AI时代创业新机遇:大模型+垂直Agent的创业机遇,抓住AI发展的浪潮!
简介
文章分析了AI时代的技术栈结构,包括多"云"算力平台、通用大模型/垂直模型、Agent开发框架和垂直AI Agent四个层次。当前各层次均未成型,充满机遇。大模型相当于AI时代的OS,垂直AI Agent是新的软件形态,所有软件都值得重构。AI时代才刚开始,将带来巨大变革,创业公司在垂直领域有更多机会。
之前感觉AI的发展,就是通用大模型能力不断的去提升,那其实大部分人是没什么机会参与到这个过程的,更多的只是用,但随着这两年AI更加走向落地,展现价值,发现无论是对大公司,还是创业公司/个人,都迎来了一轮大的技术迭代带来的巨大的机会,这样的大的技术迭代总是要好多年才会出现一次的,错过这样的时间窗口机会的话,确实还是很遗憾的,写篇文章来聊聊最近的一些感想。
就现在的AI的发展来看,我觉得AI时代的技术栈会变成下图所示的结构:

这张图上的每一层现在其实都没成型,也就是其实都是机会,当然,由于不同层需要的资金、团队能力差别很大,所以找到适合自己的机会才是最重要的,从下往上说说我的看法。
- 多"云"算力平台
我的看法是,把AI实际应用到核心业务的中大型公司,最终的部署结构是租用多"云"的算力(可能每个客户最终都会选择三家左右的算力供应商),然后在这之上部署模型,而不是直接依赖公共云的MaaS服务,基于此,我的看法是在AI IaaS这个部分,不会出现一家独大的现象,不过其实我觉得大的云厂商们也不用纠结,尽管不能垄断,但毕竟整个盘子比以前通用计算的时代大多了,所以即使份额少了些,但绝对数应该还是有很大的增长空间的。
一个友好的,支持多"云"的算力平台是非常重要的,而这是现在大的云厂商不会去做的,因为他们的目标一方面是希望垄断,另一方面是希望更多的卖MaaS,这个方向上我之前也写过文章,看法其实没变。
就这个方向而言,我相信一方面是大的云厂商们还是很有机会在业绩上获得大的增长,但市场份额不会像通用计算时代差距那么大;另一方面是中国也很有机会诞生类似Coreweave、Nebius这样的"小"的AI云计算公司,专注于为客户提供多"云"的AI算力(这和做纯粹租卡的公司其实差别是很大的),成为客户选择的三家供应商中的一家,起到鲶鱼效应。
- 通用大模型或垂直模型
无论是通用大模型,还是基于通用大模型微调的垂直领域模型,相当于AI时代的OS,至关重要,但直接要OS变现,难度估计还是挺大的。
我相信在通用大模型这个方向上,最终是开源的就基本够用,这个在很多次的大的技术方向演进上,都会看到这样的状况,就是早期闭源远强于开源,然后慢慢开源逐渐追平能力,因为这种类似OS级别的能力,只有开放,基于此之上的业务才能真正繁荣起来,否则很难。
基于通用大模型,构造通用的Agent,我猜想这是未来打造通用大模型公司最有效的变现方法,通用的Agent一定是可以覆盖最广的人群,意味着会获得最大的流量,成为新的超级入口,只要有流量,一定会有很好的变现方法。
尽管朱啸虎说今年应该已经出现了下一个字节、小红书,但我自己感觉好像还没看到这样的新的超级入口,另外,我感觉这块的机会更大的可能还是现在的大公司,这个主要倒不是因为小公司没产品能力,做不出来,而是小公司在现在的环境下,很难能有这样的资金实力。
- Agent开发框架
通用大模型更像是个OS,直接给最终用户用其实门槛还是很高,给最终用户的形态目前来看应该是个Agent,要降低Agent的开发门槛,自然会需要Agent开发框架,这个方向现在选择也很多,但至少目前也没有哪个一统江湖。
这个方向我觉得未来也是开源的为主,对于大厂而言,上面的业务繁荣起来才是关键,而Agent开发框架绝对同样是非常重要的。
- 垂直AI Agent
AI Agent可以认为是给最终用户的新的软件形态,也是AI最终落地、展现出价值的关键,我觉得基本上所有的软件都值得用AI Agent的方式重来一遍,这意味着是巨大的机会,而且这些机会更多会是创业公司的。
所以我们结合我们自己团队的优势,做了运维领域的垂直AI AgentSREAgent(https://sreagent.cloud)。
AI Agent和现在的软件会有很大的差别:
1). 围绕大模型这个OS来构建,意味着构建这个新形态软件的方式和以前开发软件其实差别还是挺大的,这个去尝试写个AI Agent就会很快发现;
2). 以交付结果为核心目标,而不仅仅是提高效率,以前的软件很多其实是帮助提高效率的,并且是更偏向单一任务、单一操作类型的多,但垂直AI Agent是可以完成复杂、多种操作组合的任务的,当然,在阶段中,有可能是先提高人完成复杂任务的效率,站在这个角度去看,我会认为Lovable这种,比Cursor这种;或者说一个做营销广告视频的AI Agent,比各种现在的生成视频的产品;前者才是更像AI Agent,给最终用户交付复杂任务结果,或者至少说才是想象力、市场空间更大、门槛更高的垂直AI Agent。
在探索垂直AI Agent实现的过程中,也会发现,即使OS能力再强,要做到让最终用户易用,且保持一致性/确定性,在产品化、工程化上要求是非常高的,这同样是极高的壁垒,这个背后意味着深刻的know how,以及工程能力,而这也是两种能力要求完全不一样的人才团队,所以还真不是套壳那么简单。
总的来说
AI时代,大模型+垂直AI Agent成为了新一代的OS+软件,而现在这个阶段,其实才刚开始,这意味着将会带来非常大的改变和非常多的机会。
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。
一直在更新,更多的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至:月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长,根据工信部最新数据:
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K(数据来源:BOSS直聘报告)
70%企业存在"能用模型不会调优"的痛点
真实案例:某二本机械专业学员,通过4个月系统学习,成功拿到某AI医疗公司大模型优化岗offer,薪资直接翻3倍!
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程:把ChatGPT从玩具变成生产工具
2️⃣ RAG系统:让大模型精准输出行业知识
3️⃣ 智能体开发:用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你:
✔️ 大厂内部LLM落地手册(含58个真实案例)
✔️ 提示词设计模板库(覆盖12大应用场景)
✔️ 私藏学习路径图(0基础到项目实战仅需90天)






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。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

更多推荐



所有评论(0)