2026-09-22 · 产品老曾：工程师转向AI的选择与电商工作流平台化

这场讨论接着AI转型话题，落到一个工程师的选择、顶尖算法人才的压力，以及业务人员怎样把AI实践变成更大的职责。

一、华为终端工程师：先想未来要什么，再比较两条路

一位985硕士、做软件开发的来访者，在华为终端约两年。现领导愿意让他半年后做PL，带约五人的团队；他又想转AI Infra、做集群通信，考虑先在内部转，再看外部机会。

老曾先问长期目标：尽快积累新履历后跳槽，还是再留几年兑现收入和福利——直播举的例子是再干三年，或长期留在公司。来访者排除长期留下，后来更偏向前一种，但也知道风险较大。

原团队有人支持，新方向暂时没有熟悉的上级支持，也是选择条件。老曾还举了一位熟人的经历：先在公司内转到具身方向，再跳到中型公司做CTO。这是帮助他比较目标的例子，并不意味着转方向都有同样结果。对话最后没有简单劝他立刻转走，反而建议若眼前管理岗位明确，可以先拿到带人经验，再考虑跳槽。若选择更核心的AI技术路线，也要看自己的能力与未来竞争者。这些选择没有被证明哪条一定成功。

二、顶尖算法岗位也有压力，别只看百万美元收入

老曾先讲一位谷歌算法工程师：工作四五年、技术背景不错，仍因算法调优做不出来而焦虑。他担心向外国同事或老板请教暴露不足，又与家人异地，压力并不会因为岗位热门就消失。

另一位此前连麦者，据老曾转述，在Meta做核心算法研发，工作两三年，年收入约一百万美元、折合当时口述约七百万元人民币；这位来访者自评在自己的算法垂直方向是全球前三。这是来访者对自身细分方向的评价，也是老曾转述的个案收入。

普通人的AI转型，不必照着这个极少数案例给自己设收入预期，也不能推出非前三名就没有技术出路。

三、普通业务人员的路径：先提效，再把流程做成可复用的平台

老曾转述一位做过创业、后来进入出海电商公司的女性经历。公司想招FDE却难找到合适人，就招有AI实践经验的人。她先从图片处理入手：自动生成图片、发到不同电商平台，持续测试转化率。

随后她把这套工作流沉淀为AI赋能平台，向上两级、上三级管理者汇报，讲清业务线的提效和后续可以扩展的用途。按直播所述，上三级管理者认可后，把她从原部门独立出来，成立AI提效部门，由她负责，并推动其他部门协作。

后来推进其他部门协作时，她仍遇到卡点，才来找老曾咨询。独立成部门并没有让协调工作自动变容易。这个案例值得保留的动作，是从具体图片流程做起，验证效果、沉淀为平台，再说明能为业务带来什么，以及下一步需要谁支持。

四、AI既能提高效率，也会把错误包装得更像真的

老曾把AI比作放大器：业务理解深的人，学会使用Agent或Codex，可能很快把已有判断变成更高效的工作；只会执行、不了解任务目的和业务价值的人，即使追了许多新概念，也可能只做出一些零散尝试。

他用“三到五倍”同时形容效率提升和错误被放大，强调AI可能迎合使用者，让本来错误的判断看起来很像那么回事。这里的倍数是强调放大作用的比喻，关键仍是能不能判断结果对不对。

学习上，他建议找真正训练模型、做AI产品、负责AI业务或创业的人交流，问他们正在做什么、自己的想法哪里不对；选择模型时也会看成本、长链任务稳定性和输出不确定性。先能判断业务结果是否有效，再用工具放大，比不断追热点更重要。

五、把信息渠道打开，也要找到真正做事的人

老曾介绍自己的学习办法：找到训练模型的人、AI产品负责人、在职业务负责人和创业团队，反复问他们在做什么、东西能不能用、自己的判断哪里不对。重点不只是收集更多信息，而是能向做过事情的人核对。

他也谈到自己组织行业分享的方式：由群内成员投票提出想了解的主题，再邀请各行业的管理者、创业者或专家来分享，保存回放供成员按兴趣选择。对普通职场人，可借鉴的是先明确问题、了解行业和竞对，再与实践者交流，而不是追着每个新名词跑。