特斯拉執行長馬斯克宣佈啟動超大型晶片製造計畫“Terafab”，目標打造年產1太瓦（TW）運算能力的AI 晶片。為推動該計畫，特斯拉近期在台灣半導體重鎮新竹積極挖角，鎖定具10年以上經驗的資深工程師，開出年薪700~800萬元的條件，薪資水準甚至上看千萬元, 吸引至少百人投遞履歷；特斯拉加速打造“Terafab”“Terafab”預計設於美國德州奧斯汀，建置涵蓋晶片設計、製造與測試的一體化先進產線，鎖定2奈米製程技術，年產量目標達1000億至2000億顆晶片。該計畫初期建廠成本估計約200億至300億美元（約新台幣6300億至9500億元），並以打造年產1太瓦等級算力為目標，以支援 AI 與機器人快速成長所需的龐大運算需求。整體專案將由xAI、SpaceX及特斯拉共同推動。在宣佈計畫的同時，特斯拉也展開全球人才佈局。近期在求職平台針對台灣新竹地區釋出“矽製程整合工程師”職缺，工作內容涵蓋製程分析、最佳化、良率提升與晶圓測試等，並明確鎖定10年以上資深半導體工程師, 製程整合工程師最高年薪更達33萬8280美元（約新台幣1078萬元）。。該職缺開放約2周即湧入逾百份履歷，目前已停止受理應徵，顯示對台灣工程師具高度吸引力。並提供赴美住房與子女教育補貼除台灣外，特斯拉也向全球半導體人才招手。韓媒《BusinessKorea》 報導，公司近期已私下接觸南韓主要半導體企業工程師，開出年薪3億韓元以上（約新台幣637萬元）的條件；此外，若同意赴美工作，還享有包括住房補貼、子女教育費等各種福利。報導指出，在AI半導體競爭日益白熱化之際，當地人士呼籲三星電子與SK海力士等企業須及早提出留才對策，以避免關鍵技術人才流失。此前，馬斯克曾在社群媒體貼出韓國國旗表情符號並公開喊話：“如果你在韓國從事半導體工作，歡迎加入特斯拉。” (兩岸商匯)

如果要找一個人來解釋這場 AI 大爆發究竟是怎麼發生的，黃仁勳無疑是最合適的人選。三十年前創立輝達、押注圖形處理器，把 CUDA 強行裝進遊戲顯示卡，市值從 80 億跌至 15 億，然後用十年爬回來。在所有人還在爭論推理晶片會不會只是低端市場時，他已經在為智能體時代設計機架架構。這種提前預判，顯然不只是靠運氣，更離不開他幾十年如一日做的一件事：在所有人相信之前，先把那個未來講給所有人聽。今天，知名播客主持人 Lex Fridman 公開了他與黃仁勳長達兩小時的深度專訪。對話涵蓋 CUDA 護城河、中國科技生態、程式設計的未來，DLSS5、乃至意識與死亡。這是黃仁勳近期最完整的一次公開表達，也是迄今為止最接近他思維方式的一次真實記錄。附上黃仁勳採訪文字版實錄 🔗：https://lexfridman.com/jensen-huang-transcript一個問題，60 個專家同時在場，這就是輝達開會的方式採訪開篇，Fridman 指出輝達已將設計重心從單晶片擴展至機架等級，涵蓋 GPU、CPU、記憶體、網路、NVLink、光纖與銅纜互聯、供電、冷卻、軟體以及機架本身。他問黃仁勳：在如此多變數的協同設計中，最難的部分是什麼？黃仁勳首先解釋了極致協同設計為何從工程邏輯上不可迴避。他說，問題的根源在於規模：當你把一個任務分佈到一萬台電腦上，你期望的結果是獲得遠超線性疊加的加速效果，比如一百萬倍的提升，而單純增加電腦數量只能帶來線性收益。阿姆達爾定律（Amdahl's Law）由電腦科學家 Gene Amdahl 於 1967 年提出，指的是「短板效應」在平行計算中同樣存在——系統的整體性能提升受限於無法平行的那部分程式碼。這就是阿姆達爾定律的約束，也就是說，如果計算只佔總工作量的 50%，即便把計算速度提升到無限快，整體也只能加速兩倍。「一旦你把問題分佈出去，所有東西都會成為瓶頸。CPU 是問題，GPU 是問題，網路是問題，交換機是問題。分散式運算在我們這個規模下，每一個環節都必須同時攻克。」在組織層面，黃仁勳透露自己的直接匯報超過 60 人，幾乎涵蓋所有技術學科的頂尖專家：記憶體、CPU、光學、GPU 架構、演算法、設計，無一缺席。他刻意放棄一對一匯報制度，改為讓所有人同時在場討論任何一個具體問題。「因為我們在做極致協同設計，所以任何一次討論都不可能只有一個人在場。我們呈現一個問題，所有人一起攻。當我們討論冷卻，網路專家在聽；當我們討論供電，記憶體專家在聽。誰要是對本該關注的事情沒有關注，我會直接點名。」他將公司架構比作作業系統，認為公司的組織結構應當直接反映它所處的環境和它要生產的產品，而非套用統一的「漢堡式」或「軟性」組織圖或者「汽車公司」組織圖。把 CUDA 塞進遊戲顯示卡，是最痛苦也是最關鍵的決定在講述輝達的戰略演進時，黃仁勳也詳細梳理了從圖形加速器到計算平台的轉型路徑。他說，輝達最初是一家加速器公司，專注於圖形處理。專業化的好處是極致最佳化，問題在於市場邊界天然受限，而市場規模直接決定研發投入能力，研發能力又決定了一家公司在計算領域能發揮多大的影響力。於是輝達必須拓寬邊界，向通用計算邁進，但通用性和專業性之間往往存在天然的矛盾：越向通用計算靠攏，專業加速能力就越被稀釋。「我把這兩個本質上矛盾的詞硬連在一起，公司必須一步一步走那條極其狹窄的路，在擴展計算邊界的同時，守住最重要的專業化能力。」第一步是可程式設計像素著色器，第一次向可程式設計性邁進。第二步是在著色器中加入 IEEE 標準相容的 FP32 浮點運算，這一步吸引了那些此前在 CPU 上做流處理和資料流計算的研究者。他們發現，GPU 的計算密度極高，又能相容他們原有的軟體邏輯。這直接促成了 Cg 語言（為 GPU 程式設計設計的高級著色器語言），再到 CUDA。將 CUDA 搭載到 GeForce 消費級顯示卡是整個歷史中最關鍵也最痛苦的決策。黃仁勳說，計算平台的價值完全取決於裝機量，而不是架構的優雅程度。他舉 x86 為例：這是歷史上被批評最多的架構，遠沒有同期那些被頂尖電腦科學家精心設計的 RISC 架構優雅，但 x86 活下來了，RISC 大多失敗了。原因只有一個：裝機量。「當時 GeForce 每年出貨數百萬塊顯示卡。我們說，不管使用者用不用 CUDA，都把它裝進每一台 PC 裡，用這個作為培育裝機基數的起點。同時我們去大學裡寫教材、開課程、到處推廣 CUDA。在那個年代，PC 是主要的計算載體，沒有雲，我們等於把超算塞進了每一個在校學生和研究人員的手裡，總有一天會有驚喜發生。」代價是慘烈的。CUDA 讓 GeForce 的成本大幅上升，將輝達的毛利率徹底壓垮，公司毛利率本已只有 35%，成本增加 50% 之後，全部利潤蒸發。市值從約 80 億美元一路跌至 15 億美元，在底部徘徊了相當長的時間。「但我們一直扛著 CUDA，一直搭載在 GeForce 上。輝達是 GeForce 建起來的家，是 GeForce 把 CUDA 送到了所有人手裡。研究人員和科學家在大學裡發現了 CUDA，因為他們本來就是遊戲玩家，他們自己攢電腦，他們拿 PC 元件搭叢集。」後來，這成為深度學習革命的基礎設施。對於如何作出這類賭注式決策，黃仁勳說，他的決策過程始於好奇心，然後是推理。當推理系統在內心足夠清晰地呈現出「這件事一定會發生」時，他便開始相信它，而一旦相信，就會去實現。但更重要的是他管理集體信念的方式：他從不等到決策那一天才宣佈，而是通過每一次外部資訊、工程里程碑、行業新發現，持續向董事會、管理團隊、員工、合作夥伴一點一點地鋪設認知基礎。「到了宣佈的那一天，我希望所有人的反應是：『Jensen，你怎麼現在才說？』收購 Mellanox 是這樣，全力押注深度學習是這樣，現在 Groq 也是這樣，我已經鋪墊了兩年半。」他把 GTC 大會描述為向全行業塑造未來認知的工具，不只面向員工，也面向合作夥伴和整個生態。「我們不生產電腦，也不搭建雲。我們是計算平台公司，任何人都無法直接購買我們的產品，但我們向所有層級開放平台。在我的產品準備好之前，必須先讓所有人相信它將要到來。」Ilya 說資料耗盡了，黃仁勳說他搞錯方向了對於 Scaling Laws（縮放定律/擴展定律），黃仁勳提出了一個系統性框架，包含四個相互咬合的層次。第一條是預訓練擴展定律。模型越大，訓練資料越多，AI 越聰明。當 Ilya Sutskever 表示「預訓練資料耗盡」時，業界一度恐慌，認為 AI 到了天花板。黃仁勳認為這個擔憂搞混了方向：人類生產的資料確實有限，但合成資料的比重會越來越高，而且這並不奇怪，人類知識本來就是「合成」的，知識在人與人之間流轉、被重新詮釋、再創作、再消費。AI 現在已經能夠以真實資料為基礎大量生成合成訓練資料，預訓練的瓶頸從資料量轉移到了算力。第二條是後訓練擴展定律。通過指令微調、強化學習等方式持續精煉模型能力，這個空間仍然廣闊。第三條是測試時擴展定律（test-time compute），也就是推理階段的計算投入。黃仁勳說，當初很多人預判推理是「簡單的」，認為推理晶片只需要小而廉價，完全不需要輝達那樣昂貴複雜的產品，將來推理市場會是一個被商品化的低端市場。「這在邏輯上就說不通。預訓練是記憶和歸納，是閱讀；推理是思考、推理、規劃、搜尋、嘗試、分解陌生問題。思考怎麼可能是計算輕量級的？」事實證明他是對的，測試時擴展的計算消耗遠超市場預期。第四條是智能體擴展定律。一個大語言模型變成一個智能體，在測試時去查資料庫、使用工具、分配子任務，同時派生出大量子智能體。「擴充輝達規模最簡單的方法是多僱員工，而智能體的分裂速度比僱人快多了。」這些智能體在運行過程中積累大量有價值的經驗和資料，其中的精華會反哺預訓練，再經後訓練精煉，再經測試時增強，形成完整的閉環飛輪。「歸根結底，智能的擴展取決於一件事：算力。」對於如何在硬體設計層面預判 AI 模型的走向，黃仁勳坦言這是最難的部分之一，因為 AI 模型架構每六個月就會迭代一次，而系統和硬體架構的迭代周期是三年。輝達的應對策略包括三條：內部做基礎研究和應用研究，自己訓練模型，獲得一手體感；作為全球唯一與所有 AI 公司同時合作的平台公司，廣泛傾聽行業前沿的挑戰；以及保持架構的靈活性，讓 CUDA 能隨演算法演進而演進。他舉了混合專家模型（MoE）的例子：正是預判到 MoE 的崛起，輝達才將 NVLink 從 8 路擴展到 72 路，使一個完整的 4 兆乃至 10 兆參數模型能夠在單一計算域內運行，行為上如同一塊巨大的 GPU。而 Vera Rubin 一代機架相較於 Grace Blackwell 機架，最顯著的變化在於增加了儲存加速器，引入了全新的 Vera CPU，還有專為智能體任務設計的 Rock 機架，因為智能體工作時需要頻繁訪問檔案系統、呼叫工具、執行程式碼，這與單純運行 LLM 推理是完全不同的工作負載。為什麼在 Claude Code、Codex、OpenClaw 出現之前，我們就設計好了這一代架構？因為推理根本不需要等到具體產品出現，你只需要坐下來認真思考：一個大語言模型要成為真正的數字工人，它必須做什麼？它必須訪問檔案系統獲取真實資料，必須能上網查資料，必須會用工具，必須能派生子任務。這些都不是玄學，就是基本邏輯。他還用了一個生動的思想實驗：想像十年後最強的 AI 智能體是一個人形機器人，進入你家幹活，更可能的情形是它使用你家裡現有的工具，比如微波爐，還是它的手指會隨時變成錘子、手術刀或者微波發生器？答案顯然是前者。「我描述的，其實就是 OpenClaw 幾乎所有的核心特性。」黃仁勳眼中的馬斯克：一個把自己變成所有人最高優先順序的人Fridman 提到黃仁勳曾高度稱讚馬斯克以四個月時間建成 Colossus 超算，目前已達 20 萬塊 GPU 的規模。黃仁勳闡述了他從中看到的工程與管理哲學。他說，馬斯克是一個能在多個高深領域同時保持深度的人，同時又是出色的系統思考者。他習慣性地對每一件事追問三個問題：這是必要的嗎？必須這樣做嗎？必須花這麼長時間嗎？層層追問之後，系統會被剝離到最小必要形態，但能力卻完整保留。「他也會親自出現在問題發生的現場。有問題，他就去現場，『把問題給我看』。這種做法能打破大量『這就是我們一貫的做法』的慣性。每個供應商都有很多客戶和項目，他的做法是讓自己成為所有人項目裡的最優先順序，而且他是靠親身示範做到的，不是靠嘴說。」他描述了 Fridman 也同樣經歷過的一個細節：馬斯克曾蹲在機架旁邊和工程師一起研究如何插拔線纜，目的是減少出錯機率。「從每一個細節積累起來的直覺，讓你能同時看清微觀的低效和宏觀的系統性問題，然後你才有資格說『讓我們換一種完全不同的方式來做這件事』。」為什麼中國科技圈天然傾向於開源談及最近訪問中國之行，黃仁勳表示，全球約 50% 的 AI 研究人員是中國人，其中大多數仍在中國國內工作。中國科技行業崛起的時間節點，恰好與移動網際網路時代高度重合，使他們能夠以軟體為突破口進入全球競爭。他認為，中國科技生態之所以能持續輸出大量頂尖公司，有幾個結構性原因。第一是競爭烈度。中國並非一個統一的大市場，而是由無數個省和城市組成的競爭體系，這導致每個垂直領域都出現了數量驚人的競爭者，電動車如此，AI 公司亦然，最終在激烈競爭中存活下來的必然是極其優秀的企業。第二是開放共享的文化。中國工程師圈子高度依賴於學校、公司之間的人際網路，同學就是終身兄弟，朋友就是同行。黃仁勳說，中國工程師的優先順序排序是：家人第一，朋友第二，公司第三。這個排序直接決定了他們對待知識的態度。他們的工程師，兄弟在那家公司，朋友在那家公司，大家都是同學。同學這個概念，在中國意味著一輩子的兄弟。所以他們分享知識的速度極快，根本沒有理由把技術藏著掖著，放到開源上就好了。正因如此，中國科技公司對開放原始碼的貢獻力度遠超外界預期，而開源社區反過來進一步放大、加速了整體創新節奏。第三是崇尚工程的社會文化。這是一個崇尚建造的國家。他也由此延伸到輝達的開源戰略，特別提到 Nemotron 3，這是一個 1200 億參數的開放權重混合專家模型，架構上融合了 Transformer 與狀態空間模型（SSM）。輝達推進開源有三重動機：其一，自己訓練模型是極致協同設計的一部分，能讓硬體團隊直接感知模型架構的走向；其二，專有模型和開源模型各有必要，開源是讓 AI 真正擴散到每個行業、每個國家、每個研究者和學生手中的必要條件；其三，AI 遠不只是語言，生物學、物理、氣象、流體等領域都需要專門訓練的模型，每個行業都能獲得世界級的 AI 基礎模型。43000 個人和數百萬開發者，共同撐起輝達護城河被問及輝達最重要的競爭護城河，黃仁勳給出了一個清晰的排序。第一是 CUDA 的安裝基數。他說，即便二十年前有人做出了一個技術上更出色的替代架構，比如 GUDA 或 TUDA，也很可能失敗。因為決定架構成敗的從來不只是技術，而是有多少開發者將自己的軟體建立在這個平台上。CUDA 今天的地位，來自 43000 名輝達員工數十年的持續投入，也來自數百萬開發者將他們的軟體棧壓注在這個平台上的信任。他還強調了輝達執行速度的重要性：任何一個開發者只要選擇了 CUDA，幾乎可以確定六個月後它會變得更好十倍；他開發的軟體能觸達幾億台裝置、覆蓋所有主要雲服務商、所有主要行業、所有主要國家；而且他能確信輝達會在可預見的未來持續維護和改進 CUDA。「把這幾點加在一起，如果我是一個開發者，我會首先選 CUDA，並且把最多的資源投入到 CUDA 上。」第二護城河是生態系統的橫向覆蓋。輝達將極其複雜的系統縱向整合，但同時向每一家公司的計算平台橫向開放接入，從Google雲、亞馬遜 AWS、微軟 Azure，到 CoreWeave、Nscale 這樣的新興算力公司，到製藥企業的超算，再到電信基站邊緣裝置、汽車、機器人、衛星。一個架構覆蓋了全球幾乎所有行業。對於輝達未來能否達到 10 兆美元市值，黃仁勳的推演從兩個根本性變化出發：計算從檢索式轉向生成式，意味著算力需求量級躍升；電腦從倉儲單元轉變為生產工廠，意味著它從成本中心變成了直接與企業營收掛鉤的利潤中心。他預計世界 GDP 增速將會加快，而計算佔 GDP 的比例將達到過去的 100 倍以上。他提到輝達的 3 兆美元收入路徑在他看來是「當然可能」的，並沒有任何物理定律約束這一數字的實現，更重要的是，輝達的增長不依賴於從現有競爭對手手中奪取份額，而是依賴於一個幾乎從零開始生長出來的全新市場。「當輝達是 100 億美元的公司時，你沒法說『如果他們從誰那裡拿到 10% 份額就能增長多少』。他們的想像力需要從零建構。但我有的是時間，每一次 GTC 都會讓這件事變得更加真實。」談及智能體時，他將 OpenClaw 比作「Token 的 iPhone」：「消費者直接能用到了。iPhone 等級的產品到了，它是有史以來增長最快的應用，一飛衝天，就這樣。」玩家對 AI 糊感的憤怒，其實是一面鏡子黃仁勳說，GeForce 至今仍是輝達最重要的品牌行銷策略：人們十幾歲時因為遊戲認識輝達，進入大學和職業生涯後自然轉向 CUDA 和專業工具。被問及史上最重要的遊戲，他給出兩個答案：從文化與行業影響力看是 Doom，它把 PC 從辦公工具變成了家庭娛樂裝置；從遊戲技術看是 Virtua Fighter。近年的代表作則是完整實現光線追蹤渲染的《賽博朋克 2077》。談及 DLSS 5 引發的玩家爭議，他理解那種對「AI 糊感」的反感，承認這是真實存在的審美問題。但他解釋，DLSS 5 的工作前提是三維幾何資料的嚴格約束，每一幀都完全忠實於藝術家定義的空間結構和紋理風格，做的是增強而非覆蓋。「玩家以為 DLSS 會在成品遊戲上做後處理，這個理解是錯的。它嵌入在創作流程裡，藝術家決定用還是不用。」系統也完全開放，工作室可以自行訓練模型、指定卡通或水彩等任意風格。他隨後作出一個更宏觀的觀察：玩家對 AI 糊感的敏感，恰恰說明人類真正在乎的是創作者留下的那些不完美的印記。「只要 AI 是輔助藝術家的工具，它就是好的。」此外他還提到輝達為遊戲開發者提供的次表面散射皮膚著色器，這項技術模擬光線穿透皮膚淺層後散射的物理現象，讓遊戲人物皮膚呈現出更接近真實的半透明質感。「這些都是工具，由藝術家決定怎麼用。我們只是提供工具箱。」AGI、程式設計的未來與人類的位置在 AGI 定義問題上，Fridman 以「能夠從零創立並營運一家市值超十億美元的科技公司」作為測試標準，黃仁勳的回答是：這個門檻，我認為 AI 現在已經達到了。他設想一個 AI 建立了某款應用，短時間內吸引數十億使用者，完成商業化後退出，這和網際網路時代那些曇花一現的爆款網站並無本質差異，而那些網站的技術複雜度遠低於 OpenClaw 今天能生成的東西。「我不知道具體會是什麼，但我在網際網路時代也沒有預測到任何那些公司。」他同時強調，100000 個智能體建立一個持續營運的輝達的機率是零，但建立一個短暫的爆款應用並從中獲利，完全可能已經在發生了。關於程式設計的未來，黃仁勳認為程式設計的定義本身需要改寫。程式設計的本質是規格說明，即告訴電腦要建構什麼。在這個定義下，能做到這件事的人數量將從 3000 萬擴展到 10 億。每一個木匠、水管工、會計師都將成為自己行業裡的創新者，因為 AI 讓他們能夠以自然語言表達意圖，並將其轉化為實際產品。「如果我是一個木匠，我看到 AI，我會非常興奮。如果我是一個水管工，我會完全瘋狂。」他用輻射科醫生的案例回應了「AI 會消滅職業」的擔憂：電腦視覺在 2019 年前後達到超人水平，曾被普遍預測輻射科醫生將消亡。結果是所有輻射科平台都整合了 AI、輻射科醫生數量不降反升，現在全球還出現了輻射科醫生短缺。原因很簡單：能更快讀片，就能讀更多片，就能服務更多病人，醫院營收增加，需要更多輻射科醫生。「那個預警走得太遠，嚇跑了很多本該進入這個行業的人，這是真實的傷害。輝達的軟體工程師數量只會增加，不會減少。他們的職業目的是解決問題，而解決問題這件事的每一個組成部分，評估結果、團隊協作、診斷問題、創新、連接不同領域，這些都不會消失。」在工作中倒下，是最好的結局被問及是否思考自己的死亡，黃仁勳的回答十分誠實。「我真的不想死。我有很好的家庭，有非常重要的工作。這不是『一生難得一次的體驗』，而是整個人類文明難得一次的體驗，我正在其中。輝達是歷史上最重要的科技公司之一，這件事我非常認真。」對於繼承人規劃，他的回應讓人出乎意料：他說他「不相信繼任規劃」，但原因恰恰是認真思考了這個問題。如果你真的關心自己離開後公司的命運，那麼你今天應該做的，是把你所學、你所理解、你所積累的全部知識、洞察和判斷，以最高頻率傳遞給周圍所有人。「每一次會議都是推理會議。我學到的任何東西，沒有在我桌上停留超過一秒鐘的，立刻就指向某個人：去研究這個，這個東西很了不起，你會想瞭解它的。我在持續地賦能周圍所有人，讓他們的能力不斷提升。」他說自己希望的結局是在工作中倒下，而且是瞬間的，沒有漫長的痛苦過程。對於人類未來 100 年的希望，他說他一生都對人性的善意保有高度信心，儘管偶爾會被辜負，但結果一次又一次證明他是對的，而且往往超出預期。 (APPSO)

近日特斯拉正式啟動全球範圍內的資深晶片工程師招募工作，CEO伊隆·馬斯克親自下場推進招聘事宜。據悉，此次招募的核心崗位為流程整合工程師等資深晶片相關職位，並非普通工程崗位，而是主導先進邏輯系統單晶片（SoC）開發的關鍵角色，覆蓋從新產品匯入、量產良率提升、製程窗口分析，到產品認證與DPPM降低的完整流程。招募門檻也是十分嚴苛，應徵者需具備學士以上學歷，並擁有至少十年以上先進製程開發經驗，涵蓋良率提升、代工廠合作與供應鏈管理能力。此次大規模招募背後，是特斯拉雄心勃勃的Terafab超級晶片工廠計畫。該計畫於2025年11月特斯拉年度股東大會首次公佈，2026年3月22日正式啟動工廠建設，選址於美國德克薩斯州超級工廠北園區，瞄準2奈米先進製程，計畫投資200-400億美元，最終實現月產100萬片晶圓、年產1000-2000億顆AI晶片的目標，產品將覆蓋FSD自動駕駛、Optimus人形機器人、Cybercab無人計程車及Dojo資料中心等全場景。馬斯克在2025年第四季度財報電話會議中也曾強調，未來3-4年，晶片將成為制約特斯拉增長的關鍵因素，人工智慧邏輯晶片和儲存晶片的供應穩定性備受擔憂。據測算，到2030年，特斯拉每年對人工智慧晶片的需求或將達到1200萬顆，而全球現有供應鏈難以匹配這一規模。 (TechWeb)

2026年AI行業最大的機會，毫無疑問就在應用層！字節跳動已有7個團隊全速佈局Agent大模型崗位暴增69%，年薪破百萬！騰訊、京東、百度開放招聘技術崗，80%與AI相關……如今，超過60%的企業都在推進AI產品落地，而真正能交付項目的 大模型應用開發工程師 ，卻極度稀缺！落地AI應用絕對不是寫幾個prompt，調幾個API就能搞定的，企業真正需要的，是能搞定這三項核心能力的人：✅RAG：融入外部資訊，修正模型輸出，給模型裝靠譜大腦✅Agent智能體：讓AI自主幹活，通過工具呼叫（Tools）環境互動，多步推理完成複雜任務。比如做智能客服等等……✅微調：針對特定任務最佳化，讓模型適配業務目前，脈脈上有超過1000家企業發佈大模型相關崗位，人工智慧崗平均月薪7.8w！實習生日薪高達4000！遠超其他行業收入水平！技術的稀缺性，才是你「值錢」的關鍵！具備AI能力的程式設計師，比傳統開發高出不止一截！有的人早就轉行AI方向，拿到百萬年薪！👇🏻👇🏻AI浪潮，正在重構程式設計師的核心競爭力！現在入場，仍是最佳時機！ (AI寒武紀)

AI 將以多快的速度重塑經濟？2026 年 2 月 25 日，Anthropic 聯合創始人 Jack Clark 在接受《紐約時報》採訪時給出了直截了當的回答。他透露，在 Anthropic 內部，絕大多數程式碼已由 AI 完成，工程師的核心職責已從敲擊程式碼轉變為管理 AI。在 Jack Clark 看來，AI 已跨越了“說話者”的階段，正式成為“行動者”。然而，技術演進的速度，已經將企業常規的組織調整節奏遠遠甩在身後。這預示著一個必然的結局：當 AI 深度介入核心業務流程，企業所面臨的挑戰已不再是單純的降本增效，而是底層邏輯的全面重構。第一節｜AI 開始幹活了這種重構具體是什麼樣？Jack Clark 在採訪中分享了 Anthropic 內部正在發生的三件事：1、工程師寫程式碼的方式徹底變了。Jack Clark 自己就體驗過這種變化：他想做一個物種模擬器。如果放在過去，他自己手寫可能要花上幾天。但現在，他只需把想法告訴 Claude Code，十分鐘就跑出了結果，程式碼、環境、依賴包全部自動配置妥當。這是一種全新的工作模式：過去是人寫程式碼，現在是人提需求，AI 負責執行。2、一個人就能帶一支 AI 團隊。在 Anthropic，一位工程師日常工作時，往往會同時開著五六個 Claude。有的負責寫程式碼，有的負責改 bug，有的負責跑測試。一個人同時指揮多個 AI，就像在帶一支小型研發團隊。Jack Clark 明確表示：這就是他們公司現在的工作常態。3、AI 開始主動調整策略。在執行任務時，Claude 甚至會主動說：“這個方法可能不行，我換條路試試。”它能自主判斷問題、調整方向、尋找新的解決路徑。這意味著 AI 已經具備獨立推進任務的能力，而且這個變化來得比預期更快。Anthropic 內部的情況很能說明問題：就連 Claude Code 這個產品本身，也幾乎是 Claude 自己寫的。Jack Clark 提到，如果進展順利，到今年（2026）年底由 AI 完成的程式碼比例可能接近 99%。這三個變化，加上這組資料，指向了一個清晰的方向：AI 現在能獨立完成任務，能與其他 AI 協同，還能在執行中自我調整。當幹活的“人”變了，企業原有的組織架構和運轉邏輯必然要重構。第二節｜分工方式要重新劃線“AI 帶來的衝擊，不會直接從裁員開始，而是從重新分配工作開始。”這是 Jack Clark 在採訪裡反覆強調的一點。相比裁員，這聽起來可能沒那麼可怕，但這要求企業重新設計整套分工方式。1、初級工作正在快速消失過去企業的分工是：新人做基礎任務，中層推進項目，高層定方向。現在這套體系的基礎開始動搖。那些原本交給新人的瑣碎工作，交給 AI 之後完成得更快、出錯也更少。Anthropic CEO Dario 曾預測，AI 可能在幾年內取代一半的初級白領崗位。Jack Clark 自己的判斷更謹慎一些：三年後大學畢業生的失業率會更高，但不會高太多。具體多少崗位會消失，目前還說不清楚，但趨勢已經很明確。2、能給方向的人開始變得稀缺這帶來第二層變化：企業越來越看重一個人能不能把目標定義清楚，而不是只看執行能力。Clark 在採訪中說，真正有價值的人，能把任務說清楚，讓 AI 知道該做什麼。這種能力差異正在企業內部形成新的分化：會指揮 AI 幹活的人變得稀缺，而只會完成安排好的任務的人，發展空間越來越小。3、成長路徑正在改變年輕人該如何成為那種稀缺的人？傳統的路徑是從基礎任務開始積累經驗，但現在這些任務正在消失。Clark 觀察到，在 Anthropic 內部，成長最快的年輕人，正是那些從入行起就習慣與 AI 一起工作的人。他們從一開始就學會指揮 AI、與 AI 配合，在 AI 的輔助下完成更複雜的工作。企業未來的核心人才，可能就是最早掌握這種協作能力的年輕人。這場變革已經開始了。企業要不要裁員，那都是後面的事，當下更緊迫的是重新劃好人與 AI 的分工邊界。第三節｜組織運轉要跟上 AI 節奏當人和 AI 的分工邊界重新劃定後，下一個問題是：在這個新環境下，組織本身該怎麼運轉？1、加速的代價是失控Clark 發現，當工程團隊把大量執行環節交給 AI 後，最先改變的不是產能，是管理層對工作的掌握度。過去層層傳遞的流程，現在被 AI 自動完成，許多中間步驟不再需要人工確認。流程跑得更快了，但人能掌握的部分反而變少了。被問到是否擔心技術債累積、網路安全漏洞、對程式碼理解下降時，Clark 回答得很直接：擔心，而且整個社會都得面對這個問題。AI 寫的程式碼越多，工程師能直接掌握的就越少。過去企業靠繁瑣的流程保證質量，每個環節都有人把關，出問題能及時發現。但現在 AI 的執行速度太快，這種人工檢查的方式已經跟不上了。Clark 說，企業必須重新設計流程：讓 AI 把關鍵決策記錄下來，讓人隨時能看到 AI 在做什麼、為什麼這麼做。否則，組織會完全失去對自身流程的掌控。2、管理方式必須改變以前管理者的日常工作是什麼？協調團隊開會、跟進每個人的任務進度、催促延期的項目、整理匯報材料。這些事情佔據了管理者大部分時間。現在這些 AI 都能自動完成。它會自動提醒該開會了、自動發現某個任務卡住了、自動修正小問題，甚至自動生成進展報告發給所有人。那管理者還要做什麼？Clark 認為變成了三件事：一，確定優先順序。當 AI 提出五個方案時，那個最重要？這需要人的判斷。二，講清目的。AI 只能根據指令執行，但為什麼要做這件事、要達成什麼效果，必須人來說清楚。三，在關鍵節點做出取捨。比如產品該按時上線還是再打磨一周？這種權衡 AI 做不了。Clark 舉了個例子：有團隊專門訓練了一個監督 AI，它的工作就是盯著其他 AI 的輸出，檢查有沒有明顯錯誤。這樣一來，人不用再盯著每一行程式碼、每一個步驟，只需要在幾個關鍵決策點介入就夠了。組織的運轉邏輯變了：以前是人盯人，現在是人盯方向、AI 盯過程。3、真正的挑戰是速度差組織轉型真正難的地方在於速度跟不上。AI 的現在迭代是以“周”為單位的，一個新功能可能兩周就上線了。而傳統企業的組織架構調整往往是以“季度”甚至“年”為單位，改個流程、調個部門，半年過去了。這裡有三種速度在拉開差距：個人適應的速度：員工需要時間學習怎麼用 AI，怎麼和 AI 協作，這個過程可能要幾個月。企業和政策響應的速度：企業要開會討論、制定規則、調整考核，政府要研究、立法、監管，這個過程往往要一年甚至更久。AI 進步的速度：模型每幾個月就升級一次，能力不斷增強。過去的技術變革，時間往往站在人類這邊，給了緩衝期。蒸汽機出現後，工廠有幾十年時間慢慢適應。但這一次不一樣，等企業調整好組織架構，AI 可能已經又進化了好幾代，速度差只會讓衝擊變得更嚴重。這個速度差還在擴大，因為 AI 進化的速度在不斷加快。Clark 透露，Anthropic 正在監測“AI 開發 AI”的比例。什麼意思？就是 AI 不再只是幫人類寫程式碼，而是開始寫改進自己的程式碼。一旦 AI 開始大規模這麼做，它的迭代速度就不再受人類開發速度的限制了，會進入一個自我加速的循環。正因為看到了這種技術優勢，Anthropic 撤銷了 OpenAI 使用 Claude Code 的權限，不想讓競爭對手也快起來。速度，已經成為 AI 時代最關鍵的競爭力。這就是為什麼企業必須重構組織架構：不重構，就會永遠慢一拍。而 AI 的發展，只會越來越快。結語｜重新擺清人和 AI 的位置AI 已經開始幹活。在 Anthropic 內部，絕大多數程式碼已經由 AI 完成，如果一切順利，年底這個比例可能接近 99%。這帶來三層變化：第一，AI 正在接管執行層的工作。第二，企業的分工方式要重新劃線。第三，組織的運作節奏要跟上 AI 的速度。AI 的進化速度超過了企業的適應速度。那些會指揮 AI、能做出正確判斷的團隊，會佔據優勢。而堅持舊流程、舊分工的組織，會越來越被動。企業該改什麼？只有一件事：重新定義人該做什麼，AI 該做什麼。 (AI深度研究員)

作為特斯拉CEO，他直接在個人X帳號上發文，目標直指韓國半導體人才。沒有多餘鋪墊，沒有拐彎抹角，態度直白到毫不掩飾。2月19日，馬斯克分享了特斯拉韓國公司的招聘資訊，附帶16個韓國國旗表情。他甚至直接喊話：“來自韓國的工程師，加入特斯拉吧。”馬斯克的野心很明確，就是靠韓國人才，加速自研內部AI晶片。這些晶片，未來會用在特斯拉的自動駕駛汽車和人形機器人上。而且特斯拉的招聘不止於此，設計、軟體、系統架構等領域，都在擴大招人規模。更狠的是，特斯拉的篩選方式不走尋常路。應聘者不用提交冗長履歷，只需說明自己曾解決過的3個最困難技術問題即可。這種務實的方式，恰恰戳中了有實戰經驗的韓國工程師的痛點。不只是特斯拉，全球科技巨頭都在盯著韓國半導體人才這塊“肥肉”。輝達、Google、博通，一個個都拿出了殺手鐧。高薪、巨額股票補償，甚至提供前往矽谷工作的機會，誘惑力拉滿。分析師早就點明，AI半導體霸權的爭奪，早已變成了人才的爭奪。為了在AI競賽中不掉隊，這些巨頭必須把核心半導體技術攥在自己手裡。而韓國工程師，憑藉紮實的技術功底，成了他們精準獵殺的目標。這可急壞了韓國本土的半導體巨頭——三星電子和SK海力士。作為全球第一、第二大記憶體公司，它們是韓國半導體行業的支柱。即便如今處在AI驅動的半導體“超級周期”，盈利可觀，它們也坐不住了。最核心的擔憂，就是自家的關鍵人才被全球巨頭挖走。畢竟，比起全球巨頭開出的天價激勵，韓國本土企業的薪酬確實沒優勢。被逼到絕境，兩家公司只能緊急出手，推出留人政策。SK海力士率先改革薪酬體系，把年營業利潤的10%拿出來當績效獎金基金。更狠的是，直接取消了績效獎金的上限，就是想留住核心人才。三星電子也不甘示弱，不僅強化績效薪酬，還大幅上調了員工專利獎勵。最高等級專利的獎勵，從100萬韓元漲到150萬韓元，力度空前。業內人士直言，兩家公司的留人之戰，能不能奏效還是未知數。有人坦言，比起單純的薪資，研究自主權、項目規模更能打動人才。三星和SK海力士，能不能提供有吸引力的研究環境，才是關鍵。比起這兩家巨頭，韓國本土的中小材料、零部件和裝置公司，更慘。它們的員工基礎本就薄弱，人才儲備遠不如三星、SK海力士。如今全球巨頭和本土大廠雙重擠壓，它們的人才短缺已經到了臨界點。2月11日首爾舉辦的SEMICON Korea 2026展會，就暴露了這一困境。東京電子、ASM等全球裝置公司的展位前，擠滿了諮詢福利的工程師。這些公司甚至開出“按10分鐘遞增計算加班費”的福利，吸引力十足。而韓國本土的中小廠商，只能蜷縮在場館的偏僻角落，近乎“乞求”人才。根據韓國貿易、工業和能源部的統計，這些中小公司的人才流失更嚴重。有1到3年經驗的工程師，離職率是大型企業的兩倍多。大量受過專業培訓的技術工人，要麼去了三星、SK海力士，要麼被挖到海外。業內人士的擔憂，不是沒有道理。如果這些中小材料、零部件和裝置公司的人才基礎垮了，整個韓國半導體生態都會受影響。 (1 ic芯網)

輝達CEO黃仁勳上周親自出面宴請合作夥伴的工程師團隊，這一罕見舉動凸顯出下一代高頻寬記憶體HBM4對這家AI晶片巨頭的戰略重要性。隨著三星電子在HBM4競賽中率先出貨，SK海力士能否按時交付高性能產品，將直接影響輝達今年下半年推出的新一代AI加速器Vera Rubin的市場表現。2月14日晚間，黃仁勳現身輝達總部附近的一家韓式炸雞餐廳，花費約兩小時為30多名SK海力士和輝達工程師逐桌調製燒啤、敬酒致意。他反覆強調"我們是一個團隊"和"我為你們驕傲"，並敦促工程師們"通過不懈挑戰和努力交付非凡成果"，特別提及SK海力士承諾供應的第六代HBM4產品。這場臨時安排的聚會釋放出明確訊號：HBM4被輝達視為Vera Rubin加速器的關鍵差異化元件。輝達對HBM4供應商提出了"運行速度11 Gbps以上"和"頻寬3.0 TB/s以上"的規格要求，較競爭對手AMD的同類要求高出30%以上。行業分析師認為，黃仁勳的親自現身提升了SK海力士維持HBM4最大供應商地位的可能性。據行業消息人士透露，輝達去年12月初步分配了今年的HBM供應份額，SK海力士獲得55%以上，三星電子佔20%多至接近30%，美光科技約20%。雖然三星在技術競賽中的推進引發了份額變動的可能，但業內普遍認為SK海力士有望在第一季度完成質量最佳化後確保最大配額。罕見的"工程師外交"半導體行業將黃仁勳親自為合作夥伴工程師舉辦晚宴視為高度不尋常的舉動。這場聚會是黃仁勳上周臨時指示輝達員工"組織一場晚宴鼓勵SK海力士HBM工程師"後迅速安排的，凸顯SK海力士的HBM4對輝達未來業務的關鍵性。黃仁勳於當晚5點20分左右抵達位於聖克拉拉的99 Chicken餐廳。在晚宴臨近尾聲時的最後敬酒環節，他表示："AI加速器和HBM4代表了非凡的、世界上最具挑戰性的技術。我為所有夜以繼日工作的你們感到驕傲，我相信你們將交付卓越成果。"他補充道："我知道HBM4和Vera Rubin的開發時間表很緊，但我相信你們。現在是SK海力士和輝達共同向世界展示偉大的時刻。"SK海力士於2020年7月以HBM2E（第三代）產品正式進入輝達供應鏈，隨後成為HBM3（第四代）和HBM3E（第五代）的事實上獨家供應商，與台積電一起形成了被稱為"AI半導體三方聯盟"的緊密關係。技術門檻與時間壓力HBM4被視為決定輝達下一代AI加速器Vera Rubin性能表現的關鍵元件。Vera Rubin計畫於今年下半年推出，HBM4作為一種通過堆疊12層先進DRAM晶片製成的高性能記憶體模組，負責及時向處理計算的GPU提供海量資料。輝達對HBM4提出的規格要求遠超競爭對手。其要求的運行速度和頻寬指標比AMD對HBM4的要求高出30%以上，實際上將HBM4定位為Vera Rubin的關鍵差異化因素。與基本由SK海力士獨霸的HBM3E市場不同，將於下半年全面開啟的HBM4市場呈現出不同的競爭格局。三星電子於2月12日向輝達出貨了首批正式HBM4產品，成為行業首家，其產品運行速度達到11.7 Gbps（最高13 Gbps），頻寬為3.3 TB/s。SK海力士目前已確保HBM4性能達到11.7 Gbps或以上，正在向輝達批次供應付費樣品，同時進行性能最佳化工作。行業預計SK海力士將在近期獲得輝達的正式"批次供應"批准。在晚宴上，黃仁勳敦促SK海力士工程師"無延遲交付頂級性能的HBM4"。這一表態被解讀為對供應時間表的明確要求。HBM份額爭奪戰升溫隨著三星在HBM4技術競賽中取得進展，今年的供應份額分配可能出現變動。不過業內普遍認為，SK海力士在第一季度完成質量最佳化後，仍有很大機會確保最大配額。一位半導體行業消息人士向媒體解釋稱："三家記憶體製造商的最終HBM4最佳化工作要到3月左右才能完成。最近還出現了一種趨勢，即優先增加通用DRAM生產以提高盈利能力，而不是爭奪HBM市場份額。"據華爾街見聞此前文章，Evercore的調研還指出了產品代際演進的差異，一些業內人士強調了"minor"（小幅演進）和"major"（大幅演進）之間的區別。其中從H100到B100/B200被視為minor過渡，而到GB-Series機架級系統是major演進，從GB-Series到VR-Series是minor，但到Rubin Ultra的過渡伴隨著叢集規模從144擴大到576則是major升級。這場由黃仁勳親自主持的晚宴，既是對長期合作夥伴的認可，也是對關鍵供應鏈環節的督促。對於SK海力士而言，能否在激烈競爭中保持領先地位，未來數月的執行力將是決定性因素。 (華爾街見聞)

2月9日消息，據Teslarati報導，特斯拉CEO埃隆·馬斯克在採訪中表示，在蘋果公司開發其現已終止的電動汽車項目“Project Titan”期間，特斯拉的工程師每天都會拒接蘋果公司的電話。他表示，“蘋果公司像地毯式轟炸一樣向特斯拉打招聘電話，連面試都不面試就直接開出了特斯拉兩倍的薪酬。”早在 2022 年和 2023 年，蘋果公司就以高度保密的方式進行內部研發，希望在 2028 年推出配備完全自動駕駛套件的電動汽車。然而，蘋果公司在2024年初放棄了Project Titan，該公司在一封發給2000多名員工的郵件中宣佈終止該項目。外媒稱，蘋果竭盡所能開發一款有競爭力的電動汽車，以吸引購車者，包括試圖從特斯拉挖走頂尖人才。蘋果公司為其項目招募了一些前特斯拉員工，例如工程高級總監邁克爾·施韋庫奇博士，他最終離開了特斯拉，加入了 Archer Aviation 公司。外媒表示，特斯拉並未像對待其他公司那樣，就蘋果試圖挖走其員工一事對蘋果採取法律行動。此前，其電動汽車競爭對手Rivian在2020年曾表示，他們注意到蘋果存在“令人擔憂的挖角模式”。 (環球Tech)