MentorX
0
谈到开源与闭源模型的竞争，他认为，当模型在特定任务上的能力逐渐饱和，开放权重模型或更便宜的闭源模型就能胜任。
最近，微软董事长兼CEO萨提亚·纳德拉做客风投播客20VC。
谈到开源与闭源模型的竞争，他认为，当模型在特定任务上的能力逐渐饱和，开放权重模型或更便宜的闭源模型就能胜任。尤其当企业可以利用自己的使用记录训练模型，而业务问题没有变化时，未必需要一直追着最新模型跑。
前沿模型仍有市场，但他预计，大部分Token使用会走向商品化，价格竞争也会加剧。微软自己的Copilot，就在混用较便宜的闭源模型和开放权重模型。
这个判断很实际。同一项工作，如果便宜的模型已经能做好，企业为什么还要持续为更强的模型付费？
不过，换模型远没有换订阅套餐那么简单。新模型能不能处理原来的任务，接进系统后会不会出错，都需要人去验证。
01 SAP已经开始替换高价模型
两天后，路透报道，SAP正在把部分产品中的高价AI模型替换为更便宜的方案，其中包括内部咨询助手。SAP CFO表示，公司越来越倾向于选择能达到任务标准、同时价格最低的模型。
SAP使用来自多家供应商的70多个AI模型。公司预计，随着应用规模扩大，整体AI支出仍会增长，它希望在这个过程中保持健康的利润率。
模型强到一定程度之后，企业会算得更细。处理同一份文件，费用差多少？便宜的模型容易在哪些地方出错？省下的调用费用，会不会又花在人工返工上？
这些问题，都得拿实际任务测试才能回答。即使完成替换，后续也要检查运行情况。模型价格下降，并不会自动替企业完成这些事。
围绕模型做选择、接系统、检查效果，也是一组具体的技术工作。
02 企业愿意花钱培养能把AI用起来的人
10月2日，Anthropic宣布投入1亿美元推出Claude Frontier Academy，目标在2027年底前培训1万名企业AI部署工程师。首批参与机构包括Accenture、Deloitte、McKinsey和Morgan Stanley等。
看它对参与者的要求，比单看人数更有意思：软件基础扎实，有使用大模型构建项目的经历，也能帮助其他人采用AI。参与机构需要提名工程师，每个人带着回到本机构后要负责的项目参加。
9月8日，Accenture与Google Cloud也宣布成立新的Gemini Enterprise业务团队，计划建设1,000人的前线部署工程师队伍，工作包括行业解决方案、实施框架和规模化应用。
培训1万人，不等于招聘1万人；全球团队计划，也不能直接算成美国校招名额。这些消息能说明的是，企业正在投入资源解决AI部署中的人才问题。
以客服应用为例，模型提出处理建议后，建议要怎样写回客户系统？涉及退款时，哪些操作必须由人工确认？这些都是系统设计要处理的问题。上线之后，还得让使用者理解流程，遇到错误知道如何处理。
写代码之外，工程师还得听懂业务要求，与使用者把规则说清楚。
03 留学生找岗位，可以把范围放宽一些
如果只搜索AI Engineer，容易漏掉承担相关工作的其他岗位。对CS、Data及相关专业学生，可以根据自己的基础，沿着工作内容继续找。
熟悉后端开发、数据库和接口的学生，可以查看Software Engineer、Backend，以及Applied AI相关职位，留意其中是否涉及模型集成、异常处理和部署。原有的软件工程积累，在这些任务中仍然用得上。
数据方向可以关注Data Engineer、数据平台，以及包含模型评估任务的工程或分析岗位。让数据能被系统使用、检查模型结果是否合格，需要不同的能力，读JD时要看清自己更接近哪一侧。
愿意接触客户、也有技术基础的学生，可以检索Solutions Engineer、Implementation Engineer或FDE。这类工作涉及需求沟通和上线支持，不同公司的职责与经验要求差别很大。
公司范围也可以随之调整。云服务商、企业软件公司、技术服务企业，以及使用AI的企业内部团队，都值得查看。至于是否适合投递，要继续核对地点、应届资格，以及当前和未来的Sponsor要求。公司有AI业务，不能替代这些判断。
04 先看岗位要求，再决定补什么项目
新闻能帮助我们发现方向，真正安排求职准备时，还是得回到JD。
先找一批符合自己届别的岗位，看看哪些任务反复出现。如果目标岗位看重数据处理和API集成，准备就应该围绕这些要求展开。没有必要每出现一个新模型，就给自己增加一轮学习任务。
已有项目也可以继续做深。比如文档问答项目，除了演示能回答问题，还可以比较不同模型的效果和费用，记录答错的情况，再设计人工复核办法。这些是项目建议，结果需要自己测量。
做完以后，尝试向别人解释：为什么选这个模型？测试样本怎么来的？哪些错误还没解决？如果这些问题答不清楚，项目就还有可以补的地方。
简历写作同样需要具体。说明自己负责的部分、验证方法和结果；课程实验就如实写课程实验，没有可靠对照，就别添加提效比例。
对留学生来说，这条新闻带来的启示，是把AI相关的准备落实到一项项能讲清楚、经得起追问的工作上。模型会更新，价格还会变化，而你需要向招聘方解释，自己能在团队里做什么。
如果你还拿不准该投哪类岗位，或现有项目与目标要求差在哪里，可以带着简历和几份目标JD与蔓藤交流。