面试实录：不懂技术的老板询问万亿模型配置，AI Agent 创业认知偏差显著

近日，一篇来自 V2EX 的职场见闻引发了开发者社区对于 AI 创业热潮的冷思考。一位求职者在面试一家大型集团下属初创子公司的 AI Agent 开发岗位时，遭遇了极具代表性的技术认知错位场景。据悉，该公司团队规模极小，业务尚处起步阶段，然而作为面试官的老板（非技术背景）在并未认可候选人过往项目经验的情况下，提出了一个与其体量严重不匹配的技术问题：询问部署万亿参数级别的大语言模型需要何种硬件配置。这一提问暴露了部分行业外人士对于当前 AI 技术成本的巨大误解。在业内，万亿参数模型的训练与推理需要数千张顶级显卡构成的算力集群，这对初创公司而言是完全不切实际的。面试者当场以专业视角进行了纠正，指出在产品初期，通过 API 调用现有模型（如 GPT-4 或 Claude 等）才是最高效且成本可控的方案，即便是微调 700 亿参数（70B）的开源模型，在公司当前阶段都无需考虑。该事件不仅揭示了部分创业者重“概念”轻“落地”的心态，也折射出当前 AI Agent 领域存在的盲目性与浮躁风气。

事件分析

💡 核心观点：盲目追求大模型自研是当前 AI 创业的误区，AI Agent 的核心竞争力应聚焦于场景落地与工作流编排，而非底层算力的无效堆砌。