AI infra和传统后端哪个职业生涯好

最近在纠结是否跳槽，想问下地里大家长期来看的话AI infra是否会是昙花一现？目前来看确实是风口，但是未来的岗位和增量需求是否看好？相比之下传统后端crud是否哪个公司都需要，反而不容易失业？楼主毕业后入职了某中厂的ai infra组但是感觉做的东西和data engineer差不太多，顶多涉及一些分布式系统剩下的都是ml ops服务scientists和维护pipeline一类的杂活，有时候报错都不知道是哪里出错；现在考虑要不要跳去aws的产品组，去亚麻可能会降薪，但是写写后端啥的至少活不难，相对传统且不用服务他人。想问问长期来看infra和产品哪个对职业生涯更有利？

俩工作几年以后都能被LLM做出来，哪有大包去哪多撸几年钱

楼主，你这个工作在meta就是fixer，干得好可以升到E8。做起来可能觉得无聊，但是技术含量很高，不是一般人能搞得定的。

匿名用户 发表于 2025-05-01 22:52:36
活多，技术要求高，visibility小，pipeline出问题第一个找你，做得好mgr那边也没有credit吹不了牛皮；烙印不爱做这种

听起来像是给mle打下手的 credit都被训练模型的人拿走了

如果跳槽要降薪，也可以考虑目前的公司内转组

AI infra和后端infra比有什么区别吗

匿名用户 发表于 2025-05-01 21:56:51
AI infra和后端infra比有什么区别吗

ai infra更像data platform，然后也涉及ml ops，怎么让训练推理更丝滑，怎么部署productionize模型，宗旨就是把那群mle和scientists服务的更舒服，让他们只需要在notebook里写python

匿名用户 发表于 2025-05-01 22:19:28
ai infra更像data platform，然后也涉及ml ops，怎么让训练推理更丝滑，怎么部署productionize模型，宗旨就是把那群mle和sc

谢谢楼主 ai infra这个人赛道烙印多么

匿名用户 发表于 2025-05-01 22:21:46
谢谢楼主 ai infra这个人赛道烙印多么

不多，我知道的dp都是全华班，烙印卷不了这个赛道

匿名用户 发表于 2025-05-01 22:19:28
ai infra更像data platform，然后也涉及ml ops，怎么让训练推理更丝滑，怎么部署productionize模型，宗旨就是把那群mle和sc

好奇 ML Ops可以理解和Notebook相关的Automation吗？

想办法转MLE吧，可能还是AI Infra

匿名用户 发表于 2025-05-01 22:23:26
不多，我知道的dp都是全华班，烙印卷不了这个赛道

为什么卷不了这个赛道 现在backend已经烙印成灾了