35岁转行学AI的一年：真实记录

2026-09-26

35岁转行学AI的一年：真实记录

去年这个时候，我还在一家传统企业做市场策划，每天跟PPT和Excel打交道。35岁生日那天，我看着招聘网站上那些“35岁以下”的硬性要求，第一次认真问自己：如果现在不转，是不是就真的没机会了？

我不是那种头脑一热就裸辞的人。决定学AI之前，我花了大概两周时间做调研——查了市面上几十个AI相关岗位的JD，混了十几个学习群，还约了三位已经在做AI产品的朋友吃饭聊天。最后得出的结论是：AI应用层的机会远比想象中多，而且并不要求你必须是算法博士。这让我稍微松了口气。

前三个月：从“什么是张量”到跑通第一个模型

我数学底子一般，大学高数勉强及格那种。刚开始看李沐的《动手学深度学习》时，光是“张量”这个概念就卡了我两天。后来我换了个策略——先跑代码，再理解原理。

具体做法是这样的：在Kaggle上找一个最简单的入门比赛（比如泰坦尼克号生存预测），把别人分享的notebook从头到尾跑一遍，逐行加注释。遇到不懂的函数就查文档，遇到不懂的概念就记到Notion里。那段时间我每天雷打不动投入3小时——早上6点到7点半，晚上9点到10点半。周末至少拿出6小时。

第一个月结束时，我能在Kaggle上独立完成一个图像分类任务，准确率做到85%左右。虽然这个成绩在排行榜上连前50%都排不进去，但那种“我居然真的跑通了”的兴奋感，支撑我度过了后面很多个想放弃的夜晚。

第二个月开始碰NLP。说实话，Transformer那篇论文我读了四遍才勉强看懂注意力机制是怎么回事。后来我发现了一个特别适合大龄学习者的方法：用费曼学习法逼自己输出。我在知乎上开了个专栏，每学完一个知识点就写一篇“给外行讲明白”的文章。为了写清楚，我不得不反复查资料、画图、举例子。这个过程比我单纯看视频效率高至少三倍。

中间六个月：项目、项目、还是项目

到了第四个月，我意识到光看课和跑demo是不够的。招聘方想看的是你解决过什么实际问题。于是我给自己定了个规矩：每个月至少做一个完整的项目，从数据收集到部署上线。

这几个项目后来成了我简历上最核心的内容。尤其是知识库问答那个，面试时被问到的频率最高。我把它部署在了一台便宜的云服务器上，面试前会直接发链接给面试官，让他们自己试。能跑起来的东西比任何证书都有说服力。

这期间我也踩了不少坑。比如第五个月那个项目，我一开始非要用最前沿的架构，结果调参调了两周效果还不如朴素方法。后来一个做AI工程的朋友点醒我：“业务场景里，能解决问题的简单方案比炫技的复杂方案值钱得多。”这句话我记到现在。

最后三个月：找工作比想象中难，但没想象中那么难

投简历是从第10个月开始的。我总共投了87份，收到14个面试邀请，最终拿到3个offer。这个转化率不算高，但考虑到我没有任何相关工作经验、年龄也摆在那里，我已经很满意了。

面试问的最多的不是算法推导，而是： - 你做过哪些项目？遇到的最大困难是什么？ - 如果业务方给你一个模糊的需求，你怎么把它转化成AI任务？ - 你怎么评估一个模型的好坏？除了准确率还看什么？

大龄转行者的优势在于业务理解力和沟通能力。有一次面试，面试官问我怎么跟非技术背景的同事解释为什么模型会出错，我直接用之前做市场策划时给领导汇报的套路讲了一遍，对方明显很满意。后来HR告诉我，那个岗位最终选我就是因为“能把技术讲成人话”。

现在我在一家做企业服务的公司做AI产品经理，薪资比转行前涨了40%左右。团队里比我年轻的人很多，但我不觉得这是劣势——35岁学AI，拼的不是写代码的速度，而是把AI落到实处的判断力。

如果你也在考虑这条路，我的建议很简单：别纠结“来不来得及”，先花一个周末跑通一个最简单的模型。那种“我也能行”的感觉，比任何鸡汤都管用。