最近后台私信炸了。

全是问：想搞大模型，该报啥专业？

我看了一眼那些回答。

全是“计算机科学与技术”、“人工智能”。

扯淡。

这种万金油答案，除了让你更迷茫，没啥用。

我自己在大厂摸爬滚打五年。

见过太多名校毕业生，入职三个月就被优化。

为啥？

因为学校教的，和业界用的，隔着一条银河。

今天我不讲大道理。

只讲真话。

哪怕这话有点难听。

首先，你得认清一个现实。

大模型不是魔法。

它是算力堆出来的。

也是数据喂出来的。

所以，别只盯着“算法”这两个字。

很多人以为，学了算法就能进大厂。

天真。

现在的算法岗，卷成什么样了？

硕士起步，博士Preferred。

还要有顶会论文。

你本科刚毕业，拿什么跟人家拼？

除非你天赋异禀。

否则，选专业时，要看“落地能力”。

什么是落地？

就是你能把模型跑起来。

能处理TB级的数据。

能优化显存占用。

这些技能，课本里很少讲。

但在工作中，天天都在用。

所以，我的建议很直接。

第一，数学底子要硬。

别怕高数难。

线性代数、概率论、微积分。

这三座大山，你得翻过去。

大模型的底层逻辑，全是矩阵运算。

你不懂矩阵，就像司机不懂引擎。

只会踩油门，出了事你只会修车。

第二，代码能力要实战。

别只会在IDE里写Hello World。

去GitHub上找项目。

去Kaggle上打比赛。

哪怕只是个简单的分类任务。

你要经历数据清洗、特征工程、模型训练、部署上线。

全流程走一遍。

这才是真本事。

第三，选对细分方向。

“算法或大模型选什么专业”这个问题，其实没有标准答案。

但有几个方向，现在比较缺人。

比如，MLOps。

模型运维。

很多公司模型训练好了，部署不上去。

或者推理成本太高。

这时候，懂工程化的人才，比纯算法工程师更抢手。

再比如，数据工程。

数据质量决定模型上限。

Garbage in, garbage out。

这句老话，永远真理。

如果你能搞定数据清洗、数据标注、数据治理。

你在职场上，基本饿不死。

最后，说说心态。

这个行业，变化太快了。

昨天还在吹Transformer。

今天可能就被新的架构取代。

所以，别指望一个专业保你终身。

要保持学习。

保持好奇。

保持对新技术的敏感度。

我见过一个朋友。

他是学统计学的。

转行做AI，花了半年时间补代码。

现在在一家独角兽公司，负责推荐系统。

薪资翻了两倍。

他跟我说。

专业不重要。

重要的是，你有没有解决复杂问题的能力。

还有，别被焦虑裹挟。

看到别人转行，你也慌。

看到别人高薪，你也急。

没必要。

每个人节奏不同。

找到适合自己的路，比随大流重要。

如果你还在纠结。

不妨先问问自己。

你喜欢写代码吗？

你能忍受debug到凌晨吗？

你对数据敏感吗？

如果答案都是否定的。

那趁早换个方向。

别把自己逼进死胡同。

如果答案是肯定的。

那就去学。

去试。

去犯错。

去成长。

这条路，不好走。

但风景，确实好。

共勉。