软件工程师是所有白领职业中在职时间最短的群体——平均每家公司任职约两年，几乎是其他知识型员工的一半。近几年的裁员潮确实加剧了这种职业流动性，但事实上，这种不稳定性早已根深蒂固。不过，本文并非控诉一个破碎的就业市场，而是探讨如何将这种不稳定转化为你的竞争优势。过去十年，我一直有意识地践行这一理念。

谨慎行事往往是最危险的选择

我在30多岁时转行进入软件开发领域。当时我在一所社区大学拥有稳定的工作，享有工会保障和养老金，堪称职业生涯中最安全的选择。我一边工作一边学习编程，随后做出了一件几乎所有人都认为鲁莽的决定：辞职离开安稳环境，在31岁那年成为一名初级开发人员。连我母亲都对此表示质疑。但我仍然接受了这份风险更大的工作，原因很简单——这是我真正想做的事，而且我看到了其中的潜在机会。

我的第一份开发工作在一家杂货零售商，同事相处融洽，公司氛围也很好。但我不断遇到做着同样工作的工程师，薪资却是我的两倍。身处旧金山湾区，周围全是顶尖工程人才，我意识到自己的技能正停滞不前。于是，我跳槽到一家小型初创公司。九个月里学到的内容比前两年还多，薪水也翻了一番。

这些年，我逐渐将职业风险视为需要刻意管理的事项。它大致可分为两类。

在工作中主动承担风险

第一种风险直接与工作内容相关：通过争取更好的角色和机会，押注自己的成长。

纯粹为了薪资跳槽并无不妥，尤其在职业生涯早期。但跳槽几次之后，回报会逐渐递减，每年追逐更高薪水的压力也会让人疲惫不堪。另一种更优的职业风险与回报组合方式，是寻找那些能让你与最优秀的工程师并肩工作的职位。

你可能会跟不上节奏，甚至面临被解雇的风险。但正是在与比你优秀的人共事过程中习得的技能，才能带来持久的职业稳定。你积累的是市场真正需要的能力，了解不同组织的运作方式，每一个项目都会成为你抓住下一个机会的跳板。与更强的工程师共事，是提升自身专业能力最有效的途径。

如果觉得这个挑战太大，不妨先志愿参与一个你完全不知道如何完成的项目。风险在于可能在众人面前失败，而奖励则是一项新技能和一条能开启下一扇门的简历。

对比一下“安全”路径：你留在一家公司，假设忠诚会得到回报。但现实往往并非如此。当你最终离开时——无论自愿与否——你可能会发现，自己培养的技能在公开市场上毫无价值。你成为老化技术栈的内部专家，而雇主正在招聘更前沿的技术人才。突然之间，你不得不与只有你一半经验的人竞争。你一直以为自己规避了风险，实际上却在承担你没有意识到的风险。

以时间冒险

第二种职业风险的形式是用时间冒险，也就是押注技术趋势。

有些趋势是毋庸置疑的。作为一名软件工程师，云计算服务、ReactJS 和人工智能已经足够主流，忽视它们会严重损害你的职业前景。一位拒绝学习云架构的后端工程师，无异于在主动淘汰自己。

真正值得冒险的是那些较小的趋势：你偶然发现一个有趣的利基工具，但不确定其重要性。大约两年半前，我接触到了检索增强生成（RAG），当时我的圈子里几乎没人讨论矢量数据库（RAG的核心组件）。如今RAG已接近主流，而我已经获得了早期采用者的先发优势。

大多数这类赌注都不会成功。但一旦某个趋势成为主流，你就已经站在了底层基础之上。现在我对语音人工智能下了同样的赌注。它还不是主流，也许永远不会。但如果它成为下一个风口，我已经在那里奠定了基础。

短期风险，长期稳定

与直觉相反，跳槽和押注趋势给了我一直在追求的东西：职业稳定。我很少为找工作发愁，因为每一次冒险的举动都让我积累了市场真正需求的技能。

如果你现在感到稳定且舒适，那就尽情享受吧。但请问问自己是否仍在学习。因为如果不学习，舒适的选择和危险的选择可能就会变成同一回事。

目标不是永远避开公开市场，而是确保当你置身其中时，不会受制于它。

作者：布莱恩·詹尼

直到最近，人类数学家始终是创造新证明的核心，尽管这项工作依赖大量计算资源。人工智能正在挑战这一现状。作家本杰明·斯库斯调研了该领域关于人工智能角色的争论，以及数学家对自身职业前景的存在主义思考：如果AI数学家超越了人类的知识边界，这些研究人员是否会沦为“神谕的牧师”？

加州大学洛杉矶分校与五家主要半导体公司建立了新的合作伙伴关系，这是旨在缩小工业界与学术界差距的最新举措。这个耗资1.25亿美元的大学产业中心，致力于加强合作并加速研发流程，以帮助满足人工智能对硬件快速迭代的需求。

真正的指导远不止是友善的建议。这项关键的领导技能需要通过持久的关系、宣传和诚实的反馈来培养，它能使导师和受训者双方受益。德勤的产品管理负责人Parul Jain分享了她从担任导师中学到的经验——而这些正是她自己在早期职业生涯中大部分时间里都未曾获得的。