你好啊，我是雨飞，见字如面。

01

向ROI看齐，导致了岗位不增反减

这次AI的浪潮更多的是，对于大部分公司来讲是降本增效的过程。而且投资人对于国内大模型创业的态度其实是十分谨慎的，因此你看到这一次出现的创业公司，包括 kimi，智谱，百川、零一、MiniMax 这些融资的金额并没有想象的那么多。

kimi 算是融资最多的公司了，10 亿美元。而且现在还没有明显的盈利点，出于烧钱的状态。并且，由于大模型的微调、预训练，整体成本很高，也不需要太多的人去搞。

这些新的公司，规模都不大，以 kimi 为例，之前腾讯科技的访谈中提到，也就 200 多人。这样少的岗位，对于最近很多公司动不动几百、上千人的裁员，显得就是很少很少了。

另一方面来讲，新兴的大模型相关的岗位，本质上算是 NLP 算法的延伸，因此公司内部如果有 NLP 的算法工程师，可以直接转型去搞大模型，也就不需要对外去进行招聘。

拿目前比较火热的 RAG 技术和 Agent 技术来说，只要是接触过深度学习算法，有过 1-3 年工作经验的人，是非常容易上手的，这像极了刚出深度学习时候的keras框架。入门简单，但是实际在公司使用起来会遇到很多的麻烦，要想实际落地需要投入很大的人力物力。

绝大多数互联网公司做项目都是要向 ROI 看齐，而基于企业自身数据的 RAG 系统会存在两个明显的问题。

1、企业内部数据复杂，大量的时间都需要花费在数据处理和清洗上。但是企业又强调快速开发和迭代，导致数据处理做的很简单，后面的工作做得再好，实际效果也上不去。

2、私有化部署的大模型，能力不够。根据我们实际验证，13B 这种级别的模型，语义理解能力确实有限。即使是优化很好的提示词，也难免会出现问题。说白了，就是废了好大的努力，做了一个玩具产品。而使用闭源的 API，成本和安全性又没法保证。

因此，基于 RAG 的知识库问答系统，基本在企业内部还是出于自研和开发的状态，有一定的人力投入，但没有作为重点的项目。再加上，很多传统的算法工程师也可以去搞，因此就不需要大量的外部招聘了。

好啦，我写完了，欢迎点赞，留下你的名字，祝，万事顺利?。

❤️往期经典好文❤️

❤️交个朋友❤️

目前我致力于AI解决方案的咨询、落地以及AIGC培训，有这方面需求，可以加我备注「公众号」，可以免费给你咨询一次和AI相关的问题，并领取截图的资料一份。

「雨飞陪你玩赚AI」，在这里我会高频输出和AI工具，行业解决方案、副业变现项目等，也会有我自己的思考和认知，永久免费，欢迎你来围观。

你的每一个『点赞』，都是鼓励我进步的勇气，点个『在看』，加油吧，一起成长！

声明：文中含有雨飞的广告

「雨飞同行」这是雨飞的介绍（第7版，交个朋友，限时送福利）