我对 AI 的一点基础认识（一）：AI 开发可以再分两层

Fri, 10 Jul 2026 01:05:00 +0800

写在前面

这是一篇"主观认识"系列的开篇。我是一个做了十年游戏 / 客户端开发的工程师，今年才开始认真碰 AI，水平大致在"能调 API、看得懂科普、论文还吃力"的初级阶段。

这个系列不追求严谨，也不打算教别人什么——只是把我自己对 AI 的一些粗浅但真实的认识记下来，既是梳理，也方便以后回看自己当时有多 naive。

第一篇，先聊一个对我来说很重要的"分法"：把"AI 开发"再拆成两层。

一、AI 开发可以再分两层：算法侧 vs 应用侧

概念：我以前把"做 AI"想简单了

很长一段时间里，我默认"做 AI" ≈ “训练模型”。直到自己真上手去用 AI 做事，才发现这个词底下其实藏着两条几乎不相交的路：

AI 算法（模型侧 / Algorithm side）：研究怎么"造出那个会思考 / 会生成的东西本身"。它关心模型架构、训练、微调、推理优化、底层框架（PyTorch / JAX 那一套）、数据和数学。这一侧的产出物是"模型 / 能力"。
AI 应用开发（工程侧 / Application side）：拿到现成的、或别人微调好的模型，把它真正塞进产品和工作流里用起来。它关心 API 调用、Prompt 工程、RAG、Agent 编排、向量数据库、评估与线上监控。这一侧的产出物是"能用的功能 / 产品"。

🔧 技术校准（AI 专家视角）：这个二分法在业界有对应的说法。研究 / 模型侧常叫 ML Research / Deep Learning；把模型落地成系统的那一侧，近年被 Chip Huyen 等人明确称为 AI Engineering，也叫 Applied ML / ML Engineering。需要注意：两层之间并没有一道墙——微调（fine-tuning）、MLOps、模型压缩这些恰好卡在中间，所以"算法"和"应用"更像光谱的两端，而不是非黑即白。

对比：两条路的难度维度根本不同

	AI 算法（模型侧）	AI 应用开发（工程侧）
像什么	科研：深、窄、靠硬功	工程：广、快、靠整合
核心门槛	懂模型、懂数学 / 系统	懂产品、懂怎么把模型用出价值
周期	长，迭代慢	短，能快速出 demo
我的位置	门外，只浅尝过	正在摸门

我自己是游戏 / 客户端工程师出身，天然更靠近应用侧：我不需要从零训一个大模型，但我能用"API + RAG"很快把一个知识库变成能对话的东西。一度我因此产生一种错觉——“原来我也能做 AI 了”。后来才意识到，我做的只是应用侧里很薄的一层。

2026 下半年学习路线图

Fri, 10 Jul 2026 00:17:00 +0800

为什么要写这个

跨四个领域的并行学习，如果不把路线拆清楚，很容易陷入"什么都想学、什么都推进不动"的状态。这篇路线图不是一份完美计划，而是一张"此刻的自我定位地图"——知道自己站在哪里、下一站去哪里、哪些路暂时不走。

四个领域按目标性质可以粗分为两类：产出驱动型和基础建设型。Unity 自定义渲染管线、UE5 Steam 项目是"先做出东西来再说"；GAMES101、OpenGL、机器学习课程则更偏向打基础——短期内不一定出成果，但决定你一年后能走多远。两类要并行，但节奏和验收标准不一样。

一、Unity：自定义渲染管线

目标

从写到跑通一个完整的 SRP（Scriptable Render Pipeline），理解渲染管线是怎么"串起来"的。

拆解

从 Built-in RP 切到 URP，先搞清楚 URP 的 Asset/Renderer/RenderPass 分层
手写一个最简单的自定义管线（不继承 URP，自己写 RenderPipeline 子类），跑通最基本的渲染
往管线里加自己的 Pass：后处理、自定义光照、G-buffer 输出
跟已有的 SRP 教程对标一下差异

这里容易翻车的是"一上来就想做大而全的管线"。正确的姿势是先跑通最简版本——一个能渲染纯色 Cuboid 的自定义管线已经值 60 分了，后面的 pass 是往里插的。

验收

Unity 场景里有一个物体是用你自己的自定义管线渲染的，能切回 Built-in 对比效果。时间不要拖超过两周。

二、UE5：第一个能上架 Steam 的项目

这个目标本身有歧义，需要先拆清楚——“能上架 Steam 程度"不等于"做一个惊天动地的大作”，而是：有完整循环（开始→游玩→结束）、没有崩溃级 bug、有商店页面的最小体量游戏。

方向建议

跟 Unity 的 SRP 学习不太一样——那个偏技术实验，这个偏产品交付。所以项目体量一定要小到能一个人 3-4 个月收尾。具体做什么我不替你做判断，但你心里要有数：如果是俯视角潜行、小型解谜、视觉小说这种 Scope，可行。如果是开放世界第三人称刷刷刷，这里大概率是坑。

技术要点

Gameplay Ability System 如果是目标项目的核心，值得现在就学
上架流程的坑不在游戏本身，在 Steamworks 接入、打包配置、商店图素材、Depot 上传——这些最好提前两周单独排时间
第一次上架建议走 Steam Direct，准备 100 USD 费用

误区

“先做个完整的 Demo 再考虑上架”——不是的。做一些核心玩法后就该跑一遍完整的打包和上架流程（用临时名字），确认这个链路没断，再回头完善内容。上架是另一个技能树，不是游戏开发的自然延伸。

Ai on DaVinci-13's Blog