未来不会使用 AI 的人真的会被淘汰吗？

AI 是今年大火的一个话题，随着 ChatGPT 之类的一系列大模型开始流行以后，有不少的培训机构宣称这样的口号: “未来不会使用 AI 的人将会被淘汰”。我觉得这个观点本身并没有错，但是关键在于那些培训机构出于自身的利益，故意忽略了这句话成立的条件。真正的意思应该是:

在某些 AI 擅长的领域，不会使用 AI 加持自己工作的人将会被淘汰。

比如要求不高的人工客服、文案写手，甚至是简单的代码开发工作，用 AI 来完成能达到不错的效果，而对于门槛较高或跟人打交道的领域，比如做复杂的系统架构、心理咨询等等，这些 AI 就很难胜任。

那对于 AI 擅长的领域来说，它的本质还是属于工具，既然是工具，那么它的第一性原理就是提高生产效率，以前能做的事情，现在能用更短的时间、更少的人力来完成。这种问题往往已经有了现成的解决方案/规则，只需要借助 AI 帮你更方便地实现，比如：

• 你想写一段 SQL 语句，但是你对 SQL 语法并不熟悉，你可以把需求用自然语言描述出来，然后 AI 会帮你把自然语言转换成 SQL 语句。

• 你想搜索到某个文档的内容，你可以用自然语言描述你的需求，AI 会帮你搜索到相关的文档，并进行整合后给你相对准确的答案。

其实这些事情你也可以通过自己手动查阅资料来完成，但是 AI 可以帮你更快地完成。

在大模型已经流行的今天，AI 的使用门槛已经越来越低，使用 AI 来解决问题对大部分人来讲并不是什么难事，真正拉开人与人差距是利用 AI 去解决什么样的问题。

你可以给 ChatGPT 提问让它帮你翻译一段话，也可以让它解决一个垂直领域中的具体问题，不同的问题会将 AI 引导到不同的方向，从而直接影响到答案的质量。

而提问的内容，来源于你的知识储备，和对行业的理解，越专业的人，提出的问题往往信息量也越大，这样也更能把 AI 的能力发挥到极致。

所以，AI 对你的帮助到底有多大，一方面取决于你的领域 AI 是否擅长，另一方面取决于你自己的能力圈，当你的能力半径足够大，那么能撬动的 AI 的力量也就越大。

如果你所做的工作 AI 并不擅长，那么即使你不使用 AI 对你的影响并不大，你根本不会被淘汰。比如我现在的工作中，很多事情需要涉及到复杂的技术上下文，AI 并没有这些上下文信息，所以很多需求是 AI 无法完成的，不用 AI 对我的工作确实没有太大的影响。但与此同时，也有一些不太需要很多上下文的编码细节，我可以交给 AI 帮我实现或者分析 bug，提升工作的效率。

那么，还有一个问题是，会用 AI 的人就一定不会被淘汰吗？

在使用 AI 的时候我们固然需要学习一些应用层的知识，比如怎么组织合理的 prompt、怎么引导模型思考。但只会用 AI、没有专业深度的人在未来也会被淘汰。难的从来不是使用 AI，难的是在一个行业长期的深耕，积累自己的能力圈以及对领域的认知，这才是真正的核心竞争力。

曾经在 bobo 老师的知识星球看过一个帖子，说的是十年前塞班系统被淘汰了，那当年做塞班的人被淘汰了吗？

事实是并没有，相反，他们在开发塞班系统的时候积累了大量 C++ 的开发经验，对代码中的内存管理已经非常熟悉，这些经验放到 iOS 当年使用的 OC 语言当中也同样适用，这意味着相比新手能更容易地开发出稳定的应用。

同时，他们也是最早接触移动端开发的一群人，作为扎根行业多年的人，相比外人他们太清楚移动端互联网时代已经要到来了，于是有人开始做 iOS 独立开发，尝到了 iOS 应用商店的付费红利，有人拿着几倍于塞班开发的薪水，在移动端开发领域继续前进，并没有在那个时期被时代所淘汰。

同样，当 AIGC 新技术出现的时候，原本行业的积累也非常重要。因为抛开任何一个行业去谈 AIGC 都是没有意义的，只有对原本行业的认知足够深刻，才能清楚地知道哪些细节可以交给 AI 去做，哪些问题可以让 AI 解决，充分挖掘 AI 对于行业的价值。

所以，当 AI 大模型出现之后，往往是在行业里深耕的人能够最先适应 AI 时代的变化，而不是那些只会使用 AI 的人。

无论如何怎么说，先掌握ai，懂得ai的人一定是有竞争优势的，这句话放在计算机，互联网，移动互联网的开局，都是一样的道理，作者我也是耗费了好几夜在各个平台去搜索资料，把整理好的很多经验和知识去分享给大家，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，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】

## 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。