奔波一生, 飘洋过海。在加拿大已经三十年啦。 年过50. 居然发现自己好怀旧啦。可能人已经老啦
gzman29
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
创作者 gzman29 尚未开启!打赏功能为了鼓励分享而设计。
详见 天涯打赏功能说明
-
gzman29
8月13日 23:06OP再说说我理解的AI(参考网上)
1: 硬件 / 算力层
GPU、CPU、AI 芯片、数据中心。
典型方向:芯片、CUDA、基础设施。
2: AI 基础设施层
云计算、分布式训练、数据存储、模型部署、推理加速。
典型岗位:ML Infrastructure Engineer、MLOps。
3: 模型层
Machine Learning、Deep Learning、Transformer、LLM、多模态模型。
这里需要比较强的 数学 + Statistics + CS。
4: AI 平台 / 工具层
API、RAG、Vector Database、Agent framework、模型评估、Fine-tuning 等。
很多 AI Engineer 在这一层工作。
5: AI 应用层
把 AI 做成真正的软件产品,例如 AI 客服、医疗 AI、保险 AI、法律 AI、Coding Agent。
6: 客户 / 行业解决方案层
最靠近客户:理解客户到底有什么问题,然后把 AI + 软件 + 数据 + 行业知识 组合起来解决。
FDE(Forward Deployed Engineer)主要就在第 5~6 层之间。 -
gzman29
8月13日 23:11OP1到3是一般人比较难上手的, 但是4-6是可以的
4: 其实接近软件工程师
世界不需要每家公司都自己训练一个 GPT,但是几乎每家公司都会问:
“AI 到底怎么用到我的公司里面?”
所以5和6就需要更多的人员, 这些人员既需要IT扎实的知识, 很强的沟通能力, 业务理解能力和相关行业的经验
扎实 IT:Python/Java/C#、SQL、API、Cloud、Database、System Design
AI应用能力:LLM、RAG、Agent、Prompt、Evaluation、模型API
沟通能力:能够和客户、工程师、经理甚至高管交流
Business Analysis:客户说“我们效率太低”,他能够进一步找出到底哪个流程有问题
行业知识:如果做保险,逐渐懂 underwriting、claims、broker、policy;做制造业,就逐渐懂生产、设备、ERP、质量管理
执行能力:不是只做 PPT,而是真的能把系统做出来 -
gzman29
8月13日 23:13OP大学真正能教给学生的,往往不是“毕业以后工作需要的全部技术”,而是三样更重要的东西:基础、思维方式、学习能力。
因为 IT 技术变化实在太快。一个人大学里可能学 Java、C++、数据库、Operating System、Algorithms,但工作以后碰到的可能是 Cloud、Kubernetes、微服务、某个完全没见过的 framework;几年后又变成 LLM、RAG、Agent。学校不可能提前把这些全部教完。
所以一个优秀的软件工程师真正长期有价值的能力,我觉得可以概括成:
遇到一个自己不会的问题 → 知道问题在哪里 → 知道应该查什么 → 快速学习 → 做实验验证 → Debug → 最后把它解决。
这比“我会多少种编程语言”重要得多。
而 AI 时代,这一点甚至会更加重要。因为 AI 可以帮助你写代码、查 API、解释错误,导致“记住多少语法”的价值下降;但是下面这些能力反而更重要:
能不能把复杂问题拆开
能不能判断 AI 给出的答案对不对
能不能快速学一个陌生领域
能不能设计一个可靠的系统
能不能理解客户真正想解决的问题
能不能把技术方案讲给非技术人员听 -
gzman29
8月13日 23:26OPAI时代,如何帮助孩子从初中一路走到大学,学习AI和IT?
最近一直在思考一个问题: AI发展这么快,我们到底应该怎样帮助孩子准备未来?
很多人第一反应可能是:赶紧学Python、学AI、学大模型。
但我越来越觉得,对于一个初中孩子来说,最重要的并不是现在就学多少技术,而是用未来十年的时间,逐渐建立几种真正不容易过时的能力。
因为做IT的人都知道:学校能够教给你的,只是职业生涯中很小的一部分!
今天学Java,明天可能用Python;今天学Web,几年以后可能是Cloud、LLM、RAG、Agent。技术一直在变化。
真正能够跟一个人几十年的,是学习能力、数学基础、逻辑思维、解决问题的方法,以及与人沟通和理解真实世界问题的能力。 -
gzman29
8月13日 23:27OP所以,如果让我重新规划一个孩子从初中到大学的AI/IT学习路线,我会分成四个阶段。
第一阶段:初中——不要急着学AI,先把地基打好
这个阶段我认为最重要的是:
数学 + 英语 + Coding + 体育 + 兴趣
数学训练逻辑和抽象思维;英语决定以后阅读技术资料、交流和表达的能力;Coding则让孩子开始理解计算机是怎样解决问题的。
可以从Scratch、Python开始,慢慢接触算法、小游戏、机器人、Animation、小型App。
但是我不太赞成孩子每天坐在那里刷几个小时代码。
运动、游泳、排球、音乐、Animation、演讲、团队活动同样重要。
因为未来真正优秀的AI人才,不一定是那个从大学开始每天写8小时代码的人,而可能是那个能力不错,同时会思考、会表达、会合作、对世界充满好奇心的人 -
gzman29
8月13日 23:54OP为什么我是非常重视对小孩体育的培养。因为小孩体育也是整个能力培养的一部分
体育训练孩子面对失败的能力,这种心理模式和所有做项目的心态其实非常相似
团队运动对沟通和合作能力非常有帮助。 比如排球、篮球、足球,孩子必须观察队友、理解自己的位置如何配合团队、及时沟通,
体育可以培养执行力和纪律性。 这一点我女儿就明显有点不合格, 所以我也在慢慢找方法让她提高和改正。
体育还能让孩子建立一种非常重要的认识:能力不是固定的,是训练出来的。
所以初二小孩打排球也就是体育团队的协作。
这是我初二对女儿的培养目标
Math + English + Coding + 体育 + 阅读 + 兴趣 + 团队活动 -
gzman29
8月14日 00:57OP说到加拿大的医疗体系:
它非常注重预防, 医院的急诊是救死不护伤。
加拿大医疗最大的优点是“不太怕看不起大病”;最大的缺点是“怕等”
我的两次急诊经历,其实很能说明加拿大医疗体系的特点:小病可能要等很久,但真正遇到重病时,医疗保障和服务确实非常好。
第一次是我儿子发高烧,烧到了 39℃。当时我们没有什么经验,一看孩子烧得这么高,非常着急,马上开车送他去医院急诊。
我们大概下午5点到医院。到了以后,首先由护士进行评估和分诊。护士判断他的情况应该不属于特别紧急的,所以我们就只能一直等。结果从下午5点一直等到半夜2点左右,才终于见到医生。
医生检查以后,认为没有什么严重的问题,告诉我们给孩子吃 **Tylenol(泰诺)**退烧就可以了。
现在回头看,医生的处理可能没有什么问题,但当时真的觉得:太难等了! 一个孩子发着39℃的高烧,父母心里非常着急,却要在急诊室等八九个小时,这种体验确实不好。
第二次的经历却完全不同。
那次是我自己发高烧,而且情况比较严重,是通过救护车送到医院的。到了医院以后,也不是马上就能得到所有治疗,开始同样需要等待和观察。
但是后来我的高烧一直退不下来,医生判断情况比较严重,医疗处理很快就升级了。后来我被送进 ICU,接受输液和进一步治疗。
最后我在医院里住了三天,身体稳定以后才回家。
这一次给我的感受完全不一样。
从救护车、急诊检查,到 ICU、医生护士的治疗和三天住院,整个过程中我得到的医疗照顾非常好。而且作为加拿大公共医疗体系覆盖的医疗服务,我没有面对一张巨额的医院账单。
所以经历过这两次急诊以后,我对加拿大医疗的优点和缺点都有了非常直接的体会:
病情不严重的时候,真的可能要等很久,让人非常着急;但是一旦医生判断你的情况严重,真正需要住院甚至 ICU 治疗的时候,这套医疗体系又会让人觉得非常安心。
这大概就是我自己亲身经历后,对加拿大医疗最深的感受:
“小病怕等,大病不怕没钱治。” -
gzman29
8月14日 22:10OP刚刚去AI问拉一下美国computer science的近几年就业情况
毕业年份 美国 CS 就业环境 我的判断
2019 科技公司大量招聘 ☺ 很好
2020 疫情冲击,但科技行业迅速恢复 ☺ 较好
2021 大厂疯狂扩张 ☺☺ 非常好
2022 上半年仍强,下半年开始裁员 ☺→☺
2023 Meta/Amazon/Google等大裁员 ☺ 明显恶化
2024 Entry-level SWE竞争激烈 ☺ 较困难
2025 AI招聘强,但传统初级SWE仍困难 ☺/☺ 分化严重
2026目前 AI/ML/infra/quant强,普通初级开发仍承压 ☺ 高度分化
这个我我的判断完全一致。 冰火两重天, 冰的一面是好多找不到工作。 火的就是手头工作很好,然后还有公司联系你挖你。 所以能不能做IT 主要看小孩自己的爱好, 兴趣, 性格, 毅力, 等。
