新智元報道

編輯：KingHZ

七歲學音樂，劍橋讀碩期間組樂隊，Alexander Cobb一度以為音樂是畢生摯愛。但奧特曼的一場演講，當頭一棒，讓他醍醐灌頂：果斷自學編程搞AI，十個月后投身創業，堅信AI是新的「互聯網」，終將掀起第四次工業革命。

搞音樂不如搞AI！

劍橋英倫音樂才子，撕毀唱片合約，押注AI革命。

95后音樂才俊Alexander Cobb本要開啟人生巔峰——

與唱片公司簽約、音樂作品播放量破萬，一腳踏入娛樂圈，從此星途坦蕩。

但OpenAI奧特曼一場演講，讓他在命運的分岔口，選擇撕掉合約，孤身投身編程：

瘋狂自學十月，從哈佛大學CS50到黑客松全勝；

從頭開始創業，誓要在AI熱潮中披荊斬棘、乘風破浪。

在他心中，這不是一時沖動，而是在AI沖擊下的明智之選。

劍橋學霸撕掉唱片合約

All in AI！

2023年11月1日，OpenAI CEO奧特曼訪問劍橋大學。

正是這場演講，讓在場的小有名氣的音樂人Alexander Cobb撕掉唱片合約，All in AI。

音樂，也曾是一生所愛

從7歲左右，Alexander Cobb開始上音樂課。在劍橋大學攻讀經濟學碩士期間，他還組建了樂隊并策劃演出。

他融合了演唱和說唱，創作了多元舞曲，在Spotify和YouTube上獲得了數萬次的播放和瀏覽。

2021年，他簽約了一家同步授權唱片公司——這意味著歌曲可以被用于廣告、電視劇和電影中。

音樂曾是他的全部、他的摯愛。

然后，在劍橋大學攻讀經濟學的最后一年，他聽了奧特曼的演講。

來演講時，奧特曼遠沒有現在這么出名，但直覺告訴Alexander Cobb應該去聽聽。

當時，他對人工智能并無特別興趣：

ChatGPT剛問世一年左右，給他感覺就像聊天機器人一樣永遠也解決不了問題。

有些反諷的是，改變他心態的并非奧特曼演講本身，而是現場觀眾的提問。

在場的學生和教授，來自不同背景，熱烈探討巨大的社會變革。比如，當AI導致80%的人失業時會發生什么。

無論是否相信這會發生，如此多的人如此嚴肅地探討AI的潛力，他意識到：也許，現在應該開始認真關注AI了。

AI就是新「互聯網」

互聯網浪潮興起時，許多人創立公司并迅速獲得成功。他錯過了那一次。但如今，在二十多歲的時候，他恰好站在了AI浪潮的起點。

Alexander Cobb判斷：

投身AI創業的黃金窗口期可能就十年，機不可失、時不再來。

而音樂，在未來的五十年里它依然會在那里等著我。

在倫敦帝國理工學院讀數學本科時，他學會了編程，還搭建過神經網絡。但淺嘗輒止之后，他就去搞音樂或學業了。

聽完奧特曼的演講后，一切都不同了。他開始花大量時間研究AI——逛Reddit論壇，刷Hacker News，研究該學哪些編程語言。

他清楚地知道他面前有兩條路：

要么畢業后去追尋熱情所在——音樂；

要么就去擁抱這股全新的、巨大的浪潮。憑借學術背景，他在AI領域也大有可為。

他果斷選擇了AI。

把編程當工作，押注第四次工業革命

2024年7月期末考結束后，他狂歡了兩周，然后便一頭扎進了編程學習中。

他把編程當作一份全職工作，連續十個月，幾乎每天從早上9點學到晚上6點。

他放棄了音樂，專注于掌握編程，以便在合適的時機進入AI領域。

從哈佛大學的計算機科學導論課CS50開始，他學習了C、Python、Javascript、HTML和CSS。

接著，他通過開源全棧網頁課程The Odin Project學習。

開源鏈接：https://github.com/theodinproject

這是互聯網上的免費學習資源，教學質量堪比他在帝國理工和劍橋所受的教育，因為它強調「在實踐中學習」。

之后，他又參加了一個為期三周的Typescript課程。

在AI Engine黑客松上，Alexander Cobb（左二）領獎

他的大多數朋友一畢業就直接進了大公司。當他們在職場上賺錢晉升時，他還在學習，干著大學時的副業。父母也勸他去找份工作。

但是，把職業生涯交到別人手里的想法讓他感到恐懼。盡管感覺自己落后了，但他鐵了心要自己做點東西。

過去幾個月，他開發應用程序、參加黑客松。這兩件事都樂趣無窮——他贏了參加的三次黑客馬拉松。

現在，他開始了AI創業，整天都在編程。

聯合創始人正在用自有資金支持項目啟動。最棒的是，他現在能領到薪水，可以全身心投入到AI中。

每天早上醒來，他都迫不及待地想奔向辦公桌。

他向來很執著。過去，他把這股勁頭傾注在寫歌上；現在，則全部投入到創業中。

雖然不再做音樂讓他有些傷感，但寫代碼的樂趣絲毫不減。

擱置音樂夢想，是他下的一場賭注：賭AI將成為有史以來最重要的技術之一。

他堅信它將引發第四次工業革命，其影響力將媲美甚至超越互聯網：

十年之內，AI將滲透到社會的方方面面。

不是他一個人這么想，。

即便是就業市場，AI崗位起薪也更高，哪怕只是會用AI也能大賺特賺。

AI原住民大賺特賺

年薪百萬不是夢

當美國大學畢業生失業率飆至4.8%的寒冬之際，一群20歲出頭的「AI原住民」正掀起薪酬風暴：

零經驗新人年薪百萬美元，

初級崗位薪資年增12%，

晉升速度兩倍于傳統技術崗。

這不是職場進化，而是AI革命下的殘酷洗牌。

美國年輕人找工作，正持續經歷職場寒冬：

根據紐約聯邦儲備銀行的數據，今年6月，美國大學應屆畢業生的失業率高達4.8%，而全體勞動者的失業率才4%。

盡管AI是造成就業難的原因之一，但對于那些真正擁有機器學習經驗的人才來說，這卻是一個黃金時代。

他們大多20出頭，身懷AI絕技，其中不少人年薪已高達100萬美元。

根據AI人才服務公司Burtch Works的最新報告，在2024至2025年間，0至3年的AI非管理崗員工的基礎薪資增長了約12%。

報告還發現，擁有AI經驗的人晉升到管理崗位的速度，幾乎是其他技術領域同行的兩倍。

在2018年，馬里蘭大學開始追蹤AI崗位的情況。

UMD-linkUp AI Maps：世界上首個繪制AI職位地圖的項目

教授Anil K. Gupta是該項目的聯合負責人表示：

「機器學習工程師與軟件工程師的薪資，存在天壤之別。」

擁抱AI，美國科技公司偏愛AI原住民

在AI熱潮中，數據分析軟件公司Databricks市值飆升。

他們計劃將今年的應屆生招聘名額增加兩倍。在一定程度上，這正是看中了應屆生對AI的天然熟悉度。

此公司CEO Ali Ghodsi坦言：

他們一進來就是「AI原住民」。

而我們想盡辦法，也無法讓那些老員工擁抱AI。

根據Databricks的招聘頁面，一名僅有兩年經驗的生成式AI研究員，其基礎年薪便可達到19萬至26萬美元。如果算上股票期權，總薪酬將遠高于此。

Databricks的CEO兼聯合創始人Ghodsi說：「25歲以下，年薪百萬完全可能。」

最近，meta完成了對Scale AI的「人才收購」。Scale AI員工中，約有15%在25歲以下。一名剛畢業的應屆生，在Scale AI的起步基礎年薪就能達到20萬美元左右，真正的「百萬年薪」。

Scale AI的人事主管Ashli Shiftan說：

我們渴望招聘「AI原住民」，而這些人才大多處于職業生涯早期。

有些公司甚至試圖挖走他們的年輕人才。對此，Scale AI甚至不惜威脅要采取法律行動。

去年12月，Lily Ma從卡內基梅隆大學計算機科學專業（AI方向）畢業。她總共投了三四十份簡歷，獲得了十幾家公司的面試機會。她說：「我確實發現，有研究經歷會非常有幫助」。

這位22歲的年輕人最終入職了Scale AI，但也拒絕了一些極具誘惑力的offer，其中包括一家初創公司提供的1%公司股份。

斯坦福大學計算機科學教授、AI初創的聯合創始人Jure Leskovec表示：

即便是在AI人才內部，市場也出現了分化。

他看到，在研究上取得突破后，一些20出頭的博士生便提前輟學，在毫無工作經驗的情況下，就被各大公司以天價offer搶走，「薪酬報價后面的零多得驚人。」

另一類則是那些善于應用AI工具的人才。他們學得快、思維敏捷，能利用技術極大提升工作效率。他表示，盡管他們沒有高階學位，但與傳統程序員之間的能力差距正在不斷拉大。

Jure Leskovec補充道：「他們幾乎可以說是下一代軟件工程師。」

如此「錢途」，如何上崗？

上岸AI崗位建議

2022年，正值ChatGPT掀起AI浪潮，Manoj Tumu開始了他的碩士之旅。

憑借高中時積累的大學學分，他只花一年就拿下了本科學位。之后。一邊全職做工程師，一邊攻讀AI碩士。畢業后，他順利加入亞馬遜，成為一名機器學習軟件工程師。

九個月后，他看到了更吸引自己的機會——meta正在推進許多前沿的機器學習項目。

今年六月，他正式加入meta，擔任機器學習軟件工程師，總包超過40萬美元。

對于想進入這個領域的人，他有一些干貨建議。

1. 看懂機器學習的「風向」。

機器學習崗位在不同公司有不同名稱：研究科學家、應用科學家、軟件工程師、機器學習工程師……

但核心在變：

過去，傳統方法依賴人工定義特征；

而現在，全面轉向深度學習——讓機器自己從數據中學習。

他提醒：必須持續讀論文、跟進展，否則很快掉隊。

2. 大學期間，想盡辦法去實習。

他幾乎沒有靠內推，多數申請都是官網海投。

但他強調：簡歷上最亮眼的是經驗，而不是項目或編程語言列表。

一旦你有2-3年工作經驗，請果斷刪掉項目經歷，重點突出職業經驗。

3. 面試心法：行為面試千萬別「裸考」。

大廠的面試流程很類似：初篩 + 4-6輪技術面（編程、機器學習、行為問題）。

他特別指出：很多人敗在行為面試。（相當于國內的性格測試+壓力面）

他的方法是：提前研究公司價值觀，為每個問題預先準備好故事案例。

4. 最后一條：找實習工作，別只看錢。

他建議：哪怕薪水低、崗位不理想，也要盡量去實習。

他曾經放棄高薪的軟件開發崗，選擇低薪的機器學習工作——正是這個選擇，為他日后進入亞馬遜和meta鋪平了道路。

在AI高速發展的今天，跟上技術趨勢+積累實戰經驗+精準準備面試，比單純刷題和堆項目更有用。

關鍵不是一開始多光鮮，而是你是否走在正確的方向上。

參考資料：

https://www.wsj.com/tech/ai/ai-jobs-entry-level-salary-ab2a11c0

https://www.businessinsider.com/ai-career-plans-learned-code-after-seeing-sam-altman-talk-2025-8

https://www.businessinsider.com/quit-amazon-took-meta-ai-offer-how-to-land-job-2025-8