04-14 02:02 已编辑 华东师范大学 算法工程师 发布于上海
关注
ai时代，业务算法的分歧
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。
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。
全部评论
哈哈哈，你是老六
门头沟学院 大数据开发工程师
算法肯定还是要的呢
相关推荐
查看21道真题和解析 点赞 评论 收藏
分享
