35岁之后决定你薪资的不是技术是你跟AI的关系

35岁之前，拼的是你写了多少行代码。

35岁之后，拼的是你能让AI替你写多少行代码。

01

一个反常识的发现

最近几个月，我接触了几十位技术候选人，年龄从25岁到45岁。

按常理，薪资应该跟技术深度正相关。

但数据告诉我，事实不是这样。

35岁以下的人里，薪资差距主要来自技术栈的稀缺性——会AI部署的比纯单片机的贵一倍，懂Linux驱动的比裸机开发的贵50%。

但35岁以上的人里，薪资差距跟技术栈的关系越来越弱。

真正拉开差距的，是另一件事：

你跟AI的关系。

有人把AI当搜索引擎，有人把AI当实习生，还有人——已经把AI变成了自己的"技术杠杆"。

这三类人，薪资差了三倍。

02

技术人的"AI段位"

我用猎头的视角，给技术人的AI能力分了四个段位。

你看看自己在哪一层。

段位一：AI恐惧者（月薪15-20K）

典型症状：

"AI写的代码我不敢用。"

"这东西能信吗？出了bug谁负责？"

"我写了10年代码，还需要它帮我写？"

这类人不是不会用AI，是不敢用。

原因也合理——他们的手艺就是代码，AI会写代码，等于动了他们的根。

但问题是：企业不在乎你会不会写，只在乎你能不能交付。

当竞争对手用AI三天交出一个模块，你用三天调一个参数，老板自然会选前者。

这个段位的人，正在被市场 quietly 淘汰。不是今天，就是明年。

段位二：AI工具人（月薪20-30K）

典型症状：

"我用AI写注释，挺好的。"

"用它查bug，确实比Stack Overflow快。"

"但核心逻辑还是得自己写。"

这个阶段的人已经"会用"AI了。但用法停留在替代搜索+辅助补全。

相当于把一把电锯当锤子用——能干活，但浪费了90%的价值。

段位三：AI架构者（月薪30-60K）

典型症状：

"我不让AI写代码，我让AI设计架构。"

"我做Code Review的时候，先让AI跑一遍，它发现的问题比我细。"

"我用Agent搭了一个自动化测试流水线，原来两天的活现在半小时搞定。"

这类人的核心能力不是"会用AI"，而是知道把AI放在哪里。

他们不跟AI拼写代码的速度，而是把AI嵌入自己的工作流：

• 需求分析 → AI拆解任务 + 识别风险

• 方案设计 → AI对比方案 + 给出优劣

• 编码实现 → AI生成框架 + 自己写核心逻辑

• 测试验证 → AI生成用例 + 自动化执行

• 文档输出 → AI自动整理 + 人工审核

一套走下来，效率是纯手工的3-5倍。

而且，质量反而更高——因为AI不会犯"熬夜写代码脑子不清醒"这种低级错误。

段位四：AI杠杆者（年薪60-120W）

典型症状：

"我用AI同时管三个项目。"

"我带团队的方式变了——以前是自己写代码，现在是设计Agent流程，让团队按AI给的框架走。"

"我现在主要做三件事：定义问题、审核AI输出、跟客户沟通。剩下的AI和团队搞定。"

这个段位的人，已经不是"技术执行者"了。

他们是技术决策者 + AI系统设计师。

他们的价值不在于自己写了什么，而在于设计了一套"人+AI"的工作体系，让这套体系的产出远超任何单个人的能力。

这才是35岁之后真正值钱的资产。

03

35岁的分水岭，到底分的是什么？

很多人以为35岁危机是"年纪大了，干不动了"。

其实不是。

35岁的分水岭，分的是两种人：

一种是"线性增长"的人。

25岁会写C语言，30岁会写C++，35岁会写Rust。

技术栈在扩展，但工作方式没变——还是一个人，一台电脑，一行一行写。

这种增长是线性的，天花板很明显。

另一种是"指数增长"的人。

他们发现了一个秘密：技术经验 + AI = 杠杆效应。

一个在电力电子领域干了10年的工程师，如果自己画PCB，一天能出一版。

但如果他把AI嵌入工作流——

让AI查器件参数、生成BOM、做热仿真、出测试报告，他自己只需要做最关键的设计决策和最终审核。

一天能出三版。

同样的经验，不同的产出。

这不是AI替你干活，是AI把你的经验放大了。

04

"会用AI"和"用不好AI"之间，差的是什么？

你可能会说：谁不会用ChatGPT？

确实，谁都会。

但"会用"和"用得好"之间，差了三个东西。

1. 领域深度

AI最大的问题是什么？

它什么都懂一点，但什么都不精。

你问它"怎么设计一个3.3kW的储能PCS"，它会给你一篇教科书级别的综述——正确、全面、但不能直接用。

为什么？因为它不知道你的成本限制、你的散热条件、你的客户偏好、你的供应链情况。

这些只有你有。

所以，真正能用好AI的人，首先得在自己领域有足够深度。

深度不够，你甚至不知道该问AI什么问题。

2. 问题定义能力

AI时代最重要的技能，不是编程，是提问。

不是"帮我写个代码"这种问题。

而是："我需要在功耗小于5W的前提下，设计一个支持CAN总线的嵌入式数据采集模块，预算15元以内，帮我对比三个方案，列出各自的BOM和风险点。"

这种问题，AI给出的答案才真的有用。

而提出这种问题的能力，来自于对业务场景的深刻理解。

3. 判断力

AI会出错。它给出的方案可能看起来完美，但实际上不可行。

比如它推荐你用某个GaN器件做高频开关电源，方案很漂亮，但没考虑这个器件的供货周期是52周。

能不能看出AI的问题，取决于你的经验。

35岁的工程师最大的优势，不是手速，不是记忆力，是见过足够多的坑，能一眼看出方案里的隐患。

这个能力，AI替代不了。但它能让你的这个能力发挥10倍价值。

05

所以，35岁之后该怎么办？

说三个具体动作，不是鸡汤，明天就能做。

动作一：把你的经验变成"AI可理解的语言"

你的经验在脑子里，AI用不了。

怎么做？

• 把你做过的典型项目写下来：需求 → 方案 → 踩坑 → 复盘

• 把常见的技术决策写成checklist

• 把常用的参数表、对比表整理成结构化数据

这些东西，就是你对AI的"喂料"。

有了这些，AI才能真正成为你的专属顾问，而不是一个通用搜索引擎。

动作二：在现有工作流中嵌入一个AI环节

不需要全面革命，从一个环节开始。

比如：

• 每次写代码前，先用AI生成架构草图，你再做决策

• 每次做Code Review前，先用AI扫一遍，你再看AI遗漏的

• 每次写技术文档，先用AI出初稿，你再改

选一个你最有体感的环节，跑通了再加下一个。

动作三：建立一个"AI+领域"的个人标签

在脉脉上搜"AI"，全是泛泛而谈的。

但如果你写的是"AI辅助储能PCS设计实战"、"用Agent搭建嵌入式自动化测试流水线"、"GaN电源设计的AI选型工具"——

你立刻就跟别人不一样了。

因为你不是在追AI的热点，你是在用AI解决你领域里的真问题。

这种内容，稀缺、有价值、能建立专业影响力。

而这些，恰恰是35岁之后最好的护城河。

06

我见过很多35岁以上的工程师，焦虑地问同一个问题：

"AI来了，我还能干什么？"

我的回答是：

AI来了，你终于可以不干那些重复的活了。

把参数计算交给AI，把文档撰写交给AI，把代码模板交给AI，把测试用例交给AI。

然后，你把精力集中在AI做不了的事情上：

判断、决策、沟通、创造。

这四件事，越老越值钱。

35岁之后，决定你薪资的确实不是技术本身了。

但决定你薪资的，也不是AI。

而是你跟AI的关系——你是怕它，用它，还是驾驭它。

选对了关系，35岁不是终点。

是重新开始的起点。