AI 工程師
交付由 LLM 驅動的產品：Copilot、RAG 系統、AI 代理和工作流程自動化。
AI 職涯指南 / 2026
你的 AI職涯地圖
概念 / 選擇你的路線
選擇一條路。 深入探索。 公開打造作品。
機器學習工程師
設計、訓練、調整和部署模型——連接資料科學和生產軟體的橋樑。
機器人工程師
通過運動學、控制系統、模擬和 ROS 使機器人移動、感知和決策。
LLMOps 工程師
將有潛力的 LLM 演示轉化為可靠、受監控、可擴展和成本意識的生產系統。
AI 顧問
幫助組織選擇正確的 AI 使用案例、重新設計工作流程，並將採用轉化為可衡量的變化。
網路安全工程師
通過防禦性思考來保護系統、網路和資料——在授權實驗室中像攻擊者一樣思考。
雲端工程師
設計和運行現代產品所依賴的計算、儲存、網路和自動化。
AI 產品經理
掌握 AI 產品的原因和內容，從用戶問題和模型適配到發佈和反覆。
資料工程師
打造將散亂資料轉化為可靠、查詢就緒系統的管道和倉庫。
AI 研究科學家
通過發明架構和訓練方法、複製論文和發佈證據來推進尖端。
03 / 路徑指南
從你想做的工作開始。每個方向都指向一組專注的角色，讓你在承諾路線圖前先比較目標。
選擇你的方向
視角 01
BUILD
將模型轉化為可運作的產品。 如果你通過製作軟體、模擬或模型系統學習最快，請選擇此路線。
視角 02
OPERATE
使複雜系統可靠。 如果你喜歡基礎設施、可觀測性、資料品質與資安工作，請選擇這條路線。
視角 03
LEAD
決定 AI 接下來應該做什麼。 如果你喜歡產品判斷、組織變化或尖端問題，請選擇此路線。
04 / 市場指標
以下是用來比較職涯方向的美國年薪參考區間，並非收入保證。尖端職位的薪酬可能更高；所有職涯均以 $400K+ 作為共同尺度。
薪資行情
這些美國年薪參考區間用於職涯方向比較，並非收入保證。實際薪酬會依地點、職級、公司、股權與市場時機而有很大差異；尖端 AI 實驗室與高階主管等少數案例可能超出區間。