企业官网建设流程全解析

微软向约6万名员工提供自愿离职补偿方案，以削减成本，聚焦AI发展。符合条件的员工可申请，但部分业务线如Xbox、Windows等不适用。微软今年已多次调整人员结构，反映AI投入对预算的挤压。亚马逊、Meta等公司也进行裁员以支持AI发展。对于想学习大模型的小白或程序员，需关注行业趋势，提前规划转型。

AI投入挤压人力预算，微软再启“温和瘦身”。微软当地时间周一推出面向约6万名员工的自愿离职补偿方案，以压缩成本、调配资源加码AI。这已是该公司年内第三轮人员调整。

全球最大软件公司微软当地时间10月26日表示，将向约6万名员工提供自愿离职补偿方案，以削减成本，并为迎接AI时代调整人员结构。符合条件的员工超过其员工总数的四分之一。

微软发言人称，美国、加拿大、印度和英国的部分副总裁及以下级别员工具备申请资格，接受方案者将获得与标准遣散方案相近的待遇。

不过，并非所有业务线都在适用之列。据知情人士透露，Xbox、Windows、Copilot及财务等部门将全面参与此次计划，而从事数据中心、销售、市场营销、网络安全和量子计算等工作的部分员工则不具备资格。

据报道，自愿离职方案通常面向资历较深、薪酬成本较高的员工，条件也往往比直接裁员更为优厚。但微软并非对申请者“来者不拒”——发言人称，若顶尖人才选择接受方案，公司在部分情况下会尝试挽留。

微软首席人事官Amy Coleman在内部信中表示，对于可能正考虑离开公司、另谋发展的员工，该方案提供了一个新选择，让他们能在公司支持下现在就完成转型；此次方案为各业务部门提供了“调整员工队伍以适应需求变化”的另一种途径。

今年以来，微软已多次调整人员结构。4月，微软推出公司历史上首个自愿退休计划，面向约8750名符合条件的美国员工，最终超过30%选择接受。7月，微软宣布裁员约4800人，约占员工总数的2.1%。

微软发言人预计，接受本次新方案的员工将远少于自愿退休计划。

预算向AI倾斜

微软持续推动人员“瘦身”，背后是AI投入对预算的挤压。

2022年前后，微软开始在AI和数据中心领域大举投入，大量资金流向算力建设，公司其他部门的预算和招聘随之收紧，员工规模也长期未见增长。截至今年6月底，微软员工总数为22.3万人，与2022年基本持平。

AI相关支出仍在快速攀升。据微软7月29日公布的财报，公司2026财年第四财季资本支出为410亿美元，同比增长约七成，并预计2027财年第一财季资本支出约为500亿美元。

微软将于本周三（10月28日）公布2027财年第一财季业绩，投资者将密切关注巨额AI投入能否开始兑现回报。微软此前给出的该季度营收指引为898.5亿至909.5亿美元，同比增长16%至17%。

为AI腾挪资源的并非只有微软。亚马逊今年1月宣布裁减约1.6万个企业岗位，这是其三个月内的第二轮大规模裁员；Meta于今年5月启动约8000人的裁员，约占员工总数的10%，另有逾7000名员工被调往新组建的AI团队。

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。