佬友们，AI时代下，普通算法工程师的方向是什么？

问题描述：

佬友们，大家都是怎么从“拿来主义算法工程师“向”工程化算法工程师“转变的，直接用Claude code 端到端生成工程化代码，心里有点虚。

image1708×414 26.9 KB

网友解答：

---

--【壹】--：

门槛也不算高，而且方向很多，比如传统运控，强化学习运控，路径规划，导航感知等

---

--【贰】--：

佬，机器人行业门槛是不是有点高，硬件一窍不通，只玩过小智

---

--【叁】--：

对，不过还是得懂点代码吧，玩AI主要是需求 规划

---

--【肆】--：

如果只懂算法的话，AI完全可以取代。横向发展下，别纵向发展了

---

--【伍】--：

确实，现在的工具太强了。其实最好的转变就是把 AI 当成你的初级开发，只要你还能定义问题并验证结果，工具怎么迭代都没关系。加油佬友！

---

--【陆】--：

普通算法工程师感觉没什么出路了，就和初级程序员一样，你能干的AI都能干，并且干的比你好多了，那么接下来迎接的就是裁员

---

--【柒】--：

我从本科读到博士毕业，再到现在高校工作十几年，一直在做算法研究。从我的经验来看，哪怕在大模型出现之前，衡量一个算法工程师能力的也不是代码实现能力。算法研究和工程岗位的代码量其实非常少，大部分情况下，纯写代码的活儿扔给实习生就能干好。当然，我不是说代码不重要，它是基本功。

回到正题，我觉得一个合格、成熟的算法工程师/研究员，应该具备这样的能力：遇到问题后，能独立抽象问题、归类问题；自主阅读论文、博客和同行最佳实践；设计出解决方案；最后通过实验验证并真正解决问题。

如果你能凭借经验、学习能力，甚至人脉，快速找到一个靠谱方案把问题解决，那你就值高价。中间具体怎么实现其实没那么重要。具体而言，能用传统规则解决的，就别调包；调包能实现的，就不要去微调模型；微调模型能搞定的，就不要从头训练模型；训练模型能解决的，就不要去改模型架构。