後端應用級開發者該如何擁抱 AI GC？就是在這樣的一個大的浪潮下，我們的傳統的應用級開發者。我們該如何選擇職業或者是如何去快速轉型，跟上這樣的一個行業的一個浪潮?
0 AI金字塔模型
越往上它的整個難度就是職業機會也好，或者說是整個的這個運作也好,它的難度會越大,然後越往下機會就會越多,所以這是一個金字塔型模型。
最頂難度最高的機會最少
1 基座大模型
類似OpenAI的ChatGPT，羊駝，百川智能等，自己拿大量語料去做預訓練。
特點：
- 消耗算力特別巨大
- 需要大量的資本來支持
OpenAI一次全量訓練幾千萬美金，只有巨頭和大資本玩得起，職業機會少。
再往下就是
2 行業垂直大模型
在基座模型基礎上灌入一些行業垂直數據，基本上可理解爲它是在基座模型的基礎上做微調。二次三次訓練也好，得到這樣的一個結果，它的職業機會稍微多點，但我認爲可能對於應用級開發者機會不是那麼多。
再往下看
3 AI原生應用
不管是ToB還是ToC，這塊兒是大量機會，給到我們這些傳統做互聯網、科技公司、應用開發公司包括科技創業公司，就有我們應用開發者大量的機會存在。
向上，要了解模型；向下，要對行業要有了解，有場景sense。所以它是一個比較重要的位置，也是未來一個爆發的一個賽道。
看右邊，ChatGPT CEO創始人Sam Altman說大模型是AI的iPhone時刻，就是在打造這樣一個生態圈，像蘋果，我有自己的App Store和開發者工具。然後你只需要藉助AI把你的創意變成相應的應用。所以說在這個時候其實是有大量的職業機會或大量應用開發的機會存在，也是說我們傳統的應用開發者去快速轉型跟上這個賽道的一個絕佳機會。
因爲前面可能在搞基座大模型，打地基；或在去微調訓練，做一些行業模型，那這上面這些我們都無法參與或參與度低。
但是在這個強應用場景，現在其實還沒有出現一些非常強的應用，這時有點像當年這個蘋果剛發佈的時候App Store剛剛發佈的時候那個狀態，跑馬圈地，大量機會存在。
再往下其實也不是我們的機會，或者也不是應用級開發者應該關注的。因爲再往下就是AI的使用可能變成非常普通的一個要求，各種行業都要學會使用去實現你自己或你行業的降本增效。所以它是一個所有企業使用的過程，對我們來說，這個就有點簡單，所以它是一個僅僅是一個使用層面，但是這裏面也有大量的機會：教別人會使用或開發一些應用，讓它能夠更好地去使用等。
所以這個模型大概就把我們的一個機會點和難度點說清楚，模型層面競爭日趨激烈的。
但應用市場現在看到還沒出現殺手級應用，最大殺手級應用就是ChatGPT，其他的一些殺手級應用還沒出現，爲啥？因爲現在上面兩層不夠完全成熟，或者說是大家的認知還沒跟上，下面的這些各行業的應用，也沒有完全用起來，很多人只是拿它聊天解決很基本問題，缺少了一些強應用，去把很多場景給做出來。
當然了，也是因爲我們很多應用級開發者，目前對 AI 不是很瞭解，他可能有很多應用場景，但是對 AI 能做什麼，怎麼做，不太清楚。所以這塊市場非常廣闊，可以說，所有應用都值得用 AI 重做。
這個是從一個大的行業趨勢，可以看到說應用級開發者，該如何去擁抱我們這個大模型。
具體到開發層面基本上就是是這樣一個架構：
底層可能是我們的 GPU 算力，不用去關注，很多的雲平臺其實已經解決了我們的這個算力問題，包括我們後面案例裏面實操的時候，要用到的類似一些像算力雲或一些國內一些雲平臺，他們其實現在都把這個問題給我們解決了。
再往上就是大模型開發。AI GC 賽道里面我們講的兩大部分就是模型的開發部分，那這個部分跟我們應用級開發可能這個關係也不是很大，或者說大家的職業機會不是很多，那反倒是這個所謂的原生應用這一塊兒呢，是非常應該關注的一個賽道。包含對大模型的瞭解，在大模型之上是我們的應用組件，那麼應用組件上面是我們的應用框架。應用組件裏面就包含了我們的 AI 的能力，我們 AI 的能力，還有我們的雲能力，那 AI 能力可能就包括我們的多模態，大模型插件，雲能力像什麼向量數據庫、COS 存儲，這些雲能力你可理解爲是給 AI 開掛的。再往上應用框架有兩個大方向：
- 檢索增強生成RAG，最多的應用就是文檔問答，拿 PDF 傳，然後就可以去和他對話，然後包括提煉一些他這個主要內容等等
- agent 智能體，那這裏面的話有很多的應用場景就是你可以把它想象成一個機器人的開發，但是這個機器人可能會更專業，而且它可以調度外部的一些軟件。
從這個圖，我們就可以找到自己的位置，應用級開發可能關注的能力範圍右邊這一大塊兒，但實際 coding 的部分，用的比較多的 coding 的部分可能就是上面這兩塊（RAG 個 Agent）。其他地方都是我們在用的部分。
4 職業機會
很多同學對 AI 來臨之後還是有點慌張的，覺得 AI 自己的工作是不是會被 AI 替代，或者以後這個職業機會是不是越少？應該不是。就是說 AI 淘汰的它不是人，而是不會使用 AI 的人，那麼我們從職業機會上來看呢，其實現在 AI 在各個行業，各個細分行業，包括像我右邊列到的這些行業，其實都是需要大量的應用級人才，那需要的人才什麼？懂 AI，你還要懂場景，然後你知道怎麼樣用 AI 的能力結合這些場景做出一些應用來讓大家使用。所以這個是說我們在很多的場景裏面都是會看到的。
爲什麼會有這個判斷？agent 非常重要，能對自然語言做出反應，並基於對用戶的瞭解完成許多不同任務的這樣的一個事物，再結合這些場景之後，有非常多場景。目前來看，最常用的如私人助理或工作助理，就是各種各樣助理，幫助你完成一些工作，即所謂的副駕駛。很多做程序開發同學使用過類似幫你寫代碼的一些副駕駛工具，就是你可能寫一個提示詞，它可以把一段代碼給你寫出來。
後面可能會每個人都有這樣的一個助理，甚至每一個工種都有這樣的助理，好比做一個AI+文旅，比如說你計劃做一次旅行，旅遊機器人會幫你找到適合你預算的酒店。然後智能體呢，還會知道你在一年中，什麼時候去旅行，根據他對你總是嘗試這個新的目的地的瞭解。或你喜歡故地重遊的這個行爲了解，向你建議旅遊目的地。所以當他被詢問的時候呢，他智能體會根據你的興趣和冒險的傾向爲你推薦做可以做的事情。還能幫你預定你喜歡的餐廳。
如果沒有這樣的一個 AI 場景的話，你現在做這些事情可能需要旅行社幫你去定製。
醫療場景，選擇了一個使用一個心理健康的一個 agent。你只要給他灌輸非常多的你的一些數據，就會了解你，你的生活經歷和人際關係，在你需要的時候，他就會出現，而且會永遠保持耐心，在你允許情況，它可以通過你的智能手錶監測你對治療的身體反應，比如當你和老闆談論問題時，你的心臟是否開始加速跳動，建議你什麼時候應該去看人類的治療師等。
比爾蓋茨剛發了一篇文章，題目就是 AI 將徹底改變你如何使用電腦，還將顛覆軟件行業，列舉了非常非常多的場景，通過 agent 的方式結合各種場景去做出這樣的一個 agent 應用，我們可以看到它的應用場景非常只要和人打交道的都是有機會。
傳統的應用開發者在轉型做 AI GC 有
AI 軟件工程師，即做 AI 應用，還不過癮，還想去深度的話，那可能就是偏向了我們的 AI 本身開發，類似我們的視覺工程開發，然後自然語言開發，機器學習等，這都是我們的一些轉型職業機會。
直接去做 AI 應用的話，一個是機會比較多，再一個難度對我們轉型的難度來說比較小，那麼其他這幾個可能就是說你需要學習的新東西會比較多一些。
如何轉型呢？我們需要做哪些準備工作呢？或者說如何我們轉型到這個 AI 應用開發的這樣一個層面上，我們需要
5 需要掌握啥？
學習機器、深度學習的一些基礎知識，上面這兩層就是這個大模型層面和行業模型層面。這些模型層面，你需要有一些基礎的知識的準備，起碼得了解它如何運轉的，然後一般怎麼使用。
掌握一些 AI 開發的工具和框架，如Py，基本上可以說在機器學習領域，它是一個主流語言就是大量的項目，都是用來開發。
實踐一些 AI 項目，這個就是說在轉的過程中間，我們可能需要找一些場景結合我們的能力去做這樣的出來，去把這個實踐項目去實踐一下。
深入瞭解特定領領域的 AI 知識，就是要具備一些場景的知識，這邊像我右邊列的這些場景其實都是有機會去做 AI 應用的，那就看誰一個是對 AI 的瞭解程度，比較深，比如說我們之前很多課程，就是教大家，比如說用 Open I 的 API 去開發一些加殼兒的應用。那它只是說幫大家去講這個 API 的使用，但對場景的理解少，所以如果說你想轉型成爲一個非常成功的 AI 應用開發者的話，那你需要對你去服務，或者說你去做的這個場景，這個行業的場景非常的瞭解，抓到裏面最關鍵的部分，那你可能成功的機率就會比較高。
6 總結
職業機會可能就是在這個層面會比較多一些，然後它的難度相對也就適中，但需要了解模型，也需要了解行業。而且現在處在一個爆發的前夜，或者說是一個即將爆發的這麼一個狀態。
從這個技術的角度來看，技術架構的角度來看的話，更應該關注在類似像智能體的開發，類似像RAG 技術。
對於其他的一些部分，我們就要做到了解，那麼從職業機會的角度來看的話，就是目前大量的這個行業和場景是需要 AI 應用的。那麼，我們要做好一些提前的準備工作，就是在轉型的時候，我們要做好準備工作，要做一些前置的知識學習。然後我們要學會使用 AI。
應用級開發者，所謂的學會使用 AI，那和一般用戶的使用 AI 還不一樣。一般用戶可能你拿一個現成的工具，你只要能用就行了，但是我覺得我們應用級開發者不光是拿現成工具應用，你可能還要研究它，你可能要看我如何去結合 AI 的特性把它開發出來。這個可能是我們的職業機會所在。
關注我，緊跟本系列專欄文章，咱們下篇再續！
作者簡介：魔都技術專家，多家大廠後端一線研發經驗，在分佈式系統、和大數據系統等方面有多年的研究和實踐經驗，擁有從零到一的大數據平臺和基礎架構研發經驗，對分佈式存儲、數據平臺架構、數據倉庫等領域都有豐富實踐經驗。
各大技術社區頭部專家博主。具有豐富的引領團隊經驗，深厚業務架構和解決方案的積累。
負責：
- 中央/分銷預訂系統性能優化
- 活動&優惠券等營銷中臺建設
- 交易平臺及數據中臺等架構和開發設計
- 車聯網核心平臺-物聯網連接平臺、大數據平臺架構設計及優化
目前主攻降低軟件複雜性設計、構建高可用系統方向。
參考：
本文由博客一文多發平臺 OpenWrite 發佈！