工程师 (Engineer)
工程师是AI研发中正在崛起的核心角色，其思维范式以“维持稳态”为元目标。在2026年的AI“重工业时代”，工程师的权力正在从研究员手中转移过来。
核心特征
- 目标：维持稳态，追求持久性成功。
- 思维：线性的、持久性的。对工程师而言，一个在本地跑得飞快但在生产环境有0.1%概率崩溃的代码，就是垃圾。
- 代码观：模块化、解耦、自研工具链，追求系统的健壮性、可扩展性和可维护性。
- 职业自尊：建立在系统的稳定性和可靠性上。
权力转移的原因
- Scaling Law的霸权：性能提升变成算力、数据和系统吞吐量的函数。
- 工程能力决定上限：显存压榨、分布式训练稳定性等工程问题直接决定了AI研发的成败。
- 代码的腐烂性：工程师的模块化、解耦思维是系统长期稳定的保障。
工程师的优势
- 对“枯燥”的耐受力高：系统性地排查问题，具备方法论和责任感。
- 谦卑的“朝圣者”心态：进入研究领域时，系统性地阅读论文，像构建系统模块一样构建知识体系。
- 长期责任感：会问“这个Loss函数在$t \to \infty$时会发生什么？”，追求稳定的Checkpoint。
工程师转型研究的优势
- 利用“系统方法论”：把未知的科学变成可优化的工程问题。
- 敏锐的实验逻辑：对因果律的敬畏，在处理超大规模并行计算时更具直觉。
- 教工程师做研究，易在：利用“系统方法论”。
相关概念
- [[研究员]] — 正在失去权力的思维范式
- [[研究工程师]] — 研究员与工程师融合的新物种
- [[思维范式瞬时性与持久性]] — 解释研究员与工程师差异的元框架
- [[代码的腐烂性]] — 代码需要长期维护迭代的特性
- [[flash-attention]] — 算子优化的代表案例，体现工程能力