大厂打工人的出路大致分两类:往生产力源头靠,或把价值从公司平台挪到自己身上,做能独立交付结果的事。
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。
去定义生产力的地方,仍是打工但换了身位
材料里的观点一条路是去这一代真正定义生产力的公司:模型、算力、AI-native 工作流和 agent 基础设施。上一代大厂是搜索、社交、移动互联网,这一代大概率换成了这些方向。逻辑是离模型越近,越有机会参与定义下一代的工具、接口和产品形态,重写规则的需求持续增长,被重写的风险相对小。好处是仍然用打工的方式打工,风险显性、上限高。这条路成立的前提是你愿意接受高不确定性,并且能挤进这类公司;它不解决“不想打工”的问题,只换了一个更靠上游的位置1。
把价值从平台挪到自己身上
材料里的观点另一条路是积累职位之外的本事:做一个不依赖公司也能赚钱、能产生价值的事。公司是别人的游戏,规则被设定好,用来让你在里面贡献劳动力,它不是世界的真实,只是真实的一种加工。接触真实世界,想法才会贴近现实,也才更接近价值的本质。做法上不必按部就班,可以做一个 Gen AI 相关的项目或自媒体,学生和打工人都在这个范围内。这条路的难点是反馈循环:大厂半年才给一次反馈,而自己做事是每天都能看到有没有人买单,多数人没经历过这种循环,所以迈不出第一步2,3。
AI 让交付物变便宜,逼你回答对什么结果负责
材料里的观点当中间交付物被 AI 打到几乎零成本,靠“完成交付物”换工资的位置会越来越难收获生产力提升——你效率提高十倍,工资未必提高十倍。更适合这个时代的两类角色,是只对业务结果负责的人,和拿钱办事、对明确结果负责的承包者。这不等于让每个人都去创业:如果你所在岗位本来就对结果负责,这条判断对你的冲击小;如果你的价值主要来自中间环节,就值得先想清楚自己最终为哪个结果负责4。
这些判断来自不同时间的文章和视频,没有覆盖你具体的岗位、技能和风险承受力,不能直接替你选定哪条路。
出处
- 1AI时代,大厂打工人的五条路
完整列出“五条路”的第一条,适合先看往生产力源头靠这条路的逻辑和风险。
- 2AI时代,如何找到属于你的机会?
解释为什么要在公司之外做能独立产生价值的事,以及公司规则为何不等于真实世界。
- 3想抓住AI时代机会,可能要先放弃自己的骄傲
讲自己做事与打工在反馈循环上的差别,适合理解迈出第一步难在哪。
- 4AI取代的是所有白领工作
说明 AI 让交付物变便宜后,为什么对结果负责的角色更容易收获生产力提升。
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
- 我是一个程序员,有了AI之后所有人干活的效率都提高了,多出来的时间只能自己找活干,但我在目前的领域专业储备一般,找不到足够有价值的方向去投入。现在就是在被裁找新方向或者卷起来之间摇摆。如果失去稳定现金流,AI对此不太认同,它的建议是尽可能在寒冬中稳住现金流,我应该怎么做?稳住现有的工作,找新的可以做的事情?还是做好被裁打算,用业余时间积累新方向需要的专业知识?
立正的主张不是二选一,而是先保住现金流,同时把上班的视角从「完成任务」换成「积累能带走的东西」;被裁与否不是你能控制的,能控制的是这段时间在积累什么。
- AI engineer、AI architect、FDE 这几条路径分别适合什么背景的程序员?
FDE 适合工程底子扎实、又愿意直接面对客户和业务的人;AI engineer 偏把 AI 能力做进产品;AI architect 偏设计整个系统怎么可靠运行。
- 機械工程師在AI時代會被取代嗎?
机械工程师整体不会被AI取代,但工作内容里偏“信息搬砖”的部分会被压缩;越靠近真实物理结果和决策责任,越难被替代。
- 软件开发工程师还有前途吗?
有前途,但前途从“会写某种代码”转向“能对业务结果负责、能自己动手把事做成”。
- 现在ai在数学领域如此厉害,数学研究生何去何从,该怎么考虑就业?
AI 强在算得快、答得准,但数学训练给你的抽象和建模能力,正好是把它用好的前提;就业方向要看你把这份能力接到哪个具体问题上。
- 我是一名程序员,该如何转型才能不被AI时代淘汰呢
转型方向不是换一门语言,而是从“为技能负责”转向“为结果负责”:靠近业务、能定义问题、能对交付结果担责的人更难被替代。