35歲之前，拼的是你寫了多少行代碼。

35歲之后，拼的是你能讓AI替你寫多少行代碼。

01

一個反常識的發現

最近幾個月，我接觸了幾十位技術候選人，年齡從25歲到45歲。

按常理，薪資應該跟技術深度正相關。

但數據告訴我，事實不是這樣。

35歲以下的人里，薪資差距主要來自技術棧的稀缺性——會AI部署的比純單片機的貴一倍，懂Linux驅動的比裸機開發的貴50%。

但35歲以上的人里，薪資差距跟技術棧的關系越來越弱。

真正拉開差距的，是另一件事：

你跟AI的關系。

有人把AI當搜索引擎，有人把AI當實習生，還有人——已經把AI變成了自己的"技術杠桿"。

這三類人，薪資差了三倍。

02

技術人的"AI段位"

我用獵頭的視角，給技術人的AI能力分了四個段位。

你看看自己在哪一層。

段位一：AI恐懼者（月薪15-20K）

典型癥狀：

"AI寫的代碼我不敢用。"

"這東西能信嗎？出了bug誰負責？"

"我寫了10年代碼，還需要它幫我寫？"

這類人不是不會用AI，是不敢用。

原因也合理——他們的手藝就是代碼，AI會寫代碼，等于動了他們的根。

但問題是：企業不在乎你會不會寫，只在乎你能不能交付。

當競爭對手用AI三天交出一個模塊，你用三天調一個參數，老板自然會選前者。

這個段位的人，正在被市場 quietly 淘汰。不是今天，就是明年。

段位二：AI工具人（月薪20-30K）

典型癥狀：

"我用AI寫注釋，挺好的。"

"用它查bug，確實比Stack Overflow快。"

"但核心邏輯還是得自己寫。"

這個階段的人已經"會用"AI了。但用法停留在替代搜索+輔助補全。

相當于把一把電鋸當錘子用——能干活，但浪費了90%的價值。

段位三：AI架構者（月薪30-60K）

典型癥狀：

"我不讓AI寫代碼，我讓AI設計架構。"

"我做Code Review的時候，先讓AI跑一遍，它發現的問題比我細。"

"我用Agent搭了一個自動化測試流水線，原來兩天的活現在半小時搞定。"

這類人的核心能力不是"會用AI"，而是知道把AI放在哪里。

他們不跟AI拼寫代碼的速度，而是把AI嵌入自己的工作流：

• 需求分析 → AI拆解任務 + 識別風險

• 方案設計 → AI對比方案 + 給出優劣

• 編碼實現 → AI生成框架 + 自己寫核心邏輯

• 測試驗證 → AI生成用例 + 自動化執行

• 文檔輸出 → AI自動整理 + 人工審核

一套走下來，效率是純手工的3-5倍。

而且，質量反而更高——因為AI不會犯"熬夜寫代碼腦子不清醒"這種低級錯誤。

段位四：AI杠桿者（年薪60-120W）

典型癥狀：

"我用AI同時管三個項目。"

"我帶團隊的方式變了——以前是自己寫代碼，現在是設計Agent流程，讓團隊按AI給的框架走。"

"我現在主要做三件事：定義問題、審核AI輸出、跟客戶溝通。剩下的AI和團隊搞定。"

這個段位的人，已經不是"技術執行者"了。

他們是技術決策者 + AI系統設計師。

他們的價值不在于自己寫了什么，而在于設計了一套"人+AI"的工作體系，讓這套體系的產出遠超任何單個人的能力。

這才是35歲之后真正值錢的資產。

03

35歲的分水嶺，到底分的是什么？

很多人以為35歲危機是"年紀大了，干不動了"。

其實不是。

35歲的分水嶺，分的是兩種人：

一種是"線性增長"的人。

25歲會寫C語言，30歲會寫C++，35歲會寫Rust。

技術棧在擴展，但工作方式沒變——還是一個人，一臺電腦，一行一行寫。

這種增長是線性的，天花板很明顯。

另一種是"指數增長"的人。

他們發現了一個秘密：技術經驗 + AI = 杠桿效應。

一個在電力電子領域干了10年的工程師，如果自己畫PCB，一天能出一版。

但如果他把AI嵌入工作流——

讓AI查器件參數、生成BOM、做熱仿真、出測試報告，他自己只需要做最關鍵的設計決策和最終審核。

一天能出三版。

同樣的經驗，不同的產出。

這不是AI替你干活，是AI把你的經驗放大了。

04

"會用AI"和"用不好AI"之間，差的是什么？

你可能會說：誰不會用ChatGPT？

確實，誰都會。

但"會用"和"用得好"之間，差了三個東西。

1. 領域深度

AI最大的問題是什么？

它什么都懂一點，但什么都不精。

你問它"怎么設計一個3.3kW的儲能PCS"，它會給你一篇教科書級別的綜述——正確、全面、但不能直接用。

為什么？因為它不知道你的成本限制、你的散熱條件、你的客戶偏好、你的供應鏈情況。

這些只有你有。

所以，真正能用好AI的人，首先得在自己領域有足夠深度。

深度不夠，你甚至不知道該問AI什么問題。

2. 問題定義能力

AI時代最重要的技能，不是編程，是提問。

不是"幫我寫個代碼"這種問題。

而是："我需要在功耗小于5W的前提下，設計一個支持CAN總線的嵌入式數據采集模塊，預算15元以內，幫我對比三個方案，列出各自的BOM和風險點。"

這種問題，AI給出的答案才真的有用。

而提出這種問題的能力，來自于對業務場景的深刻理解。

3. 判斷力

AI會出錯。它給出的方案可能看起來完美，但實際上不可行。

比如它推薦你用某個GaN器件做高頻開關電源，方案很漂亮，但沒考慮這個器件的供貨周期是52周。

能不能看出AI的問題，取決于你的經驗。

35歲的工程師最大的優勢，不是手速，不是記憶力，是見過足夠多的坑，能一眼看出方案里的隱患。

這個能力，AI替代不了。但它能讓你的這個能力發揮10倍價值。

05

所以，35歲之后該怎么辦？

說三個具體動作，不是雞湯，明天就能做。

動作一：把你的經驗變成"AI可理解的語言"

你的經驗在腦子里，AI用不了。

怎么做？

• 把你做過的典型項目寫下來：需求 → 方案 → 踩坑 → 復盤

• 把常見的技術決策寫成checklist

• 把常用的參數表、對比表整理成結構化數據

這些東西，就是你對AI的"喂料"。

有了這些，AI才能真正成為你的專屬顧問，而不是一個通用搜索引擎。

動作二：在現有工作流中嵌入一個AI環節

不需要全面革命，從一個環節開始。

比如：

• 每次寫代碼前，先用AI生成架構草圖，你再做決策

• 每次做Code Review前，先用AI掃一遍，你再看AI遺漏的

• 每次寫技術文檔，先用AI出初稿，你再改

選一個你最有體感的環節，跑通了再加下一個。

動作三：建立一個"AI+領域"的個人標簽

在脈脈上搜"AI"，全是泛泛而談的。

但如果你寫的是"AI輔助儲能PCS設計實戰"、"用Agent搭建嵌入式自動化測試流水線"、"GaN電源設計的AI選型工具"——

你立刻就跟別人不一樣了。

因為你不是在追AI的熱點，你是在用AI解決你領域里的真問題。

這種內容，稀缺、有價值、能建立專業影響力。

而這些，恰恰是35歲之后最好的護城河。

06

我見過很多35歲以上的工程師，焦慮地問同一個問題：

"AI來了，我還能干什么？"

我的回答是：

AI來了，你終于可以不干那些重復的活了。

把參數計算交給AI，把文檔撰寫交給AI，把代碼模板交給AI，把測試用例交給AI。

然后，你把精力集中在AI做不了的事情上：

判斷、決策、溝通、創造。

這四件事，越老越值錢。

35歲之后，決定你薪資的確實不是技術本身了。

但決定你薪資的，也不是AI。

而是你跟AI的關系——你是怕它，用它，還是駕馭它。

選對了關系，35歲不是終點。

是重新開始的起點。