纯算法研究背景、纯工程背景的先过滤掉，这两拨人都是门外汉。

作为在芯片公司和大模型厂都混过的，给点干货，本人才是那个真正搞训练的专家，有人说训练没啥搞的，其实是菜。

1. 模型显存开销在哪，特别激活显存怎么估算，以及 fsdp 和 megatron 分别是怎么做参数切分和模型并行的，梯度如何同步，adam 如何更新，怎么和 ddp 保证数学上一致。

2. 模型训练 MFU 怎么算的，怎么 profile 分析其热点，怎么判断哪块有优化空间，memory 和 compute bound，这个早期在 10 亿刀训练成本的情况下，尤为重要，被 v3 这波弱化了；

3. Megatron attention 和 mlp 的 weight 如何切分，尽可能减少前向和反向通信元语以及通信量预估，包括 tp/pp/cp/ep，流水线调度算法有哪些，怎么减少 bubble 以及如何做 overlap；

4. zero3 训练通信量，fsdp 如何做 overlap 的，显存如何管理的，fsdp2 如何解决 stream 引用引起显存延迟释放；

5. 通信层面，rdma 网络拓扑结构，怎么 boostrap 的，lossy 与否以及拥塞控制，nccl 通信过程、nvshmem 及 ibgda，卡间机间通信算法如 ring、tree 等。

6. 容器化层面，gpu 怎么编排，训练任务怎么编排，如 PytorchJob CRD，启动脚本。

7. 存储层面，checkpoint 快速 load 以及 store，小文件 dataset 怎么加载。

8. 可观测层面，dcgm exporter，pcie、nvlink、rdma 网络带宽延迟监控，完善的监控、日志怎么自动找出坏的。、

以及性能 lag behind 的卡或者节点，以及怎么修复，不是某些所谓的佬，靠工具去跑的，那是因为你们没有专业的 infra，不是 AI infra，因为 AI infra 是没有这个意识的，会写 kernel 和框架只是核心工作；

9. 训练卡住了、挂了、突然变慢了、loss nan 及精度怎么定位现场，训练优化以及训练优化之后保证训练无损和 loss 对齐，怎么容灾，容灾如果有生产有人做到，可以点评，不是纸上谈兵的那种，大部分人都没完全踩过坑。

10. 大规模 RL 要单写一篇。

就先这么多吧，还有好多东西，懒的敲，手酸。

如何系统的学习大模型 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】