有人說做機械設計，汽車行業的傳統技術工作已經跟不上潮流。
那麼製造業的潮流是什麼？
新能源技術，無人駕駛，人工智能...
也別說的這麼高level，還不是嫌棄汽車行業某些公司和崗位的工資低。倘若把你安排到某眾，實習定崗做什麼你好像都能接受吧？
身邊的同事，同學有不少人跳槽到威馬，蔚來，小鵬等互聯網車企，工作7年的普本生，基於高負荷的工作在一線稅前拿到30幾萬，這些不算很多，從傳統技術崗角度評價，倒也基本追平了同工齡去合資的人 （例如日產，基本也是30萬左右）。
無論如何，我們畢業多年，真的對潮流望塵莫及。
聽到這些，職場新人我衷心的建議幾點：
第一，傳統技術崗不會為你帶來大的薪資改變，那些去了互聯網車企的人，未必乾的是新能源，無人駕駛技術，很可能只是換公司不換崗。所以薪資普遍並沒有我之前提到的電子，軟件方向的高。
第二，你嫌棄的工資低，應該是未來五年左右的薪資水平，而不應是畢業時的數字，車企沒有捆綁終身的合同，別人走的路，你也會走。
第三，起薪低不能成為瓶頸，例如普本今年給到月薪5000和985研究生給到8000左右，這些差距沒有比較的必要，因為你們的慾望都不止於此。
總而言之，無論研發還是製造技術，不同崗位之間，一般五年之後的差距才真正明顯。雖然你我當初底薪相近，或者差2000元左右，但隨著崗位的“價值差異”，升職，跳槽機遇等，幾年之後如果不繼續強勢，合資人很可能被超越，普本生依然還會嫌棄自己的薪資。
所以，不希望你的工資低，重點應在接下來的五年
亞里士多德說：人是被習慣所塑造的。
從容的接受也好，急躁的去改變也罷，你怎樣度過職場的一天，就怎樣度過接下來的幾年，甚至整個職業生涯。
我認為真正完美的職業生涯，應該是你認清了職場那些糟糕的現實後，不能愛上它，就努力改變它。
所以，只有持續學習的習慣，才可能塑造一個不嫌棄工資低的你。
而持續學習，應該抓住機遇，找對方向，才可能有如願以償的成效。
我曾堅持了一年時間把努力方向定在自學口語，成功應聘到了外企。因為我清楚，它們根本不在乎你是不是211，本科還是研究生。面試時我的英語六級證書像廢紙一樣擺在那裡。老外只會說來吧，我們speak English。
我曾懷疑一個車輛出身的人，怎麼可能做一個網站，但從類似車企項目經理的角色做起，我用了一年時間還是成功的上線了職瓣網。但事實證明這個機遇不但抓的很失敗，而且方向也不對。竟然我曾自學編程，發現這也是不適合我的努力方向。
但畢業5年時，幾經坎坷的堅持還是得到了一個適合我的結論：在公眾號寫點東西，可以掙點酬勞。
同時，我在畢業7年時，發現本以為機械的枯燥不能讓我改變職場命運，但堅持下來，還真的帶來了一些好的東西，例如額外的加薪。只是這點薪資，真的只能去拼一拼性價比了。比起那些從事新能源，人工智能技術的人，囊中羞澀的很。
後來我經常寫人工智能在無人駕駛領域有哪些新興的前瞻性崗位，工資如何豐厚，可能你再也不會嫌棄汽車行業工資低了。但好像事實目前確實如此，隨便掛上邊的技術崗都要比傳統崗位高那麼一些，甚至一倍以上。
但我對此不是想表達你去做了什麼人工智能相關的工作就比我們做機械的值得推崇。我們從前面提到的機遇的角度來看：
為什麼人工智能行業的工資那麼高？
無論是吉利，長城這種老牌車企，還是蔚來，威馬這種初創汽車公司，大家都在大力開發或者引進人工智能技術應用到無人駕駛汽車上。本質上就是由於人才資源儲備不足，導致現在的缺口，而與之相反的機械專業人才，供過於求。這也可以說是大學專業培養的缺口創造的機遇。
據領英今日發佈的全球AI領域技術人才分佈圖顯示，中國目前的AI人才缺口超過5萬人。 人才供不應求，導致領域崗位的薪資也自然水漲船高。
很多應屆畢業生和職場新人，都想從事汽車行業有關的人工技術崗位，但無論你是985的車輛研究生，還是比較對口的計算機專業畢業生。其實你的專業能力還沒能達到人工智能領域的知識層次。
這就說明了：我們這些傳統專業的人，還是有機會的。雖不一定適合，至少也得試一試。誰讓你嫌棄工資低了呢。
沒準縱身一躍，就跳進了另一個工薪階層。
其實，工資高的人工智能領域，沒有太偏離你的專業知識
它的核心就是機器學習（Machine Learning）和深度學習。而它們的基礎，就是編程（Python/c++等）和數學（高等數學/線性代數/概率論等）。這些車輛工程，機械類專業都有學習過，只不過C++學的比較淺顯。
讀到這，大膽的嫌棄你的工資低吧！
另外，AI是邏輯算法的執行，底層架構是大數據。所以人工智能如何變厲害？就要餵它“吃”大數據。汽車行業的大數據例如信號燈，行人，車輛，障礙物以及地面標線等等數據信息。
說來容易，但你想要進入這個領域，需要至少經過以下五個階段的學習。
第一階段：數學基礎
高等數學／線性代數／概率論
第二階段：編程知識
python工具庫實戰／python網絡爬蟲
第三階段：機器學習
機器學習入門／機器學習提升
第四階段：數據挖掘實戰
數據挖掘入門／數據分析實戰
第五階段：深度學習
深度學習網絡與框架／深度學習項目實戰
幾百個課時的學習是基本，但若想真正學明白，至少需要一些時間，如何正處於大學或者剛畢業不久，空閒時間較多，我覺得很有必要去思考這件事情。雖然自學被認可的程度不高，但從主機廠的角度來看，懂汽車，又懂應用人工智能技術的人，當前並不多見。
微信公號搜，都是車輛，機械畢業經歷分享
閱讀更多 職瓣 的文章
