文章指出职场焦虑常源于未核实的高薪信息，尤其是关于大模型的300万起步年薪传言。作者强调切勿仅凭此数字评判自身价值，提醒读者需核实岗位要求、薪酬构成等具体信息，避免情绪化决策。文章建议关注个人职业目标与积累，理性评估读博或转行选择，不应让未经证实的数字左右职业规划。收入需认真看待，但更应结合自身情况与市场实际，理性做出职业选择。
在职场中使自己感到不平衡的，不只是别人拿到了较高的薪水，而是你自己用一个没有经过核实的数据来判断自身职业价值。
看到300万起步的时候，你会联想起这几年来所积累的经验是不是已经不值钱了？
如果对大模型感兴趣或者打算读博士、转方向的话，那么这个数字就会轻易地抬高人们的期望值，并且还会带来很多焦虑情绪。
收入与生活计划、投入与回报有关，人们自然就会注意。
主帖原文如下：
“现在怎么搞大模型，但凡来个博士，年薪都是300w起步。以前博士拿个80，100w都不错了，我的老天爷。”
帖子并不能证实该数字的真实性和适用范围，也不能代表字节跳动公司的标准或者行业行情。
没有说明职位、要求以及薪酬口径等信息。
缺少了某一部分的信息，那么比较就会出现偏差。拿它和自己的工资进行比较，可能是在用不同的尺子来丈量两件事情。
它不能回答：读博值不值得、大模型的方向是不是适合自己，或者你现在要不要离开。
常见的错误判断就是把“别人可能拿得多”迅速翻译成“我选错了”或“我已经落后了”。
在没有搞清楚岗位和条件的情况下就开始给自己判输赢，这样的情绪要比事实跑得快得多。
当你看到这样的岗位时，请先了解该岗位的工作内容和要求，并且要弄清楚这个说法所对应的具体职位机会是什么。
还要问清薪酬口径、哪些部分是确定的，以及前提条件；没核实前，不能只比较总数。
如果打算读博士的话，也得把研究兴趣、时间投入、能力积累以及可以选择的工作岗位都考虑进去，而不是只关注毕业后的薪酬。
转方向的时候还要考虑之前的经验能不能衔接，自己是不是愿意长期投入；突出的起薪说法不能代替这些判断。
如果不想走上这条道路的话，就不必把它作为评价自己工作的唯一标准了。
你要去比较的是自己所追求的目标、现有积累以及能够承受的投入，而不是帖子中提到的数据有多么响亮。
这并不等于劝人看淡高薪。收入要认真地看待，新的机会也需要进行核实。
一条帖子可以引起人们对某个说法的关注，但是并不能代表整个市场的状况，也不能替你决定下一步。
先把信息问实，然后看清自己的条件，最后再来决定是不是要调整方向。
职业的选择并不是去追求每一个新的数字，而是在于弄清楚自己为什么要这样做、下一步又该凭借什么来前行。
别让一个未经核实的高薪数字，替你给自己定价。
大模型的知识又多又杂，到底怎么学？
做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。
第一阶段（10天）：初阶应用
这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。
- 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
这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。
-
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
-
…
走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。
第三阶段（约20天）：动手微调
学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。
- 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
- …
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。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
第四阶段（20天）：商业闭环，部署落地
技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。
- 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
- …
想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：
1、大模型系统化学习路线
2、大模型学习视频教程
3、大模型学习书籍&电子文档
4、AI大模型最新行业报告
5、大模型项目实战&配套源码
6、2026大模型大厂面试真题
7、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。
8、适合谁学？
- 传统后端 / Java / 前端开发，想转型 AI 应用
- 大学生、应届生，想拿更好的 offer
- 产品经理、运营，想武装职业竞争力
- 技术负责人，想给团队落地提效
学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。
9、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/xxue345678/article/details/169833575
