AI正在把汽车工程师分成两种人:年薪翻倍的,和即将失业的

AI正在把汽车工程师分成两种人：年薪翻倍的，和即将失业的

最近半年，我亲眼目睹了一个趋势的加速。

我认识的两个底盘工程师，一个在去年年中跳槽，年薪涨了40%，新东家给了专家title，专门负责AI在底盘域的应用落地。另一个，上个月被裁了，理由很简单——他所在的功能测试团队，从12个人缩减到了4个人，而产出几乎没变。

他们俩同岁，同年入行，一个普通大学，一个211硕士。论基础，被裁的那位甚至更扎实。

区别只在于一件事：有没有在AI到来时，主动把自己的工作内容往上挪了一层。

这不是个案。我在博世和大众带过的团队加起来上百人，最近和同行聊了一圈，一个清晰的图景浮出水面：AI不是来替代汽车工程师的，但它在用一种残酷的方式重新定价每一个人。有人在往上走，有人在往下掉，中间地带正在消失。

01 首先认清一个现实：哪些岗位正在被AI啃掉？

不要自欺欺人。下面这些工作内容，AI已经能做到“可用”甚至“优秀”的程度，而且它不知疲倦、不会离职、学习速度惊人：

第一类：需求文档的撰写和翻译。把整车级功能需求拆解成子系统需求，按照ASPICE模板逐条撰写——这是很多系统工程师30%的工作量。现在，只要给AI一份整车需求和边界条件，它能在几分钟内生成一份格式规范、逻辑自洽的初稿。你变成了“评审者”而不是“生产者”。问题是，一个团队里，不需要10个评审者。

第二类：测试用例的生成和执行。HIL（硬件在环测试）的测试脚本、回归测试的用例覆盖、基于故障码的排查手册——这些高度结构化的输出，AI极擅长。某家Tier 1的朋友告诉我，他们用AI生成测试用例后，测试准备时间缩短了60%，这意味着原来需要5个测试工程师的活，现在2个就够了。

第三类：竞品分析和信息归纳。以前拆车、倒推技术方案，靠的是老师傅的经验。现在把竞品的用户手册、维修手册、公开技术资料喂给AI，它能快速推断对方的传感器配置、控制策略，甚至能识别出宣传文案和实测数据之间的矛盾。这个能力，过去需要5到10年的积累，现在AI用一次训练就能接近。

第四类：流程中的“中间件”。在大型主机厂和供应商里，有大量岗位本质上是“信息传递者”——把A部门的语言翻译成B部门的语言，再把B的反馈格式化后传给A。这类工作不产生新的价值，只解决信息不对称。AI最擅长的，就是用零边际成本解决信息不对称。

结论很扎心：如果你的工作80%是在处理信息、整理文档、按模板输出、或者在不同部门间传递需求，你就处在高危区。这种工作本质上就是“格式转换”加“模式识别”，而AI在这两件事上已经超过了大部分人。

---

02 那为什么有人年薪翻倍了？

诡异的是，就在这些岗位被AI蚕食的同时，另一群人正在变得比以前更值钱。

我看到的年薪翻倍案例，都有如下共同特征：他们不是AI用得最好的人，而是AI最难以模仿其“判断链”的人。

什么叫判断链？举个例子：

一辆试制车在极限工况测试中出现偶发性的制动抖动。AI可以瞬间列出12个可能原因，并按概率排序。但它无法回答这个问题：**距离SOP只剩三周，是冒着延期风险彻底排查，还是先加软件补丁限制风险保交付？**

这个决策的背后，是对用户安全的判断、对品牌声誉的权衡、对召回成本的计算、对不同市场法规的认知、甚至是对老板隐性预期的拿捏。这些信息，从来没有被完整地文档化过，它们存在于核心团队的脑子里，存在于无数次跨部门撕扯后形成的默契里。

AI可以给你一百个答案，但它无法为任何一个答案负责。

年薪翻倍的人，他们的核心竞争力不再是可以多快写完一份需求文档、多熟练地操作某个标定工具，而是：

这些能力，AI暂时够不到，而且看起来相当长一段时间内都够不到。

---

过去的汽车行业，是一个有巨大“中间地带”的行业。

你不需要特别出色，只要熟练掌握某个细分领域的流程和工具，就可以一直稳定地干到退休。一个只会写某个ECU的功能需求、只会标定某个特定工况的工程师，也能拿一份体面的薪水。

AI正在摧毁这个中间地带。

因为AI对“合格线”的定义是动态上升的。去年你靠手动写需求文档还能混，今年AI的初稿质量已经超过了一个工作三年的工程师。明年呢？后年呢？

当AI把“及格”拉到一个人靠努力也追不上的高度时，中间地带就消失了。剩下的只有两种人：被AI替代的人，和指挥AI的人。

指挥AI的人，就是年薪翻倍的那一批。他们的共性是什么？

第一，他们不跟AI比效率，而是利用AI的效率。他们让AI干粗活，自己把时间省下来做AI干不了的事：和供应商谈判、在架构层面做取舍、从0到1定义一个新功能。

第二，他们的能力是“跨域”的，而不是“单点”的。一个只懂底盘的人，AI替代他的概率远高于一个同时理解底盘、智驾、座舱三者交互逻辑的人。因为跨域的复杂度是指数级上升的，AI目前还处理不了这种“多目标、多约束、多利益方”的混沌问题。

第三，他们拥有“软技能”的硬实力。团队信任、向上管理、跨部门影响力、在混乱中建立秩序的能力——这些曾经被认为是“务虚”的东西，现在成为了职业安全的最后一道高墙。因为AI再强，也无法取代一个能稳住团队、搞定老板、推动决策的人。

---

说了这么多焦虑的，最后给几条具体的建议。

第一条：立刻做一个“替代性测试”。把你最近一个月的工作内容全部列出来，逐条问自己：“这件事AI能干吗？如果能，干得有我好吗？”如果超过60%的工作AI已经能做或者很快就能做，你就要拉警报了。别骗自己，诚实地列。

第二条：从“我懂什么”转向“我解决过什么”。简历上不要再堆砌“精通XX工具”、“熟悉XX标准”。改为描述你解决过的最棘手的问题是什么、你在其中做了什么不可替代的判断、这个判断带来了什么结果。问题越复杂、约束越多、信息越不完整，你的价值就越高。

第三条：主动承担一个AI无法承担的责任。可以是主导一个跨部门的架构决策、可以是带一个新人、可以是推动一项被卡住很久的技术方案落地。做那些“做好了没有功劳、做砸了要背锅”的事——这些事才是人类工程师最后的堡垒。因为AI永远不会背锅，也永远不会主动站出来说“这件事我来负责”。

---

最后说一句。

过去我们总崇拜“硬核技术”，觉得代码写得好、标定调得准才是真本事。这个逻辑正在逆转。

当AI可以写代码、做标定、生成文档、分析数据时，真正稀缺的能力变成了：在模糊中判断、在压力下决策、在不同利益之间权衡、以及让一群人愿意跟着你干。

技术可以复制，判断力不能。

这就是那道正在把我们所有人分成两拨的分水岭。你站哪边？