作为后端开发工程师，你们有中途转向机器学习/深度学习的吗？

转大模型 infra ，不过现在这个光景很难了。两年前我后端直接转大模型训练 infra 。现在已经杀得一片红海，同组算是国内最顶尖的大模型 infra 团队，进来的全是清北上交的博士，cmu 的也比比皆是。
但是现在如果实在想转，可以看看大模型相关的存储网络等等基础架构相关的，甚至 GPU 和大模型相关的 k8s 团队也行。应该能吃到一些涨幅溢价，只不过都是大厂了。

@ranley123 前外企大厂被优化，现创业小公司待着，无论是后端开发还是测试开发，经过一年多深度 vibe coding 深深的感受到传统程序员的生命周期比预期的要短。

手头有个 NLP 的项目要做，完全零基础暂时先用 AI 干着。。。

@jiangbingo 是的，我赞同你的观点。所以新时代多往 AI 和大模型靠靠，是能够延长的，甚至还有机会远程。个人经验也是如此。自从我入了 LLM infra ，至少前景和钱景上都得到了爆炸式提升

@jiangbingo 外企大厂该不会是 ms 吧哈哈，如果是的话那就是前同事了。我觉得你可以学习一下大模型的原理，比如 transformer 和 attention 之类的，甚至包括一些推理的框架基本知识 kv cache 之类的，如果对训练感兴趣的话可以看看并行训练的基本框架，不过会比较困难。

或者自己写写 ai agent 以后找 agent 工作

@ranley123 ai infra 是写算子么？请教下大佬有啥学习渠道感谢

@richarddingcn 不止算子了，infra 包括高端的并行训练框架，算子优化，还有一系列分布式稳定性框架，LLM 故障检测和处理，LLM 存储 hdfs 优化和网络 NCCL 啥的，一大堆

@richarddingcn 框架基本不用想了，现在只有清北博士级别和妖孽硕士的才能进。其他的就按照正常的基础架构+LLM 知识学习找点实习吧

@ranley123 请问大佬，这些方向都很吃学历吗？我后端 5 年多，普本+非全硕

@BlAO 我提大佬回答下，既然工作 5 年多，你没感知到除了核心深度学习算法部分，其他都是应用吗？既然是应用层，逻辑思维，业务理解，行业选择更重要。

@jiangbingo 深有感触，感谢前辈的回答

@BlAO 其他方向说实话今年开始要求也非常高了，除了要求对应的基础架构非常专业，也需要对 LLM 有了解。但是还是比核心算法的要求没有那么逆天，不过至少都要 985 本了，top2 本博也很常见

@ranley123 大佬，这么说普通学历想转你说的大模型相关的存储网络，GPU ，k8s 团队也很难吃到涨幅溢价咯，是不是只能做下 agent ，rag 类的应用开发了，看来和普通后端区别不大

@ranley123 不是 ms 这么牛的外企。多谢你的建议。

@BlAO 其实做 agent 也可以努力往推理靠靠,如何做到推理更快，需要的内存更少也是技术活，因为这个就需要你主动学习类似 kvcache 之类的技术，一点一点往大模型推理浸透，这样也属于加强了个人技术壁垒和业务深度，跟普通做做 agent 有本质区别。

@jiangbingo 可以看下我最新的一条，如果是普通学历做 agent ，可以往推理技术靠靠

总结一下：
学历好：从基础技术出发，直接走训练或推理框架。
学历普通：从 agent 出发，向推理优化学习。如后训练微调技术，推理时长背景的语义压缩，kv cache 技术，etc 。之后一定是大模型的应用时代，如何推理得更便宜，更快, 一定是 agent 和应用工程师应该学习的东西

还有高并发下的推理调度策略等等，所涉及的工程技术非常多，我只是举个例子。也许现在你们做的 agent 或者还在小公司，觉得杀鸡焉用牛刀。但是多提前储备，跳槽到大公司会非常有用。

感谢大佬
@ranley123 专业和富有耐心的建议。

@ranley123 感谢大佬耐心又专业的建议