Re: [心得] Agentic AI 等於卡脖子？已刪文

看板Tech_Job (科技人)作者LDPC (Channel Coding)時間2小時前 (2026/04/20 06:06)推噓0(0推 0噓 0→)

留言0則, 0人參與討論串3/3 (看更多)

............看到這篇我完全無語.......... 最近這邊左腳踩右腳科技線推進是指數成長 Agent這玩意絕對不是翻譯機現在裁員的除了政治鬥爭老印派搞人外基本上沒有所謂的冗員果家最近把siri的人全部送去AI Agent訓練營強迫全員用claude 那個保守的果家耶那個最不相信AI 一且以reliable為見長的果家現在卻要求大家用coding agent 也是少數唯一能拿到Mythos AI模型至於基層的情況培養就如同我在股板說的你在大學實習變很重要大公司會透過實習挑選能善用AI工具去直接有產出現在這領域變得很像職業運動就不在是人人有飯吃而是適者生存新人還是有在培養但只是更捲的方式在培養回到Agent工作情況舉個例子這是我最近常用的RL 訓練框架 https://github.com/modelscope/ms-swift/issues?q=is%3Aissue%20state%3Aclosed 你去看裡面所有的feature 搭配Agent 根本就是飛快地在進化上週Gemma 才剛出所有能在上面搭的RL都蓋好 PR還一堆agent幫忙review 這在以前大概半年才會推進那一點這是個例子 https://github.com/modelscope/ms-swift/issues/9012 https://github.com/Jintao-Huang 你看他這PR產量我那天在寫多模態模型打算encoder底層要把Abs Embedding 換成Rotary 考慮用相近位置去算目標就是讓模型在inferece在可以使用Cache 不會因為絕對位置被影響到這是個全新想法但好處就是可以省計算量這想法我在原本公司通常會寫白板然後跟底下人一起討論怎樣做現在在新公司每個人都是搭配agent 都是單幹於是我只能跟codex 討論然後codex馬上get到給我一套實驗底層code都寫對還寫數學式子跟我討論然後我把類似有相關的paer 都丟給他比方說Mistral最近出的模型跟他討論優缺點他都把實驗設計好然後跑完給我正確feedback 在這過程我一行code都沒寫!!! 兩個禮拜後模型弄好了計算量下降40% 效能不減這玩意你跟我說只能翻譯!!? 現在的智慧體已經快可以把Reearch Scentist (Model Owner)幹掉了我們公司甚至把許多流程蓋成一個AI職員常住在slack 你可以call他叫他查code 改架構問系統問及時流量根本就是全知全能我們除了Codex/Claude 我們還有IT Agent, Data Sceintist Agent(LangSmith) 測試員agent UI 現在產品開發速度根本就過去x10在全速邁進誰跟不上這速度公司就讓你走人我司好幾個名校畢業跟不上速度已經被請走路這根本不是沉員問題公司立場就是一個人給你上達五千到一萬美金每個月token fee 達不到x10 就叫你滾新創是這樣做大公司也開始這樣搞 Meta以後就是以Pod為單位(3~5)人開發一個產品每人都是橫向掌握目標都是產出x10 原因很簡單你不這樣幹其他公司就幹掉你每個人都是UI/PM/Eng/Infra/Full Stack/Backend/Frontend 都是用實作產品對接 Snap最近60% code都是AI寫 Square(block)也是微軟從去年底就開始講要瘦身要全速跑起來要向AI樣build fast 狗家GDM(Deep Mind)現在一週工時都上到60hr 瘋狂用AI agent在狂蓋這玩意你跟我說是翻譯功能!!!!?????? 比較悲觀是剩下存活的人都具有捲的意識跟我搭配AI Infra Engineer哥們 (產出x20) 最近開始在看我的模型設計開始自己橫向掌握能不能自己蓋模型... 已經掌握到清洗數據和實驗分析利用最新 calude 4.7 來做各種探討在大AI時代要建立的基本技能就是橫向和對產品用實作方實作去溝通對接以及速度以前你可以用自身知識去block對接現在你這樣搞對方就用AI Agent做你工作範圍搶你scope 因此整個矽谷變得很捲 ※ 引述《dream1124 ()》之銘言： : ※ 引述《bigblack0921 (owen)》之銘言： : : 最近看到許多國際一線公司打著Agentic AI大旗行裁員之實，我屬於悲觀派，覺得配套沒 : : 有準備好的話未來沒有新人可以銜接工作會有斷層，老人以前有團隊一起打拼/背鍋現在 : : 只剩自己扛責（AI產生垃圾但是你沒review好），而且如果公司深度綁定Agentic AI，未 : : 來這些框架或模型的維護/升級的費用不就是賣家市場，你不給錢直接斷炊回到石器時代 : : 而且團隊人數早被優化… : : 除了既得利益者（CEO高管團隊跟公司內做Agentic AI的團隊）沒有人會私下反抗嗎？ : : 還是我眼光太短淺誤會了第四次工業革命？ : 我覺得你說的事情不會發生，但我不是樂觀派。 : 除非未來發展出真正的智慧， : 而非像現在這樣拿本來用來解決翻譯問題的程式（LLM）餵一堆資料， : 然後再一廂情願的把它基層工人來用， : 否則幾年後他們可能會驚訝發現大費周章搞這些花裏胡哨的東西， : 整體綜效竟然沒有顯著提高太多，現在裁掉的也只是過去超徵的冗員， : 或是一些工作模式本來就比較低效的單位，而非生產力過剩。 : （你若拿這些裁員企業領導人對外的說法來辯駁也行，只能說這就人人看法不同） : 依我所見，LLM 真正善長的東西始終是語言事務， : 也就是──翻譯、換句話說、照樣造句， : 頂多再加上輔助人類擴展知識範圍的能力。 : 目前那些令人興奮的使用體驗其實往往問的是常見或主流的概念， : 其普遍到人類語言中已經有個名字或是簡潔的表達方式， : 因此使用者能用較短的提示詞得到夠多有用的結果而不必再花一堆篇幅描述規格。 : 舉凡那些叫 LLM 重新發明某些輪子的實驗都是這種狀況。 : 至於其他好的體驗本質多半是語言事務，只是用的人自己沒意識到罷了。 : 例如：人類講簡單邏輯，機器生程式碼、機器升級框架的版本或換框架── : 這些體驗其實沒超出翻譯的範疇，但是用的人往往相信是機器靠智慧做到的。 : 若我的判斷沒錯，那麼當這些公司發現上述狀況後， : 會做的也就是在利率正常化的時代用更高昂的代價把人再找回來而已， : 因此也不至於有過度依賴大廠的問題，反而是大廠可能陷入泥沼。 : 大廠會意識到因為人類的知識會不斷增加和變化， : 所以這些模型的訓練和開發工作也要不斷加碼，否則使用者會不樂意花錢。 : 它難以跟其他人類發明的工具一樣研發到夠好用即可減緩投入並且開始獲利了結。 : 硬體和營運的成本可能越來越便宜，但請人撰寫有用的訓練資料卻可能越來越貴。 : 到時這些大廠真正得到的好處大概就是那些對話紀錄。 : 這些資料應該有利大廠發展更精準的廣告投放服務， : 只是這涉及到資訊的理解和判斷力，因此要投入大量研發資源開採和分析， : 最後大概又是一個研發資源的黑洞。 : LLM 的研究能有這樣的發展實屬不易， : 但僅憑目前這樣的設計以及樹立在這種不穩定基礎上的工具鍊恐怕不會形成工業革命。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.37.67.135 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1776636417.A.E88.html