近期，首批国产大模型产品获批面向用户开放服务，这里面包括有商汤科技“商量”、百度“文心一言”、智谱AI“智谱清言”等。

大模型的话题热度再次被推向了高潮。

我们今天不是来测试国内几家大模型的哪家强，而是探讨一下大模型工程师这类人群，他们喜欢的软件工具有哪些？

众所周知，随着人工智能的迅猛发展，大模型工程师这一人群，也成为华为、腾讯、百度等各大科技公司争相争夺的紧俏人才，预计在未来也将变得非常稀缺。

例如，华为的分公司发布的职位薪酬普遍在2至4万元之间。虽然大模型领域目前还处于起步阶段，需要时间逐步成熟，但保守估计未来的年薪平均水平不会低于60万元。这样高薪的职位也成为了未来炙手可热的职业发展方向。

根据统计数据显示，今年高考志愿填报中，许多考生倾向选择与人工智能领域相关的专业，这一趋势呈现逐年上升的态势。

的确，越来越多的领域开始应用大规模模型，例如自然语言处理、计算机视觉和语音识别等。这些大模型需要庞大的计算资源和专业知识来训练和优化。

尽管小编对人工智能领域的专业技术了解有限，但作为普通人，我已经坚信人工智能将在未来带来巨大的变革。

言归正传，尽管我们对大模型工程师的专业技术了解有限，但我们可以了解一些在他们工作中常用的软件工具。

以下是常见的软件工具：

首先，在编程语言上，不用多说，是人工智能领域的应用最广泛的，最基础的，最主要的——Python，因为它在深度学习领域有广泛的支持和丰富的库。

但是Python有一个比较大的毛病，就是在运行的时候会比较慢，这个时候，就有一款提高性能的工具特别好用，就是Numba。

Numba是一款用于加速Python的即时编译器，简单一点来说就是能把高级程序代码转化成机器可直接执行的指令，以此来提高执行的效率和性能。当然，这里的高级程序代码不仅仅是Python，也可以是Java、C++等都可以，总得来说，是一件非常常用的性能软件工具。

开发者可以使用Numba优化计算密集型的Python代码，加速算法的执行，提高整体的开发效率。

Git是大模型工程师在工作中最常用的版本控制系统之一。可以帮助大模型工程师管理代码、跟踪变更、协作开发和解决代码冲突等。通过Git，大模型工程师可以创建分支、合并代码、回滚变更，并与团队成员共享代码库。Git的分布式特性使得多人同时开发大型模型变得更加高效和可控。

除此之外，大模型工程需要不断开发和部署机器学习模型。这些模型需要大量的数据和计算资源来进行训练和推理，开发和部署大模型需要不断进行模型训练和调优，学习大模型架构等，以及对模型进行评估和部署。

这就要求大模型工程师需要不断的学习，这时候，国内的一款无代码开发平台（云表平台）也可以帮助到大模型工程师的工作。

两者看起来或许没什么联系，因为云表平台主要帮助无编程基础的开发人员快速构建可扩展的企业级应用程序。（ERP、SRM、CRM、BOM等）

采用画表格设计方式，允许用户通过拖放和配置表格来创建应用程序，看起来两者之间的工作是不相同。

事实并非如此，例如：云表平台可以提供强大的计算和存储资源，使得大模型工程师能够在云上进行大规模模型的训练和推理任务。

还提供了高效的数据存储和管理服务，方便大模型工程师对数据进行存储、访问和共享。因此，大模型工程师可以借助云计算平台的能力，更高效地进行大规模模型的开发和部署工作。此外，云表平台的灵活性和可扩展性也使得它成为机器学习应用的理想选择。

其实，Git、Numba、Python和云表平台这四个强大的工具，它们相互协作，为开发者和大模型工程师等提供了一种强力组合，能够显著提升开发效率和代码质量。

当然，成为大模型工程师需要时间和努力。不仅仅是一些软件工具的应用，还要持续学习和实践，同时保持对新技术和发展的敏感性。任何成功都不是一蹴而就的，只有辛勤的付出才有高额的回报。

如果您是专业的该领域人士，不妨在评论区分享一下您常用的软件工具

小编非常好奇，还望赐教！

文：Tarloy