35 岁工程师的第二春：AI 时代，经验终于比体力值钱了

你好，我是曹犟。

最近在一次访谈中，对方问我：“你们这种 AI 原生小团队，是不是因为三个人都技术能力特别强，所以才跑得通？”

我想了想说，倒不是技术能力特别强，只能说我们三个人都有比较丰富的工作经验，各种工作都干过，广度比较好。以前广度好、深度不够可能是短板，而现在有了 AI，深度不够就没那么致命了。

这句话背后，其实是一个跟主流叙事相反的结论：AI 时代，35 岁以上的工程师，可能反而是最大的受益者。

我之前写过《AI 时代的程序员裁员潮：为什么这次真的不太一样》，讲的是 AI 对程序员岗位的结构性冲击。那篇文章发出来之后，我常被朋友（可能因为我年纪大了，朋友的年纪也大）问到：“我们这些 35+ 的程序员具体应该怎么办？”今天就想展开聊聊这一点。

一、AI 改变了“年龄优势”的计算方式

过去十年，“35 岁危机”几乎成了程序员群体的集体焦虑，也成为大众对这个行业的刻板印象。这个焦虑背后的账很好算：

写代码这件事，年轻人学得快、体力好、愿意加班，而你贵。你可能比年轻人多了一些架构经验和踩坑记忆，但这些“软实力”在很多公司的评价体系里很难被量化。大厂优化名单上，高薪中年工程师首当其冲，不是因为你不行，而是因为你的性价比在旧框架下确实不如年轻人。

但 AI 让这一切都发生了根本性变化。

单看写代码的速度，大部分人已经很难比 AI 更快；纯粹从代码交付上讲，AI 的速度和质量也已经接近甚至超过了不少人类工程师。这意味着年轻人在“手速”上的优势正在消失。

当编码速度不再是核心壁垒的时候，真正稀缺的能力变成了另外一些东西：知道该写什么；知道哪里有坑；知道怎么评估一个方案的好坏；知道客户真正要的是什么，而不是他嘴上说的那个；知道一个看起来可行的技术方案，在生产环境里会出什么幺蛾子。

这些能力的来源不是年轻和精力，而是经验和广度。

以前经验是成本，你的“贵”体现在工资单上；现在经验是杠杆，你的“贵”体现在 AI 的放大倍数上。

二、广度 + AI = 新的超级能力

我想展开说说“广度”这个词，因为它跟大部分人理解的“技术能力强”不太一样。

以我们团队为例。有一个同事，平时和客户打交道比较多。他干过研发，干过交付，干过售后，也干过销售。你要说他在某一个方面特别强吗？坦率地说，可能也不算。但他什么都干过，对一件事情从产品、交付到客户和商业的完整链条，都有切身的体感。

这种人，以前可能会被叫“万金油”，略带贬义，意思是什么都会一点但都不精。但在 AI 时代，这可能是最稀缺的人才画像。

原因很简单：AI 可以补深度，但补不了广度。

写一段代码，AI 可以写得很好；做一个数据分析，AI 可以做得很到位；出一个设计方案，AI 也能给你几个不错的选项。这些都是深度方向的能力，AI 已经能做到相当好的水平。

但是你让 AI 告诉你“这个客户现在不应该投 Google Ads，他应该先把自己的产品留存做上去”，它就很难独立做出可靠判断。你让 AI 判断“这个看起来不错的方案在真实的商业环境里会出什么问题”，它也需要人来提供背景和约束。这些判断来自于你在不同岗位、不同项目、不同失败里积累下来的广度。

这里的关键是，人知道把问题往哪儿带。你的广度让你知道该让 AI 往哪个方向补，AI 补完之后，你又能看得更远、问得更准。几轮下来，效率就不一样了。

我们团队三个人的状态就是这样。不止一个同事提过，感觉我们回到了 11 年前刚创业时的状态。不是因为我们又开始自发加班，而是因为做事的效率和反馈速度完全不同了。AI 容易让人“上瘾”：你不断做事，不断有产出，不断收到正反馈，这种循环会推着你往前走，很多时候不需要传统的管理动作来推动。

这里顺便说说“超级个体”。市面上流行的超级个体概念，通常侧重于自媒体行业：你要会表达、会运营粉丝、会构建个人品牌。但不是每个工程师都擅长做这些事，而 AI 只能让你擅长做的事情效率更高，没法让你做不擅长的事情。如果你本来就不喜欢表达，不愿意跟粉丝建立关系，那 AI 也帮不了你成为一个自媒体博主。

但如果把超级个体的定义放宽一些，不局限于自媒体，而是“能用 AI 端到端地解决一个完整问题的人”，那 35 岁以上、有丰富跨职能经验的工程师，可能恰好是最接近这个定义的群体。

三、初级岗位反而更危险

如果说 AI 时代对 35+ 工程师是利好，那对谁是利空？

我觉得答案其实很明显：初级岗位。

以前的工程师成长路径是清晰的：先写简单模块，逐步积累经验，从小功能到大功能，从执行者到设计者，慢慢独当一面。这条路虽然慢，但有它的确定性。

而 AI 正在系统性地抽掉这个梯子。当 AI 可以直接完成大部分执行层面的工作时，“从基础做起”这条路本身就变窄了。一个实习生或者刚毕业两三年的人，他以前可以通过写简单代码来学习和成长，但现在这些简单代码 AI 写得又快又好，他还能怎么“从基础做起”？

我们自己的实践也验证了这一点：我们现在的模式完全不适合初级岗位。不是因为他们不够聪明，而是因为团队里没有留给初级人才的阶梯。

AI 像一个倍率极高的放大器。你有 1 分能力，放大 10 倍是 10 分；底子还没搭起来，倍率再高也放大不了多少。 35 岁的工程师已经走过了那条阶梯，经验已经在身上了，AI 放大的是既有能力。而刚入行的年轻人，还没来得及积累，放大器再强也放大不了多少。

当然，我不是说年轻人就没有机会了，而是说传统的“先做螺丝钉再做架构师”的成长路径可能正在失效，新的路径需要被重新设计。这本身就是一个很大的话题，以后有机会再聊。

四、但 90% 的人不会走上这条路

写到这里，如果你觉得“太好了，我 35 岁了，AI 时代是我的”，那我需要泼一盆冷水。

上面说的所有好处，有一个前提：你得真的愿意去做。

我观察下来，最大的瓶颈不是能力，不是年龄，不是背景，而是意愿。我见过很多人，出于各种原因，对 AI 的使用还停留在偶尔问问豆包、元宝这种程度。他们不愿意继续往下钻，不愿意真正把更强的 AI 工具纳入自己的工作流。

所以我觉得，能真正从 AI 时代获益的 35+ 工程师，需要同时满足三个条件：

第一，足够强的意愿。 愿意投入时间和精力去重构工作方式，而不只是用 AI 回答几个问题、写几段代码。这种投入不是三天热度，而是持续地把 AI 嵌入到自己的核心工作流中。

第二，丰富的跨领域经验。 你需要有足够的广度，AI 才有东西可以放大。如果你过去十几年一直在一个很窄的技术栈里做同样的事情，那 AI 能放大的倍数也有限。

第三，AI 工具的深度应用能力。 只会用豆包聊天远远不够，需要能把 AI 变成自己工作流的一部分。会写 Prompt、会搭工作流，能让 AI 去做你以前需要找很多人配合才能做的事情。

这三个条件缺一不可。缺第一个，你不会开始；缺第二个，你没有东西可以放大；缺第三个，你有想法但落不了地。

组织里还有大量的“润滑剂角色”：运营、项目经理、管理型研发经理，他们以往的核心工作是分发信息、协调沟通、包装汇报。AI 让内部协作的润滑成本大幅下降之后，这些角色会面临重新定位的压力。如果你 35 岁了，但过去几年一直在做的是“技术型协调者”，本质上是推流程而不是做判断，那 AI 时代对你来说可能不是第二春，而是需要认真思考转型的时刻。

五、几个具体的建议

最后说一些可操作的东西。

第一，盘点你的广度资产。 你干过哪些不同类型的工作？写过代码、带过团队、做过客户交付、处理过线上故障、参与过产品设计？这些经验在 AI 辅助下能组合出什么新的能力？很多人低估了自己“杂”的价值。

第二，找到你的“AI 补不了”的能力。 客户关系、商业判断、行业 know-how、团队化学反应，这些是 AI 做不了的事情。想清楚你身上有哪些这样的能力，然后围绕它来构建你的价值主张。举个例子，做 ToB 业务的人很多，但能把客户关系处好、让客户愿意跟你说真话的人，可能只有一小部分，而 AI 显然补不了这种能力。

第三，从工具使用者变成工作流设计者。 不要只是“用 AI 写代码”，而是思考你的整个工作流里，哪些环节可以用 AI 重构。能不能让 AI 帮你做调研、做分析、出方案、写文档，然后你只需要做判断和决策。这个转变的关键不是学某个工具，而是改变你看待自己工作的方式。

第四，找一两个合得来的人。 对小团队来说，人力成本未必是最关键的问题。两三个人之间的化学反应，往往比省一个人的工资重要得多。你不需要跟很多人合作，但你需要跟对的人合作。互相欣赏、能互相激励，这种状态是 AI 给不了的。

第五，允许自己重新开始。 35 岁不是终点。如果说第一次职业生涯像开一辆时速 30 公里的马车，那 AI 时代就像换了一辆时速 120 公里的跑车。试错成本骤降，反馈速度飙升，以前觉得不可能的事情现在可能一周就能跑通一个 MVP。当然，车快了方向盘也要握得更稳，但至少你不是在原地踏步。

结语

真正的分水岭不是年龄，是意愿。

35 岁的工程师，如果你愿意真正投入去重构自己的工作方式，AI 时代对你来说不是下坡路，而是一次重新起跑。你过去十几年积累的经验、踩过的坑、建立的判断力，被 AI 放大之后，可能比任何时候都值钱。

但前提是，你得愿意。

一家之言，仅供参考。欢迎大家与我交流讨论。