“快烧不起了，但年底也没有好的出路。”一家北京AI大模型明星创业公司员工李晓远告诉和讯商业。
今年2月，大模型吹来一股风，春江水暖鸭先知，原本身处互联网大厂担任产品经理岗位的李晓远感受到AGI可能有机会。4月，在看到杭州一家公司因320万年薪招聘AI专家登上微博热搜后，他决定也要搭上这趟快车。
李晓远的抉择，其实是今年大模型领域人才迭代的缩影。
在这场战役中，有人追逐大模型，有人供养大模型，亦有人不相信内里可以淘金，有产业的地方就有人和江湖，但谁也不敢肯定，这股潮水，将会将他们推向何处。
追着大模型跑的人
风起，要把时间拨回至2022下半年，随着ChatGPT这款跨时代产品的问世，类GPT项目成为AGI最大热门。上至百度、阿里等互联网大厂，下至如李晓远公司一般成立仅仅几个月的初创企业，都把研发大模型列为了业务的最高优先级。
短短一年，百度文言一心、商汤日日新等大模型相继问世，截至2023年10月，我国拥有10亿参数规模以上大模型的厂商及高校院所共计254家，分布于20多个省市/地区，国内大模型总数达238个，正式拉开“百模大战”竞争的序幕。
在这个新赛道里，招兵买马，是每个入局玩家的焦虑和渴求。
来自脉脉高聘人才智库数据显示，今年春招期间，是大模型创业的高峰期，人才需求一度井喷。2月，AIGC新发岗位量增幅75.6%，3月持续上升，环比增幅上涨12.56%。随着春招结束和创业潮告一段落，人才需求有所回落。6月，大模型公司波澜再起，人才需求再度上扬4.16%，以算法工程师需求为主。
大模型如雨后春笋拔地而起，李晓远心情却有些复杂，入职新公司后，他依然担任产品经理，一个在互联网行业高度成熟且角色重要的职位，但职业规划远没有在大厂时清晰。“虽然薪资确实越级了，但公司甚至这个行业是否需要产品经理岗位，我不敢给定论。”
在他看来，这家公司虽然融资进展不错，但尚处于初创阶段，远没有大厂的算力和底蕴。“现阶段，还是集中在给大模型打基础，而底层的技术大拿，譬如算法人才、架构人才，那才是核心，也是市场中最被需要的一波人。”
李晓远此言非虚。一位专注于AI领域的猎头告诉和讯商业，大模型市场中处于金字塔顶尖的人，学术成果、实践经验、学历背景和创新意识缺一不可。
他介绍，从客户的需求来看，一方面，这个人需要紧跟大模型的进展，全球范围内，研究这个方向的优秀者很多，进展很快，每天或许有几百篇新论文出来，你需要在各个方向、领域做改进，最好也能贡献Paper。
另一方面，做到前沿还不够，这个人还需要沉下来，从实际需求出发，用好大模型，来解决在工程上遇到的问题，最好可以提高某些指标，才有人买单。
上游早就传导过需求。天工智能联席CEO兼昆仑万维2050全球研究院院长颜水成就曾提到，大模型训练本质是个工程问题，实践经验非常重要。目前，昆仑万维最稀缺的是核心算法人才，除了要求候选人具备扎实的编程能力和算法基础，对业务有深入理解以外，还希望候选人拥有大模型训练实践经验以及创新能力。
和讯商业从猎聘、BOSS直聘等招聘平台发现，无论互联网大厂、AI独角兽等科技公司，还是金融、医疗等传统公司，在招聘大模型相关岗位时，很多要求“具备大模型预训练经验”、“熟悉Transformer（适用于大模型的预训练框架）”、“深入理解大模型应用场景”。
更有甚者，注明拥有“曾就职于OpenAI”、“在国际顶级核心期刊发表过大模型相关研究成果”等经验大大加分，给出的年薪也普遍超过百万，如果再加上期权等福利，可谓优厚。
vivo副总裁周围算过一笔账，现在，vivo大模型总投入成本已经超过200亿元，人才和数据算力各占一半，人才成本平均每人税后100万元，证实了传闻中的产业行情。
行业热度不减，发展至今，不少人将这项新技术形容为20年前的互联网、10年前的移动互联网，蕴藏无限机遇，渴求可以培育出新一轮“BAT”们，更期望自己可以身处在这项造福神话中。
但鲜为人知的是，AI人才市场处在冰火两重天的境遇。少数的高端人才掌握多数机会，拿下丰厚回报，余下的打工人是不被选择的分母，薪资提升有限，冷热不均是常态。
这位猎头说，根据最近的offer情况来看，中层及以下的算法、架构工程师，涨薪都在20%以内，其他职位大多平薪跳槽。
脉脉高聘最新发布的《2023人工智能人才洞察》报告显示，2022年人工智能新职位的平均月薪为43817元，而2023年1至8月上升至46518元，涨幅为6.16%，并非天文数字。
最近，王慧文和他的光年之外踩下急刹车，已经给中国大模型增添了几分冷峻色彩，狂飙的大模型创业潮并不如想象中纸醉金迷，“普通人的收入预期要降低一些，尽早从梦里醒来。”李晓远一语点破。
供养大模型的人
“人工智能车间里的数据女工。”这是辛蕊给自己数据标注员的工作打得标签。
去年产子休息了一段时间后，辛蕊已经无法胜任此前车间装配的工作，为了生活，她来到广州的城中村，找到了现在这份与AI密切相关的生计，更重要的是，入职前，公司承诺这份工作简单易上手，完全没有门槛，适合宝妈。
算力、数据、算法被称为驱动人工智能大模型发展的“三驾马车”。AGI流行后，为了让大模型可以识途认路，数据识别必不可少。无论是模型的训练还是后续对模型的进一步更新以满足实际应用，都需要大量的数据来支撑，在模型开发的成本中，数据成本也占据了很高的比重。
辛蕊最擅长的工种是图像识别，例如给某自动驾驶企业的图像进行标注。举个例子，当一张图像中有多个行人和车辆，需要将其分门别类，区分出不同物体和颜色，拉出框进行汇总标注。“2D图相对简单和固定，3D的动态图很复杂，物体移动容易造成遮挡，很容易出错，这时候需要标注员进行合理联想，然后拉框、标注。”
除此之外，这家公司还有语音、视频、文本等标注业务，其实恰好对应了AI世界的不同能力，一个标准的AI模型，背后可能是“辛蕊们”成千上万次的拉框标注，才能供养出一套成体系的大模型。
辛蕊透露，这份工作是底薪+按件计费的薪酬体系，底薪普遍在3000元上下，按日结算的拉框计费则很低，同组人经常开玩笑说“拉一个框，打一个标签，就是半个毛”。
因为熟练，她一天可以拉700个框，收入在35元上下，勉强算是一天的饭钱。如果准确率高，还能获得奖金，但奖励并不好拿，下单的客户要求的准确率底线在95%以上，如果准确率达到98%-99%才能获得奖励，这也意味着，辛蕊每拉100个框，至多只能错两次。
“一天下来，眼睛都胀胀的。”辛蕊说，这碗也算青春饭了。
在大模型风起后，AI企业对于数据标准的要求、标准和规则都日益苛刻，早期各大公司之间比拼的是技术能力，但随着竞争到末期，技术的鸿沟被抹平，数据就是重中之重，尤其是专业领域里的高质量私域数据，更为稀缺。
如果说辛蕊的拉框属于粗标，那卢珍妮的工作算是精细活。
日常，卢珍妮不但答题，还需要给大模型当判官，判断训练后的大模型是否可以提供答案，以及答案是否准确。卢珍妮是本科毕业生，专业是生物医学，她兼职的大模型企业提供定制化的解决方案，训练完备的模型可以提供多种常见慢性病和复杂性疾病的风险预测。
卢珍妮说，从事医疗行业大模型的判定，既要懂一点人工智能技术，又要懂相关生物信息技术，利用专业性，将知识“填鸭”式喂给大模型，这样的好处就是从数据源上不会出错。“大概每天答30道题，根据知识种类的不同，每道题在2.4元-4.8元之间，判断题则更高，日收入破百一般没有问题。”
除了收入的稳定性，训练AI的数据标注员们，也在面临一个迫在眉睫的问题：供养好AI大模型后，怕不怕自己失业？
两位标注员均表示，没有仔细思考过这个问题，但辛蕊自认为自己的工作是很容易被取代的，如果可以，她也希望能够成为卢珍妮。
原因很好理解。现在，你每输入一次谷歌验证码，都在义务劳动帮助谷歌训练AI，代替这群处于金字塔底层的人的工作。
