AI 職涯的「三大支柱」：從史丹佛講座看科技業的人才新標準

2025 年底，史丹佛大學的 CS230 深度學習課程進入了第九講，主題不是神經網路架構，不是最新的模型優化技術，而是一堂「AI 職涯建議」。這堂課之所以重要，不只因為授課者的份量，更因為它反映了整個 AI 產業正在經歷的人才觀念轉變。

為什麼這堂課值得關注？

這堂課的主講者是吳恩達（Andrew Ng），Google Brain 創辦人、Coursera 共同創辦人，也是 DeepLearning.AI 的創辦人。DeepLearning.AI 目前在臺灣也有運作，他創立的 AI Fund 同樣在臺灣設有據點。在全球 AI 教育領域，很少有人比吳恩達更具影響力——他的線上課程培養了數百萬名 AI 從業者，而他對產業趨勢的判斷，往往能準確預見未來幾年的發展方向。

這堂課他邀請了老友 Laurence Moroney 來分享。Moroney 在 Google 擔任 AI 倡導者（Lead AI Advocate）多年，負責 TensorFlow 的全球推廣與教育，現在則在晶片設計公司 Arm 負責 AI 相關業務。他不是學術象牙塔裡的研究者，而是長年在產業第一線觀察人才需求變化的人。

更重要的是，這堂課發生在史丹佛。這所位於矽谷核心的大學，與 AI 產業的關係之深，幾乎沒有其他學校能比。ImageNet 的創始人李飛飛（Fei-Fei Li）是史丹佛教授；前 Tesla AI 總監、OpenAI 早期研究員 Andrej Karpathy 是史丹佛校友；Google、OpenAI、Anthropic 等公司的核心團隊裡，史丹佛人比比皆是。吳恩達在課堂上說得直白：「史丹佛和各大 AI 實驗室之間有著豐富的人脈網絡，很多還沒公開發表的前沿資訊，我們往往能透過這些關係提前知道。」

這不是吹噓，而是現實。當你想知道 AI 產業接下來需要什麼樣的人才，問史丹佛的人，通常能得到最貼近真相的答案。

AI 求職市場的殘酷真相

Moroney 開場就給了一個清醒的現實描述。過去幾年，AI 人才市場經歷了劇烈的震盪。2022 到 2023 年，因為疫情後的補人潮加上 AI 爆發，各大公司瘋狂搶人。那時候只要履歷上有「AI」兩個字，就能拿到高薪 offer，甚至連面試都還沒搞清楚要做什麼專案，公司就先把人簽下來再說。

但 2024 到 2025 年，清醒的時刻到了。公司發現自己招了太多人，其中不少人的能力其實配不上當初開出的職位。大規模裁員開始了，Google、Amazon、Microsoft、Meta 這些巨頭都在砍人，而且砍的不只是邊緣部門，連 AI 團隊都在調整。

Moroney 說，他最近輔導了很多找工作的年輕人，其中一個特別讓他印象深刻。這個年輕人學歷好、經驗豐富、寫程式的能力超強，四月被裁員後開始找工作，追蹤了超過三百個職缺，進入了 Meta、Microsoft 等大公司的面試流程，每次都覺得自己表現得很好，但每次都在最後一關被刷掉。

問題出在哪？Moroney 和他做了幾次模擬面試後發現，這個年輕人把「展現自己有主見」這件事做過頭了。面試官挑戰他的程式碼，他會變得很強硬、很對立。他以為這是在展現「有骨氣」，但在面試官眼中，這是「這個人很難合作」的訊號。

「技術能力超強但很難相處的人，沒有人想要他在自己的團隊裡。」Moroney 說。這個年輕人後來調整了態度，順利拿到一份薪水翻倍的工作。但這六個月的挫折，其實反映了一個更大的趨勢：光有技術能力已經不夠了。

三大支柱：當代 AI 人才的核心能力

Moroney 提出了他觀察到的三個成功支柱，這三件事在今天的 AI 產業裡缺一不可。

第一支柱：深度理解

這裡的「深度理解」有兩層意思。第一層是學術上的扎實——你要真的懂機器學習、懂模型架構、能讀論文、能理解論文在講什麼，還能把論文裡的東西實作出來。這是基本功，不能省。

但第二層更重要，也更容易被忽略：你要能分辨什麼是真正的趨勢，什麼只是炒作。AI 領域的雜訊太多了，每天都有人在社群媒體上喊「這個技術要改變世界」、「那個工具要取代所有工程師」。如果你沒有足夠的深度理解，就會被這些雜訊牽著走，把時間花在錯誤的方向上。

Moroney 特別強調，社群媒體的貨幣是「互動」，不是「準確」。那些能引起大量按讚、分享的貼文，往往是最誇張、最聳動的，而不是最正確的。能夠在這些噪音中找出真正的訊號，是一種稀缺的能力。

第二支柱：商業聚焦

這是 Moroney 認為最重要、也是很多技術人最欠缺的一塊。他說得很直白：「商業聚焦，現在是不可妥協的。」

過去幾年，尤其在矽谷的大公司裡，有一種「把整個自我帶到工作」的文化。員工被鼓勵表達自己關心的社會議題，公司也會支持各種內部倡議活動。Moroney 強調，關心社會議題本身沒有錯，但當這件事凌駕於商業目標之上時，問題就來了。他舉了一個極端的例子：幾年前，Google 有員工因為抗議公司與某國政府的合作，闖入高階主管辦公室進行靜坐，行為非常出格。

這類事件的後果是，整個科技業對「員工帶入工作的東西」變得更加謹慎。鐘擺正在擺回來，公司現在更強調：你來這裡是要創造商業價值的。

對 AI 從業者來說，這意味著你不能只想著「這個技術很酷」，而要想「這個技術能解決什麼商業問題」。Moroney 分享了他自己的經歷：他曾經兩次面試 Google 都失敗，因為他應徵的是產品經理職位。第三次，他改應徵工程師，而且在面試前自己用 Google Cloud 寫了一個股票預測的 Java 應用程式，放在履歷上。結果整個面試都在討論他的程式碼，他掌握了主動權，順利拿到 offer。

「不要讓你的產出停在你現在的工作，讓你的產出對準你想要的工作。」這句話值得每個求職者記住。

第三支柱：偏向交付

「點子很廉價，執行力才是一切。」Moroney 說他面試過很多人，有些人帶著非常宏大但模糊的想法來，完全無法落地；有些人的想法只完成了一半，但他們能清楚說明怎麼把它做出來。猜猜誰拿到了工作？

這個「偏向交付」的概念，和吳恩達在課堂開頭說的話相呼應。吳恩達說，現在是有史以來最適合動手做東西的時代。AI 程式碼輔助工具進步得太快了，他說自己最喜歡的工具大概每三個月就會換一次。落後半個世代的工具，生產力就會差很多。

當寫程式變得更快、更容易，瓶頸就轉移到了別的地方——轉移到「決定要做什麼」這件事上。吳恩達觀察到，矽谷現在有些團隊的工程師和產品經理比例已經接近一比一，這在以前是不可想像的。因為工程師寫程式的速度變快了，但產品經理寫規格、做決策的速度沒有等比加快。

這代表什麼？代表那些不只會寫程式、還能自己做產品決策的工程師，會變得極度搶手。「我認識一些工程師，他們會自己去和使用者聊天、收集回饋、然後自己決定下一步要做什麼。這些人是我在矽谷看到動作最快的人。」吳恩達說。

你的人脈網絡決定你的成長速度

吳恩達在課堂上花了不少時間談「人」這件事。他說，預測一個人學習速度和成就高低的最強指標之一，就是他身邊圍繞著什麼樣的人。

他舉了一個有點好笑但很真實的類比：社會學研究發現，如果你最親近的五個朋友都是抽菸的人，你自己抽菸的機率就會大幅提高。雖然沒有研究直接證明「如果你最親近的五個朋友都是拼命學習 AI 的人，你也會變得很拼」，但這幾乎是肯定的。我們都會被身邊的人影響。

然後他講了一個讓人心痛的故事。幾年前，有個史丹佛的學生非常優秀，拿到了一家 AI 熱門公司的 offer。但那家公司拒絕告訴他會被分配到哪個團隊，只說「先簽約，之後會有輪調機制幫你配對」。這個學生因為公司名氣大、父母也很驕傲，就簽了。結果他被分配去做後端的 Java 支付系統，和 AI 完全沾不上邊。一年後他離職了。

更慘的是，吳恩達說他在課堂上講過這個故事，結果幾年後又有一個 CS230 的學生在同一家公司遇到一模一樣的狀況。

「和誰一起工作，比公司的招牌重要太多了。」吳恩達說。「你不會從公司 logo 學到東西，你是從每天一起工作的人身上學的。」

行動建議：今天就能開始做的事

聽完這堂課，有幾件事是馬上可以開始做的。

首先，盤點一下你身邊的人。你最常交流的五個人是誰？他們在做什麼？他們的學習態度和工作態度如何？如果答案讓你不滿意，可能是時候主動去認識一些新的人了。

其次，開始做一些有商業價值的 side project。不是那種「很酷但沒什麼用」的東西，而是能解決真實問題的東西。然後把它放到你的履歷上，讓它成為面試時的談資。

第三，培養分辨炒作和真趨勢的能力。這需要深度理解作為基礎，但也需要刻意練習。每次看到一個「革命性」的新技術宣布，問自己：這真的能解決什麼問題？誰會為這個買單？有沒有什麼是它做不到的？

最後，如果你有機會在工作中做產品決策，不要逃避。學著和使用者對話，學著寫產品規格，學著在不確定的情況下做決定。這些能力會讓你在 AI 工具越來越強大的時代裡，變得更加不可取代。

本文整理自 Stanford CS230 2025 年秋季班第九講「Career Advice in AI」。