AI浪潮下硅谷巨变:人才、组织、行业判断全改写!

手把手带你死磕ORBSLAM3源代码(一)目录详解 ORB-SLAM3是一种基于特征点的稀疏实时单目SLAM(Simultaneous Localization and Mapping)系统。它是ORB-SLAM系列模型的第三代版本,用于在无人机、机器人和增强现实等领域中进行实时定位和建图。ORB-SLAM3使用了一种特征点提取和描述算法,称为ORB(Oriented FAST and Rotated BRIEF)。该算法能够提取图像中的稳定特征,并将其用于地图建立和相机定位。 阅读详情

AI时代,硅谷判断迅速过期

所有人都在尝试建立关于AI的判断,但所有共识都在迅速过期。身处硅谷AI创业一线的马培元深有感触,他认为“野蛮生长的阶段已经过去了”。

马培元的职业轨迹

2021年12月,本科毕业后,马培元进入号称“美版知乎”的Quora,后转到AI聊天机器人聚合平台Poe,担任资深AI工程师。2个月前,他又加入硅谷热门的AI Agent创业公司之一Cognition。2026年5月,该公司宣布完成超10亿美元融资,估值升至260亿美元,8个月前其估值还是102亿美元。此外,马培元还是投资猎头,替投资机构寻找AI创业项目,每年有50万美元投资额度。毕业后四年多,他行动总比AI行业共识早,在“agent”定义未明时团队就已立项,Anthropic无名时成了Claude最早深度用户,他还是团队首个AI认证工程师等,并将工程团队变成AI Native团队。两周前,他说的“people manager正在消亡”被腾讯、字节取消中层新闻坐实。在这篇稿子两次访谈的两周间隙,马培元发现硅谷“追逐最贵最前沿模型”的逻辑站不住了,当下流行把多个便宜模型和顶尖模型“融合调度”使用。他几乎一直在推翻昨天的自己,硅谷也一样,在AI领域,很多判断可能一个月内就被推翻。

马培元眼中的10个硅谷AI观察

观察1:通才碾压专才

硅谷现在最抢手的是“每一项都过得去、没有明显短板”的“六边形战士”,即polyglot talent。2024年,Poe的“agent”项目挑中马培元,因其既做过AI,也做过全栈开发和iOS,而组里其他人多是传统背景,不懂前端代码。后来他“什么都会一点”的能力成了找工作的资本,能快速适应新领域,这正是早期创业公司所需。

观察2:AI原生技能,短时间碾压资历年限

AI工具使用能力能碾压传统资历。马培元从Quora广告组转去iOS组时,对iOS一窍不通,他把GPT - 4当搭档写代码,产出速度追平甚至超过资深工程师,两年内做到资深职位,这在传统晋升体系里几乎不可能。在Cognition,他遇到19岁面试官,这表明年龄不再是硅谷评判人才的标准。

观察3:招聘标准被彻底重写,AI公司不用同一套模板面试

马培元离职前面试近20家公司,算上电话沟通有30 - 40家,最多一周被30多个猎头找上门。他发现当下AI公司招人无统一面试模板,LeetCode式算法题重要性下降,AI系统设计最佳答案每月改变,面试结构也变了,在线笔试 + work trial成新组合,work trial是短“试用期面试”。对AI使用考察分两种模式,有些轮次必须用AI,有些禁止用AI。面试形式多样,如商业分析、行为面试也看成长轨迹判断“人生斜率”。没有标准答案,没人能靠背题拿offer。

AI重构组织结构

观察4:对“AI原生”太过渴求

硅谷公司对AI原生的渴求远超想象。马培元面试的多是A轮、B轮及种子轮公司,高频问题是用什么AI工具,他把自己博客给对方,对方常“目瞪口呆”。公司希望他推动内部AI转型,让团队更AI原生,也需要及时分享AI发现和提效技巧的人。他过去的“爱好”成了新组织角色,在Quora他让整个工程团队用上Claude Code。

观察5:“更好地去使用AI”,实质是个组织转型问题

在Cognition做AI工作时,马培元发现更好使用AI是组织架构转型问题。传统互联网公司修复Bug流程长,用AI写代码快,但整个流程要一个月。现在用Cognition的Devin,两三个小时就能完成过去几天的工作,还能省去很多协调环节,是AI在倒逼组织架构转型。

观察6:People manager正在消亡,管理者必须自己会写代码

所谓people manager即工程经理,过去流行管理者做好管理,工程能力不用强。但在Cognition,组织架构扁平化,马培元直接汇报对象是CPO,60多人的工程团队真正的people manager只有一个,其他人既管人也写代码。这可能是AI带来的组织架构变化,且国内大厂腾讯、字节也先后宣布取消中层。

AI时代,判断快速被推翻

观察7:Token Maxxing出现了分化,大公司开始重新关心效率

今年初,硅谷流行“Token - Maxxing”,Meta等公司做Token使用排行榜。但AI token使用量与工程师效率不等价,公开排名扭曲人的行为,出现荒诞情况。很多高层意识到问题,被账单吓到,如Uber 2026年前四个月就烧完全年AI专项预算,大公司开始重新限制Token用量。Cognition发布“AI生产力保证”,若企业客户使用Devin后效率提升未达承诺,最高赔偿1000万美金。不过,一些YC公司因有免费token额度且规模小,可能继续“token maxxing”模式。

观察8:模型崇拜本身也在被推翻

在两次访谈的两周间隙,马培元发现之前讲的道理不对了。两周前还在讨论最前沿模型,现在Cognition发布fusion mode功能,把多个便宜模型和顶尖模型融合调度,而非无脑用最贵的。模型迭代速度超出想象,很多情况可能一个月后就反转。

AI时代,“机会”藏在非共识里

观察9:新的AI infra正在出现

围绕“Token - Maxxing”出现新创业公司,观测、监控团队AI使用情况,分析token浪费处。因为AI agent脆弱,一个prompt微小变化可能使其表现变差,所以新的AI infra如sandbox出现,用于隔离agent运行。同时,“观测”更复杂,agent不“报错”但输出可能有问题,需要新软件监测。

观察10:“不可训练的东西”,正在成为新生意

投资圈认为vertical agent已失去投资价值,但马培元不完全同意。硅谷投资者郭睿提出“the untrainable”概念,认为垂直行业很多流程无法自动化,如美国报税、法律领域。垂直AI agent公司能在与客户、FDE互动中发现痛点,这些痛点会烙印在产品里,是通用模型无法替代的,所以vertical agent仍有投资价值,可能带来较稳较小回报。

身处AI浪潮中,你感受到的最大变化是?欢迎在评论区分享你的看法。

【同等学力】2005-数学⭐✨ 有r个正方形排成一行,今用红、黄、白、蓝四种颜色给这个r个正方形染色,每个正方形只能染一种颜色,如果要求染红、黄、白色的正方形分别至少出现一个,问有多少种不同的染法?3、(4分)设G是一个有n个结点m条边的连通简单平面图,若n≥3,则m≤3n-6.4、(4分)证明:任何连通简单平面图至少有一个结点的度数不超过5 阅读详情

相关推荐

Stata做DID平行趋势检验,用coefplot画图时遇到的3个坑及解决办法

本文详细解析了使用Stata进行DID平行趋势检验时,利用coefplot绘图可能遇到的三个常见问题及其解决方案。包括基线期选择陷阱、置信区间变形和图形元素错位,提供专业调试步骤和高阶技巧,帮助研究者高效完成学术级图表绘制。

weixin_42530458的博客 328

AI浪潮下硅谷巨变:人才、组织、行业判断全改写,新商机在哪?

面试结构也变了,在线笔试 + work trial成新组合,work trial是短“试用期面试”,有的3小时,有的5小时,最长一两天,比如直接给代码库让用工具包括AI解决实际问题,做完展示思路和成果,接近真实工作。2024年,Poe的“agent”项目挑中马培元,因他既做过AI,也做全栈开发和iOS,而组里其他人多是传统背景,不懂前端代码,agent需要前端界面能力,公司AI提示词工程人员离职后,他也能补上。很多公司做AI产品,但员工没建立AI工作流,也需要及时分享AI发现和提效技巧的人。

IT界那些事儿 26

NX二次开发新建组件

NXOpen新建组件

qq_39541524的博客 330

2025 AI人才狂潮:400万缺口下的全球抢人风暴,真心能冲一冲!

2025 AI人才狂潮:400万缺口下的全球抢人风暴,真心能冲一冲!

youmaob的博客 6689

TGRS 2026 即插即用 | 注意力篇 | SCFM:双向交叉显著性引导注意力,高层语义与低层细节的双向互补!

本文介绍了MPCNet中的语义引导交叉注意力融合模块(SCFM),该模块通过双向交叉显著性引导机制实现跨尺度特征融合。SCFM创新性地结合了高层语义和低层细节的互补信息,通过轻量局部空间注意力预增强和坐标注意力全局融合引导,显著提升了红外小目标检测的精度。实验表明,SCFM在多个数据集上达到SOTA性能,同时保持轻量高效的计算特性,支持端侧设备部署。 SCFM的核心贡献包括: 双向交叉显著性引导机制,实现语义与细节的互补融合 轻量局部空间注意力预增强模块,计算量仅为传统方法的1/10 坐标注意力全局融合引导

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 152

电能质量仿真:电能质量改善措施仿真_(12).电能质量改善措施综合仿真案例

假设我们有一个微电网系统,该系统包含分布式电源(如光伏板、风力发电机)、储能设备、负荷和电网连接。电压波动:由于负荷的波动和分布式电源的间歇性输出,系统电压出现了不稳定的情况。谐波污染:非线性负荷和逆变器的运行导致系统中出现了显著的谐波污染。频率偏差:分布式电源的波动和负荷的突变导致系统频率出现了偏差。我们需要通过仿真来评估这些问题的影响,并提出相应的改善措施。

2401_87715305的博客 1361

硅谷的「十万大裁员」:Meta按代码量裁员

硅谷AI浪潮下的"创造性破坏":2025年裁员潮深度解析 2025年硅谷正经历结构性调整,AI驱动裁员潮席卷科技行业。Salesforce、Meta、谷歌等巨头边裁边招,裁员策略甚至简单到按代码量决定名单,资源全面倾斜AI研发。Salesforce CEO贝尼奥夫直言AI已帮他减少4000个客服岗位,Meta则一边裁撤600名AI基础设施员工,一边保留顶尖AI团队。 现象背后呈现三大特征: 岗位替代性转移:传统客服、设计等基础岗位被裁撤,AI专家等高端人才需求激增; 战略重心重构:微软、

1183

基于SOLIDWORKS API的工业级插件开发指南

SOLIDWORKS API是基于COM技术的一套开发接口,支持C#、VB.NET等语言,用于自动化建模、属性管理、界面定制等功能。

举世誉之而不加劝,举世非之而不加沮,定乎内外之分,辩乎荣辱之境,斯已矣。 2752

AI驱动的超级个体:2026年一人公司浪潮与传统组织的重塑

【摘要】AI正从生产力工具演变为一种新型生产资本,催生了以“一人公司”为代表的微型组织形态。这不仅是创业模式的迭代,更是对传统科层制组织逻辑的根本性重塑。个体创业者正通过编排AI与外部资源,构建起一个以决策为核心、执行力可无限放大的“杠杆化系统”,预示着一个由超级个体驱动的商业新纪元。

欢迎来到运通链达的官方博客!我们深度探讨人工智能技术与应用,贯彻科技向善理念,推动科技进步与社会福祉和谐共生。 3177

【maven】idea左侧External Libraries里,没有Maven的依赖包 代码飘红

文章目录1.概述M.参考 1.概述 因为内网开发,然后这几天我被隔离了,然后公司搞了一个外网的vpn能连接的云桌面,云桌面也是网络隔离的,因此只能自己拷贝相关的文件到里面。 然后我就拷贝了代码和maven仓库中的一部分,因为本地的20G一次拷贝不完,需要多次拷贝,但是我拷贝了kafka,仍然飘红。具体如下 idea左侧External Libraries里,没有Maven的依赖包 然后整了很久都没搞定,后来我自己新建了一个项目,然后引入发现是不可以的,而且框框里面的飘红。 然后我就想是不是因为缺少依赖

九师兄 4412

捷联惯导,其实没有你想象的那么复杂!(附:惯导嵌入式应用中需要的一些C代码)

摘要:捷联惯导系统将惯性测量单元固连于运动载体,通过核心算法实现导航解算。系统首先进行传感器误差补偿和初始对准,然后利用陀螺和加速度计数据,通过姿态更新算法(如四元数法)计算载体相对于地理系的姿态。加速度数据经比力方程转换后积分得到速度和位置,过程中需补偿圆锥误差和划船效应。捷联惯导通过数字平台替代物理平台,实现了载体坐标系与导航坐标系的实时转换,是当前惯性导航系统的主流方案。

victoryqian528的博客 271

AI人才成全球“香饽饽”:硅谷亿元挖角不手软,国内校招30万起掀热潮

AI人才成全球“香饽饽”:硅谷亿元挖角不手软,国内校招30万起掀热潮

m0_48891301的博客 943

031、速度前馈与加速度前馈

摘要: 本文通过追剪机调试案例,阐述了速度前馈和加速度前馈在运动控制中的关键作用。前馈不是高级技巧,而是解决动态响应问题的必要手段:速度前馈通过预测速度变化提前补偿,加速度前馈则针对惯量变化提供力矩补偿。实现时需注意信号平滑处理,避免噪声放大。前馈与PID分工明确,前馈承担主要动态响应,PID处理残余误差。调试应先调前馈再微调PID,前馈增益需计算而非仅凭参数调整,并允许适当残余误差。前馈作为开环补偿不会影响系统稳定性,但需配合平滑的指令生成器使用。(149字)

m0_50546716的博客 294

《硅谷之谜》启示录

前辈吴军的《浪潮之巅》称得上是一部创业圣经,它记录了历次技术浪潮中改变世界的公司:Apple、Microsoft、Yahoo、Google、Facebook…从它们的沉浮中,我们可以试着理解每一家公司成功与失败。 分析单个公司的成败相对简单,因为它独一无二。但是,要理解孕育这些公司的硅谷,就比较难了。硅谷复杂太多,有着风格迥异的创业者和公司,还有不断演变的行业:从半导体,到P...

dichu2296的博客 217

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

本周AI资讯《人工智能的新浪潮:技术革新与行业冲击》

人工智能(AI)正以前所未有的速度改变世界。近期,几项重大新闻再次将AI推到了风口浪尖,从巨额投资到行业应用,从技术突破到对传统职业的挑战,AI的影响无处不在。本文将深入探讨四个关键新闻事件,分析它们对行业和社会的深远影响。

2401_82410658的博客 1322

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

硅谷AI人才之争,正在陷入疯狂!百万美元年薪随便开。。。。

来源:量子位硅谷AI人才之争,正在陷入疯狂。马斯克本人都亲自盖章:“这是我见过最疯狂的人才大战。”能有多疯?一方面,扎克伯格和谢尔盖·布林这样级别的大佬被曝正亲身参与到AI人才的争夺之中。据The Information消息,小扎已经干起了猎头的活儿:亲手写信给DeepMind的研究员,诚邀他们跳槽加盟Meta。布林这边流传出的消息则是,为了挽留即将离职转投OpenAI的员工,这位谷歌创始人亲自出...

深度学习技术前沿 188

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

【珍藏必看】AI时代的职场地震:硅谷十万程序员遭“代码量裁员“潮,技术人如何自救?

2025年硅谷AI裁员潮席卷科技行业,Meta、谷歌等巨头一边裁减传统岗位一边争抢AI人才。这场裁员不仅是成本削减,更是企业为适应AI时代进行的战略重组。数据显示2024年全球科技行业裁员超15万,2025年继续蔓延。AI正重塑就业格局:基层岗位被自动化压缩,而顶尖AI人才需求激增。初创企业和传统行业同样受冲击,反映出AI对就业市场的深远影响。这场变革既带来挑战,也孕育着转型机遇,掌握AI技能或将成为职场生存新法则。

优快云_430422的博客 1125

2025年科技行业裁员潮中,AI人才成香饽饽!微软、谷歌、Meta战略聚焦AI,薪资飙升50%以上!

2025年全球科技行业裁员超6.2万人,主要集中于非AI岗位,而AI人才招聘热度持续攀升。微软、谷歌、Meta等巨头纷纷调整战略,将资源聚焦于AI和大模型项目,导致AI工程师、机器学习专家等岗位薪资大幅上涨,部分达50万以上,资深专家甚至接近百万级。这表明掌握AI和大模型技术已成为职场稳定和高薪的关键,为IT人才提供了新的发展机遇。

2401_85328934的博客 1116

AI浪潮如何搅动数字IC行业风云?浅谈AI行业对于数字IC前端行业的影响及其发展趋势的分析报告

摘要:2025年科技行业裁员潮下,AI正深刻改变芯片设计行业。主要EDA厂商(如Synopsys、Cadence)纷纷推出AI驱动工具,实现设计流程自动化,提升效率3-30倍。AI主要替代重复性工作,但催生了新架构芯片需求,促使IC人才向系统级创新转型。分析表明,AI不会减少岗位总量,反而因AI芯片需求激增和新工具链需求创造更多就业机会。工程师需拥抱AI工具,培养问题拆解能力,从执行者转变为创新者。行业共识是:AI将重塑而非取代IC人才需求结构。

m0_71322503的博客 1359

AI 人才争夺战白热化,数据资产行业迎核心人才布局新机遇

全球AI人才争夺战已升级为城市和国家战略,京沪深领跑国内,合肥、杭州等二线城市差异化竞争。AI人才是激活数据价值、推动技术落地的核心,各城市争夺实质是对数据与AI融合资源的抢占。北京聚焦底层技术,上海吸引场景落地人才,深圳卡位硬科技融合,二线城市填补细分领域空白。

DAC_2025的博客 359

大厂AI校招薪资飙升,顶尖博士年薪近200万,揭秘AI人才争夺战!

近日,一则关于95后“AI才女”罗福莉加入小米的消息引发业内广泛关注。作为DeepSeek-V2关键开发者之一,她在国际顶会发表过8篇论文,传闻雷军亲自出面以千万年薪招揽。这并非个例。在今年的校招季中,阿里巴巴、百度、腾讯、字节跳动等大厂不约而同地大幅提升AI岗位比例,百度2026届秋招中AI岗位占比超90%,阿里相关岗位占比也超过60%。

Trb201013的博客 1717

2025年人工智能 AI对各行业的变革:机遇、挑战与后续发展趋势

AI已深度融入各行业,2025年成为重要基础设施。科技领域加速科研突破,制造业生产效率提升47%,农业实现智能种植,服务业优化流程效率。医疗AI普及率达60%,教育实现个性化教学。AI带来生产力革命,但面临就业替代、伦理风险和发展不均衡等挑战。未来趋势包括垂直领域深耕、治理框架完善和人机协同模式普及。核心在于构建"技术赋能-人类创新-制度保障"的平衡体系,推动AI作为创造力放大器而非替代者,助力智能经济发展。

mg668的博客 3031

全球 AI 人才争夺战:大模型成核心,学习大模型技能助你抢占高薪先机

全球 AI 人才争夺战:大模型成核心,学习大模型技能助你抢占高薪先机

youmaob的博客 840

预防式裁员:AI替代拐点下,硅谷如何重构组织与岗位

当大模型能力跨越代际阈值,企业组织形态正从“人海协同”转向“人机协同”。预防式裁员不同于传统降本增效,它依据任务可替代率提前裁撤未来冗余岗位,本质是组织对AI替代趋势的主动响应。资本市场为此给出正向定价,因为利润结构优化与AI成本节约预期,往往比短期营收波动更具吸引力。从任务拆解到组织冗余度评估,再到未来组织图推演,三层漏斗筛选正在重塑人力配置逻辑。对普通职场人而言,真正的安全不是岗位延续,而是将价值从执行层迁移到定义层,成为能设计AI协作流程的复合型人才。理解这一轮组织重构的方向,才能在大模型驱动的效率革

weixin_42510243的博客 215

硅谷AI发展简史:AI和区块链都是死路一条?

20世纪80年代,有一个叫作硅谷的神奇之地。那里即将发生很多奇妙的事情,很多人将在那里赚得盆满钵满。这一切都与计算机奇迹有关,而这些奇迹将改变一切。\n\n计算机可以用来做很多事情:彻底改变我们的办公方式、通过电脑游戏来达到娱乐的目的、改变我们沟通、购物和使用银行系统的方式。但在那时,计算机非常笨拙,不仅速度慢还很昂贵。虽然有这样的希望,但除非计算机的速度可以得到数量级的提升,并且价格变得更便宜,...

nostrud ipsum6 337

阿里AI三连发重磅亮相世界人工智能大会,全栈AI为开源开放提速

在本届世界人工智能大会展区,阿里巴巴全面展示了从AI基础设施到大模型再到平台及应用的“全栈AI”能力。

优快云资讯 6709
上一篇: Claude Code 之父访谈:大胆删除、解缚模型,给出产品迭代与编程学习建议
下一篇: 灵心巧手估值逼近400亿,“卖铲人”打法能否突围具身智能量产困境?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值