大家好，我是孔令飞，字节跳动云原生开发专家、前腾讯云原生技术专家；《企业级Go项目开发实战》作者，云原生实战营 知识星球星主。欢迎关注我的公众号【令飞编程】，Go、云原生干货不错过。
有幸受邀参加了 2024 年度的 QCon 大会，今年的 QCon 大会围绕着 AI 分享了很多行业先进的技术理念、实践等。其中极客时间也在 QCon 大会开办了极客时间讲师线下交流见面会分会场。老师们围绕着 AI 分享了各自的看法。其中，我也受邀分享了其中的一部分话题。这里整理下分享给大家。
去参加讲师线下见面会一方面是想分享下自己的一些想法，另一方面也是去了解、并学习其他老师的看法。更重要的是，作为与会老师的粉丝，也想线下认识下偶像，他们的课程在不同阶段都有帮助过我。最后，作为从业 10 年多的技术人，也希望从与会的各位技术人身上找回当年学习技术的热情，分享交流，相互学习。
参加完分享会之后，我有一个比较深的感受，就是发现老师们会结合自己的经验，从不同的维度去分享自己对于某个话题的看法，但很多时候细细品味每个老师的观点，发现大部分老师的观点都是相似的，这也从侧面说明了，这些观点具有很高的借鉴意义和准确度。例如：关于学习数学的价值问题，刘建国老师提到数学带给大家的是一种更通用的思维、解决问题的能力，这和我的观点是完全一致的。因为我本身是数学专业毕业，工作这些年，对数学的价值，感受是颇深的。还有鸟窝老师，关于年龄对开发者影响的观点，和我的观点也是完全一致的：2 ～ 3 岁的年龄差，对于职场并不会起到多少负面影响，真正重要的是个人的技术能力。
上面分享了，参加完分享会的一些感受。接下来，我再以文字的方式分享下，我参与回答的一些问题。里面的很多观点。
Q1：在 AI 的加持和影响下，各位老师是怎么做自己后面的规划的，可以简单分享一下吗？
记得在 2018 年的时候，业界掀起了一股区块链技术热潮，当时大家普遍认为 Web3 会用去中心化的理念，重构当前产品形态，这个影响面是非常广的。当时，也曾为之兴奋过。但遗憾的是，这个去中心化的时代没有到来，但是 AI 时代却真真正正的到来了。
我们能看到的是，腾讯、阿里、字节、百度等一线大厂，已经把 AI的优先级提到公司战略维度，同时，公司内很多产品都在用 AI 进行赋能。而且去年到今年，AI 类岗位非常多，从算法工程师，到 MLOps 工程师，再到应用工程师，很多岗位。朋友圈也被猎头们各种 AI 岗位所刷屏。
我作为一个 IT 从业者，也很难不去思考下，在 AI 时代，我该如何保持竞争力。在 3 月初，曾经因为这个失眠过，失眠的原因大概有 2 个，作为 Go 和云原生开发工程师，AI 时代，我的竞争力在哪里。另外一个焦虑点，是我最近开设了一个知识星球，星球里面包含了 3 套 Go、云原生相关的开发课程，目的是想帮助开发者快速进阶为 Go 和云原生开发工程师。作为课程老师，我也不希望在 AI 时代课程价值减弱，也想让课程帮助我的学生在AI时代建立自己的竞争力。经过 2 晚的失眠、思考，以及跟 2 位从事 AI 领域同事的交流，逐渐解决了内心的焦虑和不安。
这里，我分享下 AI 的加持影响下，我近期的规划和行动。
首先是工作上的行动。 因为我家在深圳，但当前工作 base 地在北京，因为这个原因，想 base 回深圳，但是团队深圳没有 office，所以，其中一个方法是转岗回深圳。在转岗时，也有思考过，该从事什么方向。因为我觉得 AI 时代已经很明朗了，所以未来如果自己想仍然有竞争力，那么从事 AI 方向会是一个不错的方向。我当前是云原生开发工程师，本身就是一个技术性很强的岗位，所以借助于过去的技术积累，再加上 2 周的 AI 相关知识的学习，也很幸运的转岗到了 AI 相关的岗位，参与 AI 的技术浪潮中。至于，具体做什么这个目前先保密，但肯定不是算法。作为 IT 工程师，在 AI 时代，其实有很多岗位可以参与的，这个未来我也许会写一篇文章专门介绍。
另外，是课程上的行动。 因为我的 云原生实战营 本身是一套非常优秀的 Go 和云原生实战课程，讲授了全面、实用的云原生开发技能，也就是说学完课程之后，作为一个技术人其技术能力会进一步或者大幅提高，这样我的学生就具备了扎实的立足之本。如果说能，再融入一些 AI 领域很需要的开发技能，那么也可以帮助我的学生能够顺利的转岗到匹配的 AI 岗位，参与 AI+ 的技术浪潮中。为此，我在课程中加入了 Kubernetes 调度器的详细讲解和实战，通过调度器学习，可以让学生更容易转岗到 MLOps 工程师，从而在 AI 时代建立自己的竞争力。
提示：如果大家对 Go、云原生开发感兴趣，也欢迎学习我的课程：孔令飞的云原生实战营。
至于，我个人在 AI 时代，未来的规划，我觉得我很希望能够用以前的技术积累，跟团队内其他各类角色同事紧密协作，去更好的赋能业务，做出一款很好的智能化产品出来。
这里的建议是，如果想让自己未来更有竞争力，还是要考虑下未来的岗位需求，并提前做好准备。不能成为 1 个参与风口的人，成为第 5 个参与风口的人也是不错的。
Q2：一季度国内外又迎来一波小范围裁员潮，国内金三银四的热度也并不高，怎么看待技术人未来就业问题？
首先，据我的感知，这两年的行情确实不好，裁员、焦虑经常在头条新闻、各种技术群众，被频繁提起。但我想说的是技术人就业难只是相对的。
如果，行业就业环境不好，那么我们可以通过提高个人技术竞争力或者做一个好的选择，来让自己就业更轻松，化被动为主动。
这里，我举个例子，我有一个技术能力很强的同事，因为受到最近武汉字节的裁员影响，需要找工作。我最近问他找工作进度如何，他说自己最近面试安排都排满了，目前已经有至少一个有意向的 offer 了。这让我很吃惊，因为，在我的印象中武汉的就业岗位相比一线还是少很多，而且前一天，我还在一个技术群里，看到大家吐槽投递了很多简历，但是很少有反馈的。但是我这位同事短短两周时间基本已经有意向offer了。
所以，这两年行情确实不好，但未来就业如何，很多时候，取决于你的选择和能力。如果想让自己未来就业更轻松，那么可以多花点时间去思考，选择一个好的方向，或者提升自己的技术能力。我觉得，通过做一个好的选择，或者拥有一个更强的竞争力，是完全可以磨平，行情不好带来的影响。
Q3：什么类型的技术岗位可能最先被取代，或者率先由 AI 代替一部分工作？
其实这个问题，我不太敢回答，作为一个非 AI 岗位从业人士，对我来说有很多盲区，也很容易被打脸。但我可以分享下，我的一些拙劣想法。
首先，我觉得程序员的技术生涯对绝大部分人来说是有限的，在有限的技术生涯中，可以不用太担心这个问题。因为如果当 AI 真的能替代一部分工作的时候，那么它离它完全替代你的工作也不远了，并且是无差别替代，甚至算法工程师，到那个时候，人人自危。
所以，问题的回答就是，未来我不确定哪个岗位会被先取代，但我相信很多岗位都会受到影响。也许我们可以不用去做纵向对比。但可以做横向对比，就是思考下，当前或者未来几年，自己的竞争力在哪里，然后去做选择和努力，做好当前，未来我觉得也不会差的。
Q4：大模型时代，哪些是工程师们的核心能力？
大模型时代，要让大模型发挥价值，绝对不仅仅是只有大模型本身。围绕这大模型的机器学习框架、机器学习系统、以及相AI 产品经理等，都是其中的重要参与者与受益者。
所以核心竞争力，我觉得也是要分岗位去区分的。例如：模型开发工程师，算法能力是他们的核心竞争力。机器学习平台工程师，调度编排、Kubernetes 是他们的核心竞争力，AI 产品产品经理的 AI 产品化思维是他们的核心能力。
这里结合我自己来阐述下：
- 如果我参与到 AI 应用层开发，那么如何开发出一个好的 AI 产品，应用层开发能力，也可以算是我的竞争力；
- 如果我从事机器学习平台的开发，那么调度编排、GPU、DevicePlugin、Kubernetes 相关的开发能力，就是我的核心竞争力。
所以，具体的AI岗位需要的核心能力，就是大模型时代所需要的核心能力。另外，还有一个更普适的核心能力，就是学习能力，这个能力可以让我们去适应时代的发展。所以，作为技术人，应该时刻保持着一颗持续学习的心。
当然，回归到问题本身，根据我转岗的经验，我觉得不同类型的 AI 类岗位，都会对以下能力有或深或浅的要求：
- Pytorch、Tensorflow 机器学习框架能掌握程度；
- 还有一些常用的机器学习算法和深度学习算法，例如：CV/NLP/搜广推等领域模型算法等；
- 当然，还有你的领域能力：如果你是 AI 应用层开发工程师，那么领域能力就是你的编程开发能力，如果你是 AI 产品经理，那么你的领域能力就是 AI 产品化思维能力。
这里也分享一些教材，供你参考：
- Pytorch、Tensorflow 你可以根据需要选择去学习一个，如果都是零基础，这里建议选择 Pytorch，因为当前最受欢迎最多，推荐以下两本书：动手学深度学习（PyTorch版）；
- 机器学习系统的书推荐：深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台、机器学习系统_设计和实现；
- 机器学习/深度学习核心算法类的书推荐：深度学习、机器学习；
- 机器学习工程类教材（应用层、资源层、调度层）：孔令飞的云原生实战营。
Q5：开发者如何在 AI 时代找到自己的位置，以及如何参与到 AI 的技术浪潮中
首先，我们要明白，在 AI 时代，能真正带来价值的是什么？我觉得真正带来价值的是用 AI 赋能的智能化产品。一个智能化产品，是由很多角色共同参与完成的，例如：数据工程师，算法工程师、MLOps 工程师、AI 产品经理、AI 产品运营等。不同岗位，岗位技能要求、以及岗位本身的天花板都是不同的。但毫无疑问，他们都是 AI浪潮的重要的参与者和受益者。
所以，我觉得如果想参与到 AI的技术浪潮中，首先要找准位置，并为之去做准备。那么如何准备，其实没有标准答案，这里提供以下 2 个思路：
- **第一个是零基础转型：**因为是 0 基础，所以，你可以选择自己喜欢的目标岗位，并规划如何成功转型。例如：可以提前学习相关的课程及技能，并找准时机，直接面试期望的公司和岗位，这种方式比较陡峭，难度会高很多。也可以分阶段去实现我们的目标，例如：如果你想从事算法类岗位，但当前又不具备算法能力，那么你可以结合自身优势，比如说应用开发能力，从事应用层 AI 产品开发。在 AI 产品开发岗位上，利用岗位优势，通过半年或一年的时间去学习算法知识，在一年后，你可以借助过去一年的算法知识积累，及相关经验，跳转到算法工程师岗位。这种， 方式周期长，需要规划好未来的转型步骤，并付诸行动。但优点是，我们可以慢慢定向转岗到喜欢的岗位上；
- **第二个是结合自身优势，找到匹配的岗位：**可以结合自身的优势，找到匹配的岗位，例如：如果你是 K8Sk 开发工程师，有丰富的调度器开发经验，那么在补充一些机器学习的基础知识之后，借助于你的 K8S 开发能力，是可以直接转型为 MLOps 工程师的。
如果你对在 AI 时代如何建立自己的竞争力有疑问，欢迎关注我的公众号，加我好友，共同交流、探讨。
您的支持是我写作的最大动力！如果这篇文章对您有帮助，感谢点赞和关注；
