的部分，那么我们成功的几率就会大大的提高。所以基本上，可以确定的是，对于我们应用级别的开发者来说，上文中的金字塔模型的 AI-Native 在大模型应用层面的机会比较多一些，而且难度也比较适中，但是需要我么上了解大模型、下了解行业，而且现在也正处在一个即将爆发的状态。

拥抱AIGC做好前期准备

从技术的角度与基础架构的角度来看的话，作为开发者的我们更应该关注在向 AI Agent（智能体） 的开发上，蕾丝 RAG 等技术上面来，对于其他部分和领域也需要做到了解。

而从职业机会的角度来看的话，目前大量的行业和场景它是需要AI应用的，我们要做好一些提前的准备工作，为转型之前做好一些前置的学习，更要学会使用AI。作为应用开发者来说，我们的 学会使用AI 和 普通用户的学会使用AI 还是不一样的。一般用户可能就是拿现成的工具去使用就好了，但对于我们来说不光要会使用这些AI工具，更要去研究它、结合AI的特性去把它开发出来，这才是我们 作为应用级开发者的机会所在 。