微软向约6万名员工发出自愿离职邀请占全球员工总数的27%同时其上季度资本支出同比涨约七成将资金主要用于AI领域。文章对比了微软、亚马逊和Meta在AI预算分配上的不同策略指出AI发展需要从人力资源预算转向算力预算并建议关注公司AI投入的实际回报。微软6万人收到离职邀请钱全拿去砸AI早上那边 GPT-6.1 Terra降价50%发布 还在刷屏晚上微软把镜头从模型挪到了人当地时间周一它向约6万名员工发出自愿离职邀请。6万占全球22.3万员工的27%。今晚这条不是模型新闻是账本新闻。 同一道题三家三种答案题目是一样的AI要烧钱预算从哪出。微软的答案是发邮件——门开着你自愿走。亚马逊今年1月的答案是直接砍掉约1.6万个企业岗位。Meta今年5月的答案是裁掉8000人约占员工总数一成同时把逾7000人调进新组建的AI团队。以上均为各公司公开披露口径微软这封邮件写得客气。首席人力官Amy Coleman在备忘录里说这是一次新尝试符合条件的员工拿到财务支持和职业规划资源自己决定走不走。范围是美国、加拿大、印度、英国四国、70级及以下含部分副总裁头衔销售和部分工程团队不参加补偿与标准遣散方案相近12月初前决定年底离职。微软官方备忘录口径微软官方公告《Introducing a Voluntary Exit Offer》页面。图源微软官方博客图IT之家 换算一下6万是什么概念全球22.3万微软员工每4个里就有1个会收到这封邮件。那钱呢微软上季度资本支出410亿美元同比涨了约七成这个季度的指引还要到500亿美元——折合每天约4.5亿美元、差不多32亿元人民币全砸向机房和芯片。一边是每天32亿的机房账单一边是四分之一员工的离职邀请这两笔账其实是一本账。微软数据中心冷通道一名运维人员站在机柜过道。图源微软官方数据中心页面 差异背后的逻辑三家答案不同底层逻辑是同一条把钱从人的预算挪去算力的预算。差别在手法。亚马逊、Meta是动刀快但要付舆论代价Meta多做了一步把7000人挪进AI团队等于赌自己人能转身微软选了最体面的一种——不点名、不强制走的人拿钱留的人自己掂量。体面的另一面是效率用自愿代替强制公司不用背裁员的名声还能顺手筛掉那些本来就在犹豫的人。 我的站队我的判断只有一条看一家公司把AI当替代人的成本还是当人的杠杆。前者的信号很统一——预算往机房走编制往冻结走招聘页越翻越旧然后给你一封贴心的离职邀请让你以为是自己想走后者的信号是钱花在培训和内部转岗上像Meta那7000人调岗好歹给了条转身的路。所以别听发布会上的AI演示看这两笔钱各去了哪机房和培训的比例就是这家公司的AI态度。这封邮件里也有句实话——会帮留下的人学习新技能、寻找内部新岗位但销售和部分工程团队压根不在名单里体面是分部门的。已经在名单上的把补偿条款逐条算清再签不在名单上的也别急着庆幸先看自家招聘页还挂不挂新岗位。⚠️ 泼冷水三盆。第一6万是收到邀请的人数不是裁员人数公司自己预计真正接受的会比上一轮还少——今年那轮8750人符合只有三成多点头。第二微软公开说过这不是裁员的替代品也没把裁员排除在外。第三本周三微软就发财报AI投入到底有没有开始回报那张表才是裁判在那之前AI挤压预算还只是叙事。以上均为官方口径与公开财报数字未经证实的传闻我不写AI预算不是凭空来的是从人的预算里挪出来的。—— 帮你把AI用得明明白白大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。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天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。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…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。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…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。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。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…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。
