从软件工程到4个新方向

前门变小了。但这栋房子仍在招人——只是招的不是你以为的那些岗位。

这就是我要向你展示的内容。

四条路径。真实的数据。你开始每一条路径真正需要什么——不是 polished 的版本，是真实的版本。以及免费的资源，而不是那种“去看看 Coursera 吧”的敷衍建议。

1、网络安全

全球有 340 万个空缺职位。就是现在。不是预测。是现在。

这个数字已经攀升了好几年。而 AI 让情况变得更糟，而不是更好。每一家扩大 AI 布局的公司，都在同时扩大自己的攻击面。更多的 AI 意味着更多的风险，意味着需要更多的人来管理。这种需求是结构性的。当炒作周期过去后，它不会消失。

薪资水平

入门级：$65,000 到 $85,000。所有经验层次的中位数：$124,910。高级岗位：$150,000 及以上。专攻云安全或 AI 安全，你就能拿到这个范围的上限。53% 的雇主正在主动提高起薪，因为他们找不到足够的人。

你真正需要什么

网络基础。数据是如何传输的。TCP/IP 是什么。DNS 如何工作。防火墙到底做什么。这是基线。之后——一个认证。CompTIA Security+ 是标准的入门认证。不 glamorous。只是招聘经理会看的东西。

比证书更重要的是：证明。网络安全招聘已经大幅转向展示实际技能。实验。技术文章。记录下来的问题解决过程。一篇关于 CTF（Capture The Flag）挑战的 GitHub 技术文章，比放在 LinkedIn 技能栏里没人看的证书有用得多。

现实的时间线

6 到 9 个月的专注日常学习，达到入门级就业水平。不是一个周末。不是 30 天。任何告诉你别的人都是在卖东西。

从哪里开始——免费

TryHackMe —— 动手实验，游戏化，真的很好。这是你建立雇主真正想看到的实践技能的地方
Google Cybersecurity Certificate on Coursera —— 结构化，对初学者友好，不需要任何先前经验
CISA's free Cloud Computing Security course —— 两个半小时，涵盖目前大部分招聘集中的安全与云交叉领域

尽早选择专业方向——云安全、渗透测试、身份管理、DevSecOps——比保持泛泛而谈能给你带来更多的 leverage。

2、云工程

94% 的企业使用云服务。今年全球公共云支出：预计超过 $7000 亿。64% 的组织报告云技能缺口严重到难以配备自己的基础设施。

AI 的建设运行在云上。每一个被训练的模型、每一个被部署的 agent、每一个被调用的 API——它们都存在于某个地方。必须有人去构建和维护那个“某个地方”。那个人就是云工程师。

薪资水平

美国平均：$151,000。高级水平：高达 $183,000。远程岗位——而且有很多——平均 $135,000。74% 的云工程师表示对他们的薪资满意。

你真正需要什么

从一个平台开始。不是三个都学。选 AWS——招聘最广泛、文档最完善、职位发布最多。在考虑 Azure 或 GCP 之前，先把它学透。

几乎每个职位都需要的技能：AWS 服务、API、DevOps 基础。Kubernetes 一旦有了基础，能把你推向更高的薪资区间。

证书在这里比网络安全更重要。AWS Certified Cloud Practitioner 是你的入门点。AWS 认证平均能增加 25.9% 的薪资，并且出现在 80% 的职位发布中。一个认证，一个平台，两个真实的项目。

现实的时间线

6 到 12 个月。AWS、Azure 和 GCP 都有免费 tier 账户——你可以不花一分钱就构建真实的基础设施。

从哪里开始——免费

AWS Free Tier —— 创建账户，开始构建真实的东西。这是最重要的一步。
Great Learning Academy —— 免费的云计算课程，动手项目
AWS's own training —— 平台专属，实用，基础级别免费

目前薪资最高的专业方向是云安全工程、FinOps（云成本优化）和多云架构。

3、数据工程与 AI/ML

AI/ML 岗位出现在 89% 的职位发布中。

2026 年 AI 工程师平均薪资：$206,000。比去年涨了 $50,000。世界经济论坛表示，AI 已经在全球创造了 130 万个新岗位。BLS 预测到 2034 年数据科学家的增长率为 34%。

数据工程师特别难以快速招到的原因是：AI 需要数据管道才能运作。在任何模型被训练之前，在任何 AI 产品发布之前，必须有人构建喂养它的基础设施。这就是数据工程。AI 时代的管道工。不 glamorous。必不可少。薪资极高。

薪资水平

中级数据工程师：全国 $119,000 到 $149,000。在主要科技中心：$148,000 到 $186,000。入门级 ML 工程师平均 $95,000。高级 ML 工程师：$180,000 到 $280,000。所有 AI/ML 工程岗位的中位数：$187,500。

你真正需要什么

Python。这才是真正的入门点。如果你不懂 Python，就从那里开始——这条路上的所有东西都需要它。

之后：SQL 用于数据处理，Apache Airflow 用于管道，Snowflake 或 BigQuery 用于云数据仓库。对于 ML 方面——你不需要从头训练模型。目前大部分招聘是针对能够与预训练模型和 LLM 一起工作的人。

现实的时间线

9 到 12 个月，才能在入门级真正具有竞争力。这是四条路径中技术性最强的。这里的捷径在面试中很快就会暴露。

从哪里开始——免费

Kaggle —— 真实数据集、notebook、竞赛。Kaggle 作品集是数据招聘经理最认可的信号之一。
365 Data Science —— 从零开始的结构化课程，有免费 tier
fast.ai —— 实用的深度学习，免费，为想要理解事物实际运作方式的人而建

四条路径中最陡峭的学习曲线。也是最高的天花板。

4、AI 实施

这是目前还没人好好谈论的那个。

70% 的 AI 项目无法通过试点阶段。不是因为技术不管用。而是因为公司无法将其整合到他们实际的运营方式中。“我们有一个 AI 工具”和“它在我们工作流中起作用”之间的差距是巨大的——而且必须有人去弥合它。

那个人就是 AI 实施专家。拿现有的 AI，让它在真实的组织中运作。将 agent 接入现有系统。管理采用。弥合供应商承诺的和运营实际需要的之间的差距。

这个岗位两年前几乎还不存在。

薪资水平

入门级：$75,000 到 $103,000。中级：$114,000 到 $231,000。NVIDIA 今年发布了一个 AI 实施岗位，底薪 $184,000 到 $287,500。天花板和这份清单上的其他岗位一样高。

你真正需要什么

两边都要——技术和人。足够的 AI 素养来理解 LLM、agent 和 API 如何工作，不一定需要构建它们。项目或变更管理能力。以及在工程师和不知道 API 是什么的人之间沟通的能力。

来自非技术背景——金融、医疗、运营——并且认真学习过 AI 工具的人，实际上在这里比其他三条路径更快地具有竞争力。领域知识加上 AI 素养是一种罕见且真正被重视的组合。

现实的时间线

如果你已经有领域背景，4 到 8 个月。

从哪里开始——免费

Anthropic、OpenAI 和 Google 文档 —— 全部免费，全部实用。从这里开始，了解工具实际如何工作
构建一些东西 —— 将 AI API 接入真实的工作流。即使是一个简单的自动化。那个项目就是你在这个路径上的作品集。
LinkedIn Learning —— AI 实施和变更管理课程，大多数 LinkedIn Premium 试用期内免费

这个岗位的职位描述整个行业都还在撰写中。现在进入意味着你帮助定义它变成什么样，而不是和别人竞争一个已经被别人塑造好的位置。

5、这四条路径的共同点

专家胜过通才。证明胜过证书。构建东西的人胜过完成课程的人。

你可以从今天开始走任何一条路径。免费。用上面列出的资源。

问题不是哪条路径最好。而是当事情变得无聊、困难、你不确定是否还管用的时候，你实际上能坚持哪条路径 9 个月。

这才是真正的筛选器。不是天赋。不是背景。不是你是否学过 CS。

选一条。今天开始。前 30 天构建一些真实的东西——你能指得出来的东西。那一点就把你和大多数开始后就消失的人区分开来。

门变小了。但它仍然开着。

原文链接: I Stopped Applying to Software Engineer Roles. Here is What I Would Target Instead.

汇智网翻译整理，转载请标明出处