先别把问题定成“兴趣还是收入”,你真正要比较的是:留在游戏设计,还是换到数据/AI,哪条路能让你未来几年拥有更多选择权。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
收入差距要先落到“哪一层”
游戏设计和数据/AI 的收入差距,可能来自行业增速、公司平台、岗位类型,而不只是“选错了赛道”。职业中期的路径会分化:追求稳健可以选成熟行业龙头里的核心业务,追求进取可以选处在快速增长阶段、动作快的公司1。同一家公司里,业务、老板、项目的重要性也不同,好业务能让团队机会变多,业务不行时老板再强也难有作为1。所以“换行业就能涨薪”这个判断,需要先拆开:是行业天花板低,还是你所在业务、岗位的定价低。如果只是后者,换公司或换业务可能比换赛道代价小。
你已有的积累不是沉没成本
AI推演游戏设计三年加上一线公司经历,本身是一种可迁移的资本,不一定要为了收入全部放弃。职业初期到中期,核心目标之一是建立职业起点、积累势能、打开未来可能性1。跳槽能不能越跳越高,取决于工作时有没有有意识地通过经验打造简历,并且带着“甲方感”和“未来感”2。你已经在做 AI 项目和 AI 工作流,这可以成为连接两条路的桥:把游戏设计里对玩家、体验、系统的理解,和数据/AI 能力结合,可能比纯转回传统数据岗更有差异化。
用“未来选择权”代替“后不后悔”
AI推演几年后会不会后悔,很难靠现在预测,但可以看哪个选择让你未来有更多选择。个人价值可以拆成了解市场、打造产品、利用杠杆三步:先弄清市场愿意为哪类结果付费,再把能力做成别人能评估的成果,最后找能放大投入的平台或趋势3。放到你身上,可以问:继续做游戏设计,能不能积累出跨到 AI/数据方向的成果?如果转过去,你放弃的是喜欢的工作,还是只是暂时不喜欢的收入水平?一个可试的做法是,用现有 AI 项目做一个能展示给目标行业看的成果,观察它是否带来面试、合作或收入信号,再决定要不要真正切换。
现有材料没有你所在岗位的具体薪酬结构、Take-Two 内部晋升速度,也没有 AI 行业岗位的真实薪资数据,所以无法替你算出哪条路收入更高。
出处
- 1第11课(下)|强者成事先做选择:道天地将法·实践篇
讲职业中期如何按稳健或进取分化,以及公司内部业务、老板、项目的重要性排序,适合核对“收入差距来自哪一层”。
- 2想通过跳槽升职加薪,要先做好这件事
讲跳槽越跳越高与有意识打造简历的关系,适合核对转行时如何保留和转化已有经验。
- 3第09课|获得财富自由的底层逻辑:「个人价值公式」
讲个人价值公式和从产出到成果的转化,适合用来判断你现有积累能不能变成目标行业认可的成果。
追问2026年10月5日
如果留在游戏行业,有没有可能通过换业务、换公司或内部转岗,把收入拉到接近 AI 行业的水平?
有可能,但决定收入的不是“游戏还是AI”这个标签,而是你在哪一环、卖的是哪份钱;换业务或转岗能拉近距离,前提是那类岗位本身处在高价值环节。
先看岗位卖的是哪份钱,而不是行业标签
同一份工作,客户或公司付钱买的东西不同,能收的钱也不同:可以是软件、撮合,也可以是完整的交付和结果负责。维修平台的例子里,把报告转成清单这类活别人用现成工具也能做,而找到靠谱的人、协调多个工种、对结果负责,才是更难替代、也更值钱的部分1。放到你身上,游戏公司里也有靠近收入、平台、增长或数据决策的岗位,它们和纯内容设计岗的定价逻辑不一样。所以“留在游戏行业”不是一个整体,先分清你想换到的那类岗位,在公司眼里属于哪一环、替代难度多高。
换业务、换公司、内部转岗,验证的是同一件事
职业中期的路径会分化:求稳可以选成熟行业的龙头核心业务,求进可以选处在快速增长阶段、动作快的公司2。这三种换法其实都在测试同一个问题——你能不能进入一个业务本身在涨、岗位又处在关键环节的位置。如果只是从一家游戏公司换到另一家做同样的设计活,收入大概率还是原来的量级;如果换到游戏公司里靠近平台、增长或数据变现的业务,或者换到一家增长更快的公司,差距才可能缩小。判断“动作快”可以看内部对模糊时间词的实际含义,比如一句“回去看看”是十分钟还是一周2。
你已有的AI积累,是转岗的筹码而非只用于跳槽
AI推演你在做自己的AI项目、搭工作流、保持DS基础,这些正好对应一种跨界的稀缺位置:懂业务和流程的人去补AI,比纯AI的人去补业务更容易形成别人替代不了的角色3。可以先在公司内部找一个业务方,一起圈定一个能落地的小场景,用你已有的AI能力做出可衡量的结果3。这样做的好处是,它同时验证两件事:你的AI能力在真实业务里能不能产生价值,以及公司愿不愿意为这种价值付更高的价。如果内部验证成功而收入仍不匹配,你手里就有了可迁移的证据,再去谈外部机会也更有底气。
现有材料没有游戏行业各岗位的具体薪资数据,也没有你所在公司内部转岗的实际规则,所以只能给出判断方向,无法估算换岗后能拉近多少。
出处
- 1你赚哪份钱,决定了产品该怎么做|切问·立正02
用维修平台的例子说明同一份活可以卖软件、撮合或完整交付,帮你判断游戏岗位处在哪一环。
- 2第11课(下)|强者成事先做选择:道天地将法·实践篇
讲职业中期求稳与求进的路径分化,以及如何判断公司动作快慢,适合核对换业务或换公司的取舍。
- 3俞舟教授西雅图见面会_上
讨论业务知识与AI结合形成的跨界位置,适合核对内部转岗时你已有的AI积累能怎么用。
追问2026年10月5日
如果内部验证成功但收入没变,下一步该看什么信号?
内部验证成功只说明“东西能用”,不代表“有人愿意付钱”。下一步该看的是:有没有人不用你时也在找同一个结果,以及他愿意为哪一环掏钱。
先分清你验证的是“能用”还是“有人买”
内部验证成功,通常只证明技术或流程跑得通,属于“做出来了”。但客户买的是结果,不是你多做了几个环节。FixerUp 的例子很典型:把验房报告转成任务清单,用现成工具也能做;真正让人愿意付钱的是找到靠谱工人、按时干完、出了问题有人负责。所以收入没变时,先别急着加功能或换工具,而是问:客户不用你时,会用什么办法得到同一个结果?你比那个办法多提供了哪一项可验证的价值?如果答不上来,问题可能不在推广,而在你卖的那一环本身就不值钱1。
用一次真实接触,检验别人愿不愿意为这一环付钱
AI推演你已经在做自己的 AI 项目,可以拿它做一次小检验:找一个真实的人,用他手上的真实材料,走一遍你承诺的完整结果,然后看他是否愿意为“少找几拨人、有人负责结果”这件事付出代价——时间、钱或持续使用都算。观察的重点不是他夸不夸,而是他有没有在别处已经在为同一个结果花钱。如果对方只是觉得不错但没有动力推动,那和 FixerUp 早期联系渠道时遇到的情况类似:觉得产品好,不等于愿意优先为它付费。这一步能帮你判断,收入没变到底是价值没被认可,还是你还没找到愿意买单的那一环1,2。
材料讲的是维修平台和创业验证,没有你项目的具体客户和收费方式;上面是可能的方向,不是对你处境的诊断。
出处
- 1你赚哪份钱,决定了产品该怎么做|切问·立正02
用维修平台的例子说明客户买的是结果、你赚的是哪份钱,适合核对“验证成功不等于有人付费”这一判断。
- 2创业公司用30天,从零到可交付产品的路线图
讲从零到可交付产品时如何用真实 case 检验 AI 能力是否过“可用”线,适合对照你项目下一步该验证什么。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。