AI 时代，人类工程师的机会在哪里？

斯坦福CS230教室：AI时代，人类工程师的机会在哪里？｜创意是便宜的，履行是一切

上个月中，吴恩达在斯坦福CS230教室上请来了老同伙Laurence Moroney（ARM AI负责人、前Google TensorFlow首席布道者），两人环绕AI职业成长给出了一系列直白建议。这堂课的价值在于：讲者既是AI技巧一线的资深从业者，也是见证过无数人职业起落的不雅察者。

吴恩达只讲了十几分钟，但信息密度极高。Laurence的部分则更接地气，讲了很多面试翻车、公司踩坑的真实案例。以下是核心要点整顿。

一、AI进步没有放缓，只是换了衡量方法

媒体总在问"AI是不是到顶了"，吴恩达给出了一个更有说服力的视角。

METR的研究用"人类完成一致义务须要多长时光"来衡量AI才能。几年前AI只能做人类几秒钟能做的事，如今能做几分钟甚至更长的义务。这个指标每7个月翻一倍。编码范畴更夸大，翻倍周期可能只有70天。

"假如用精确率当标准，到100%就没法再涨了。但用义务复杂度衡量，进步空间是无穷的。"

2、编码对象迭代速度超乎想象

吴恩达坦言本身的主力对象每三个月就可能换一次。几个月前是Claude Code，GPT-5宣布后OpenAI Codex进步巨大年夜，今天早上Gemini 3又出来了。落后半代对象，临盆力差距就很明显。

核心归纳

这不是泛泛的"AI成长快"，而是编码对象这个细分范畴确切在以惊人速度进化。

现代码生成变得便宜，决定"做什么"比"怎么做"更难了。

1、工程师与PM比例正在逆转

传统硅谷公司的工程师对PM比例大年夜约是4:1到8:1。吴恩达不雅察到这个比例正在往2:1甚至1:1走。有些团队提案里就是1个PM配1个工程师。

原因很简单：写代码变快了，但懂得用户需求、定义产品规格并没有被AI加快若干。

吴恩达的原话："假如你能写代码，又能跟用户聊、建立共情、本身断定下一步做什么，你就是我见过跑得最快的人。"

他承认本身早年犯过一个缺点：试图让所有工程师都去做产品工作，成果让一些优良工程师认为挫败。但如今情况变了，能同时承担两个角色的人确切有巨大年夜优势。不是每小我都合适，但值得从新评估一下本身能不克不及往这个偏向走。

三、选人比选公司Logo重要十倍

吴恩达讲了一个他在课上反复讲的故事。

一个斯坦福学生拿到了某AI热点公司的offer，但公司拒绝泄漏他会被分到哪个团队。"先签字，后面有轮岗机制会给你匹配。"成果入职后，这位AI学生被分去做Java后端付出体系。干了一年就走了。

• 履行：调用对象获取成果

更讽刺的是，吴恩达在课上讲完这个故事几年后，又有一个CS230的学生在同一家公司经历了类似的事。

"假如一家公司拒绝告诉你会跟谁工作，这本身就是一个旌旗灯号。"

关于人际收集，吴恩达特别强调了斯坦福的"连接组织"（connective tissue）。很多前沿AI实验室的人都是斯坦福校友，传授们随时能打德律风问"这个器械真的有效吗"。这种非公开的信息交换，会影响技巧架构选择。

"你四周的五个同伙假如都是耐劳进修、尽力用AI做功德的人，你大年夜概率也会变成如许的人。"

四、面试中立场翻车的真实案例

Laurence讲了一个他指导过的年青人的故事。

这人经验完美，代码才能顶尖，但从4月被裁人后投了300多份简历，进入Meta、微软、Blue Origin等公司的面试深水区，每次都在最后一轮被刷。

问题出在哪？Laurence做了一次模仿面试才发明：当面试官指出他代码里的马脚和极端情况时，这人表示得异常强硬，不肯承认问题。

二、产品经理正在成为新瓶颈

他这么做是有原因的——很多大年夜公司的雇用指南都邑告诉候选人"面试时要有主意、敢于保持本身的不雅点"。但他把这条建议履行成了"逝世不认错"，给面试官的感到是在对抗而不是评论辩论。

"从面试官角度看，这人技巧是10x工程师，但我不想让他进我的团队。"

后来这人改了立场，拿到了一个看重团队合作的公司的offer，工资翻倍。

启发：公司在选你的时刻，跟你选公司一样卖力。好公司会卖力筛选"我愿不肯意天天跟这小我共事"。

五、AI雇用的三波震动

Laurence把以前几年AI行业的雇用分成三个阶段。

2021-2022年，全球疫情导致雇用冻结，需求被压抑。2022-2023年，疫情停止叠加AI爆发，所有公司猖狂抢人，很多不敷格的人被高薪挖走，"只要简历上有AI就能拿到高薪"。2024-2025年，大年夜清醒时代，公司意识到过度雇用了很多才能不匹配的人，开端大年夜范围调剂。

这意味着如今的面试官比两年前抉剔得多。但Laurence说：机会依然巨大年夜，关键是用对办法。

六、成功三支柱：懂得、贸易、交付

Laurence总结了他不雅察到的AI从业者成功要素。

1、深度懂得（两层含义）

学术层面：能读懂论文、懂得模型架构、知道怎么落地。行业层面：能分辨趋势中的旌旗灯号和噪音。

2、贸易聚焦

"不要只为你有的工作产出，要为你想要的工作产出。"

1、义务复杂度每7个月翻倍

Laurence第三次面试Google时，提前用Java在Google Cloud上写了一个股票猜测应用，写进简历。成果全部面试都在聊他的代码，而不是"一辆校车能装若干高尔夫球"这类问题。

2000年互联网泡沫决裂了，但Amazon和Google活了下来并且强大年夜了。pets.com做了超等碗告白，流量扛不住就消掉了。

他还提到一个"政治不精确"的不雅点：以前几年硅谷公司风行一种治理理念，鼓励员工"把完全的本身带到工作中"，意思是不消压抑小我身份和价值不雅，可以在公司里表达政治立场、支撑社会议题。

如今钟摆在往回摆。公司对这类行动的容忍度大年夜幅降低，"专注营业"从新变成了硬性请求。

3、交付偏好

"创意便宜，履行是一切。"

Laurence面试过很多人，有些人带着信口开河的设法主意却无法落地，有些人设法主意粗拙但履行到位。猜猜谁拿到了offer？

七、用技巧债务框架懂得Vibe Coding

关于AI生成代码（Vibe Coding），Laurence给了一个很实用的思虑框架：技巧债务（Technical Debt）。

就像买房贷款是好债（房子会增值），冲动刷信用卡是坏债（利钱吃掉落价值）。每写一行代码都是在借债：后续要修bug、要保护、要写文档、要加功能。

AI生成代码让"借债"变得极其轻易，但不代表每笔债都值得借。

好债的特点：
• 目标清楚，杀青了就停
• 别人能看懂你的代码

坏债的典范：
• 为了炫技而做的solution looking for a problem
• 反复prompt产生的spaghetti code
• 老板用Replit做了个网站，保护成了团队的锅

Laurence本身在做一个片子制造相干的副业项目，反复用AI生成代码、测试、扔掉落、重来。每次需求懂得都更清楚一点。"代码如今便宜了，但工程化的代码依然昂贵。"

八、Agentic AI的四步分化

吴恩达在最后说了一句他知道"有些圈子会认为政治不精确"的话：

初志是好的，但后来掉控了。员工开端在公司内部搞抗议活动，最极端的例子是有人闯进Google Cloud负责人的办公室静坐，甚至在他桌上大年夜小便。

一个欧洲公司CEO找Laurence说"帮我实现一个Agent"。Laurence问的第一个问题是：为什么？

层层剥开后发明，CEO真正想要的是"让发卖人员更高效"。这句话里没有AI，也没有Agent。

最终筹划：用Agentic AI做客户调研主动化。四个步调——
• 懂得意图：明白要完成什么义务（懂得Bob Smith这个客户，预备发卖拜访）
• 筹划：声明可用对象（网页搜刮、浏览器等），让LLM分化履行步调
• 反思：成果是否知足意图？不知足就回到筹划步调

成果发卖人员节俭了10-15%的调研时光，收入晋升，工作知足度也上去了。

• 产生了真实贸易价值

"麦肯锡说85%的AI项目掉败，重要原因就是scope不清楚，被炒作带跑了。"

九、大年夜AI vs 小AI的分岔

Laurence认为将来五年AI会分化成两条路径。

大年夜AI路线：GPT、Gemini、Claude这些公司持续寻求更大年夜模型、冲击AGI。这条路的泡沫可能更早决裂。

小AI路线：开源/开权重模型、可自托管的模型正在爆发。Y Combinator 80%的公司在用中国的小模型。7B模型今天的才能等于客岁50B模型的程度，来岁可能等于本年300B。

小模型的应用处景很清楚：隐私敏感场景。

Laurence讲了一个好莱坞的例子。片子公司做IP分析（分析什么类型的片子、什么档期更赚钱）极其须要AI，但绝对不会把脚本发给GPT——James Cameron至今还在被人告状《阿凡达》抄袭。所以他们须要能自托管的小模型。

律所、医疗机构同理。

将来关键技能：fine-tuning（微调），把开源模型调教成特定营业场景的专家。

十、泡沫构造与生计策略

任何热点范畴都有泡沫。AI泡沫的构造是一个金字塔：

顶层是炒作，下面是巨额VC投资（已经在紧缩），再下面是不合理的估值和Me-Too产品，最底层才是真实价值。

做对的公司和做对的人，不仅能活过泡沫，还能在泡沫后茁壮成长。

十一、吴恩达的"政治不精确"建议

"我鼓励你们尽力工作。"

2、能做产品的工程师是最快的人

他懂得有些人因为家庭、伤病、残疾等原因无法高强度工作，这些人应当被尊敬和照顾。但他见过的每一个成功的PhD学生，都拼命工作过。凌晨2点调参数，他本身如今有时刻还在做。

"假如你有前提尽力工作，周末晚上与其看无聊电视剧，不如打开你的Agentic Coder尝尝看。"

总结

这堂课的核心信息其实就一句话：如今是有史以来最好的机会去做器械。对象比以前强大年夜，构建成本比以前低，掉败的价值不过是浪费一个周末。

但机会只留给做对预备的人：能分辨炒作和旌旗灯号、能懂得贸易需求、能交付真实价值、能跟对的人在一路。

---

Q1: 如今找AI工作为什么这么难？

2022-2023年行业过度雇用，很多不敷格的人被高薪挖走。2024-2025年公司在"大年夜清醒"，面试标准比以前严格得多。但机会依然巨大年夜，关键是展示真实才能和贸易价值，而不是简历上有"AI"两个字。

Q2: 什么样的人在当下最有优势？

进一步调研发明，发卖人员80%的时光在做客户背景查询拜访（翻网站、查LinkedIn），只有20%时光在真正发卖。而发卖收入重要靠提成，他们等于只用20%时光做能赚钱的事。

能同时承担工程师和产品经理角色的人。因为AI让写代码变快了，但懂得用户需求、定义产品规格没有被加快。能本身写代码、跟用户聊、断定下一步做什么的人，跑得最快。

Q3: 面对AI炒作应当怎么做？

记住社交媒体的泉币是engagement，不是accuracy。问"为什么"而不是跟风。把炫酷的器械分化成mundane（平常）的步调，你就能成为别人的able adviser。做对的公司和人不仅能活过泡沫，还能在泡沫后强大年夜。

---

本文来源
高飞微博：https://weibo.com/1233486457/QjzKLCaDY