程序员真的那么高薪吗？
文章揭示了程序员"高薪"背后的真相：网络上展示的多是成功案例的幸存者偏差，大多数普通程序员在中小公司工作，收入普通，加班是常态。培训机构和内容平台为了营销，强化了"程序员高薪"的叙事。实际上，程序员行业确实有高薪机会，但那是针对顶尖人才，大多数普通程序员收入只是还可以，且面临技术更新和年龄焦虑。建议真正对编程感兴趣的人入行，而非仅因听说高薪。
不知道从什么时候开始，“程序员”这三个字，慢慢变成了一种标签。在很多人的印象里，程序员工资高、工作轻松、敲敲键盘就能赚钱。
甚至刷短视频的时候，经常能看到这种内容：
“程序员年薪50万起步”
“转行学编程，3个月逆天改命”
“不会代码也能月入过万”听起来是不是很诱人？
搞得好像只要学个编程，就能直接开启人生简单模式。
但如果你真的在这个行业里待过一段时间，你大概率会有一个完全不同的感受，大部分程序员，其实过得很普通。甚至有些还挺焦虑的。
一、为什么大家都觉得程序员很赚钱？
这个其实挺有意思的。因为你在网上看到的，大部分都是“混得好的那一小撮人”。比如：大厂高薪、年终奖几十万、股票分红。
这些内容特别容易被传播。毕竟谁不爱看“高薪神话”呢？
但问题在于，这些人确实存在，但他们不是大多数。就像你刷到的那些“年入百万的自媒体人”，也是真的，但你不会因此觉得所有做自媒体的人都很赚钱。
二、你没看到的，是另外一大群人
现实一点讲，绝大多数程序员，其实是这样的：
- 在中小公司上班
- 工资普普通通
- 加班是常态
- 每天写着需求改着 bug
说白了，本质上还是打工人。
而且这个行业还有一个很真实的点：差距特别大。
同样是程序员，有的人在大厂，年薪几十万甚至更高。但也有很多人，工资在一个很普通的水平，工作内容也比较重复。
这两种人，可能都叫“程序员”，但生活状态完全不是一个世界。
三、为什么会有这种“高薪错觉”？
这里其实有个很经典的现象：幸存者偏差。
简单说就是：
你看到的，是“留下来的成功者”，而不是“消失的人”。
举个很简单的例子。如果一个人转行学编程，成功了，他大概率会出来分享经验；失败了，大概率就默默消失了。你在网上看到的，自然就变成了“成功案例特别多”。
久而久之，就形成了一种错觉：
好像只要学编程，就一定能赚大钱。
但现实是：能留下来的，本来就是筛选过的那一批人。
四、那程序员到底算不算高薪？
这个问题，其实要分情况。
如果你问的是：
顶尖那一批程序员
那确实是高薪，甚至是非常高薪。
但如果你问的是：
大多数普通程序员
那答案其实更接近：
一份相对还可以的工作。
它可能比一些传统行业收入高一点，但也远远没有网上说得那么夸张。而且还要承受技术更新带来的压力、年龄焦虑、加班…
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。