1. 从一条人事消息说起为什么一个职级数字能引发这么大讨论前阵子朋友圈和几个技术群里都在转一条消息说31岁的罗福莉在小米晋升到了22级。说实话第一眼看到这个标题的时候我并没有太在意毕竟大厂里人员晋升的新闻几乎每周都有。但后来发现讨论的热度一直没降下来而且讨论的角度很有意思——大家关注的不是“谁升职了”这件事本身而是“22级”这个数字以及“31岁”这个年龄。我在互联网行业待了十来年跟不少大厂的朋友聊过职级体系这个话题。小米的职级体系对外披露的信息不算多但圈内人都知道它的数字职级大致从13级起步往上每一级都对应着不同的薪资带宽、股票期权、管理权限和汇报关系。22级在小米内部属于什么位置简单来说这已经是相当高的层级了通常对应的是核心业务线的负责人或者某个技术方向的顶级专家。一个31岁的人走到这个位置放在整个行业里都是很少见的。这件事之所以能引起这么大的关注我觉得背后有几层原因。一是大家对“年轻高位”这件事天然有好奇心想知道这个人到底做对了什么二是AI大模型这个赛道这两年太热了罗福莉恰好是在这个领域里被看见的三是很多技术从业者尤其是工作了三五年的年轻人会不自觉地把这件事当成一个参照系想从中找到一些可借鉴的东西。我写这篇东西不是要复述新闻也不是要做什么人物报道。我想做的是把这件事拆开来看——一个大厂的高职级意味着什么一个技术人走到这个位置通常需要具备哪些能力以及如果你也在类似的路径上有哪些东西是可以提前准备和刻意练习的。这些内容对做技术的人、带团队的人、或者正在规划自己职业路径的人应该都有一些参考价值。2. 大厂职级体系到底在衡量什么2.1 数字职级背后的几层含义很多人看大厂职级第一反应就是“对应多少钱”。这个理解不能说错但太窄了。一个大厂的职级数字至少同时承载了四层信息。第一层是薪资与激励的带宽。每个职级对应一个薪酬范围包括基本工资、绩效奖金、股票或期权。级别越高浮动部分占比越大长期激励的权重也越高。比如同样是涨一级低职级可能主要是月薪涨几千块高职级则可能是股票授予量翻倍。第二层是决策权限与资源调动能力。职级到了某个门槛以上你就不再只是执行者了。你需要做技术选型、定方向、分配预算、决定团队的人员编制。22级这个位置大概率是要对一条业务线或一个技术方向的结果负责的而不是只对自己的代码负责。第三层是汇报关系与组织位置。职级越高汇报链条越短离核心决策层越近。在很多大厂里到了20级以上汇报对象往往直接是副总裁或CEO级别的管理者。这意味着你不仅能拿到更多信息也能更早地参与到关键决策的讨论中。第四层是行业内的信号价值。一个大厂的高职级本身就是一种行业背书。它意味着你的能力被一套相对严格的评估体系认可过这在跳槽、融资、组建团队的时候都会形成一种隐性的信用资产。所以当我们说“31岁晋升22级”的时候它不只是一个薪资数字的变化而是一个人在组织中的位置、能调动的资源、以及行业信号价值的综合跃迁。2.2 技术序列与管理序列的分野在大厂里职级体系通常会分两条线技术序列和管理序列。这两条线在低职级的时候差别不大但到了高职级路径就完全不一样了。技术序列走到高处核心要求是技术判断力和技术影响力。你需要能判断一个技术方向值不值得投入能在关键技术上做出正确决策能通过技术方案影响产品走向甚至公司战略。你的价值不体现在带了多少人而体现在你做的技术决策带来了多大的业务价值。管理序列走到高处核心要求是组织能力和资源整合能力。你需要能搭团队、定目标、协调跨部门资源、处理复杂的组织问题。你的价值体现在团队的产出和组织的健康度上。罗福莉的情况从公开信息来看更偏向技术序列的高职级。她在AI大模型领域有比较深的技术积累和行业认知这种晋升路径对做技术的人来说参考意义更大。因为它说明了一件事在大厂里不走管理路线纯靠技术能力和技术判断力也能走到很高的位置。当然技术序列到了高职级也不可能完全不带人。通常是带一个精干的技术团队但管理的成分相对轻更多是技术方向的把控和关键决策的拍板。2.3 为什么是AI大模型赛道这里有一个很重要的背景罗福莉的晋升发生在AI大模型这个赛道上。这个赛道在过去两年里几乎是整个科技行业最热、投入最大、竞争最激烈的方向。大厂在AI大模型上的投入是战略级的。从算力采购、数据积累、人才招募到产品落地每一个环节都是重资源投入。在这种战略级的新业务里组织对人才的评估标准会发生变化。传统业务里可能需要论资排辈、看历史贡献但在新业务里谁能解决问题、谁能带来突破谁就能快速上位。这其实是一个很朴素的道理当一个业务足够新、足够重要、足够缺人的时候组织对年龄和资历的容忍度会变高对能力和结果的权重会变大。AI大模型恰好就是这样一个领域。它技术门槛高、迭代速度快、人才供给稀缺所以在这个赛道里年轻的高职级技术人才出现的概率会比传统业务高很多。这也给很多技术人一个启示如果你所在的领域已经非常成熟、人才供给充足那么晋升的难度会大很多。但如果你能进入一个高速增长的新领域并且在这个领域里建立起自己的技术壁垒那么成长的速度可能会快很多。3. 一个技术人走到高职级通常做对了哪些事3.1 在关键技术上建立了不可替代性我观察过不少在大厂里晋升比较快的技术人他们有一个共同点在某个关键技术方向上做到了“提到这个方向大家会想到他”的程度。这种不可替代性不是靠熬时间熬出来的而是靠在关键项目里解决关键问题积累出来的。比如在一个大模型项目里可能有很多技术难点训练效率、推理成本、数据质量、模型效果、工程稳定性。你不需要每个都擅长但你需要在一个或几个核心难点上有别人绕不过去的积累。罗福莉在AI领域的积累从公开信息来看主要集中在自然语言处理和大模型方向。这个方向在过去几年里经历了从BERT到GPT的范式转换能在这个转换过程中持续产出、持续跟上的技术人本身就说明了很多问题。对普通技术人来说这里的启示是不要只做“参与项目”的人要做“解决关键问题”的人。一个项目里总有几个问题是大家都觉得难、都不太想碰的。如果你能主动去啃这些硬骨头并且真的啃下来了你的技术标签就会慢慢形成。3.2 技术判断力比技术能力更稀缺技术能力很重要但到了高职级技术判断力的权重会变得更大。什么是技术判断力简单说就是在信息不完整的情况下能判断一个技术方向值不值得投入能预判一个方案可能的风险和收益能在多个技术路线里做出合理的选择。这种能力很难通过刷题或者看论文获得它需要你在真实项目里做过足够多的决策踩过足够多的坑并且有意识地去复盘和总结。比如同样是做模型选型有的人只看benchmark分数有的人会综合考虑训练成本、推理延迟、业务适配度、团队技术栈匹配度。后者的判断就是技术判断力的体现。在大厂里高职级的技术人往往要参与技术战略的讨论。你的判断会影响资源的分配影响团队的投入方向。这种时候判断错了代价是很大的。所以组织在评估一个人能不能到高职级的时候会非常看重他的技术判断力。3.3 能把技术价值翻译成业务价值这一点是很多技术人容易忽略的。在大厂里纯技术做得好的人不少但能把技术价值翻译成业务价值的人不多。什么叫翻译成业务价值就是你能说清楚我做的这个技术优化到底给业务带来了什么。是降低了成本提升了效率改善了用户体验还是打开了新的产品可能性举个例子你优化了模型的推理速度推理延迟从200毫秒降到了80毫秒。这个技术改进本身是好的但如果你能进一步说明延迟降低后产品的交互体验提升了用户留存率涨了或者同样的算力能服务更多的用户单位成本下降了——这就是把技术价值翻译成了业务价值。高职级的技术人通常都需要具备这种翻译能力。因为你要争取资源、要说服老板、要协调跨部门合作光说技术指标是不够的你得让大家看到技术投入带来的业务回报。3.4 在行业里建立了个人技术品牌这一点可能不是晋升的必要条件但它是一个重要的加速器。所谓个人技术品牌不是说你要做网红而是说在行业里有一群人知道你、认可你、愿意跟你合作。这种品牌可能来自你在技术社区分享的内容可能来自你在开源项目里的贡献也可能来自你在行业会议上的发言。有了个人技术品牌你会获得更多的信息、更多的机会、更多的合作可能。这些东西反过来又会加速你的成长。罗福莉在AI领域有一定的行业知名度这种知名度对她的职业发展肯定是有正向作用的。对普通技术人来说建立个人技术品牌不一定非要写公众号或者做视频。你可以在团队内部做技术分享可以在公司内部wiki上写高质量的技术文档可以在开源社区提交有价值的PR。关键是你要让你的技术能力被更多人看见。4. 如果你也想走技术高职级路线可以提前做哪些准备4.1 选对赛道比努力更重要这句话听起来有点功利但现实就是这样。同样的努力程度放在不同的赛道上回报可能差好几倍。怎么判断一个赛道值不值得投入我一般看三个指标人才缺口、业务增速、技术壁垒。人才缺口大意味着供给不足你的议价能力会更强。业务增速快意味着组织在扩张晋升的通道会更多。技术壁垒高意味着不是谁都能进来你的积累会更值钱。AI大模型、芯片、自动驾驶、机器人这些方向目前在这三个指标上都还不错。当然赛道是会变化的今天的热门可能三年后就冷了。所以选赛道的时候也要看自己是不是真的对这个方向有兴趣能不能持续投入。纯粹追热点很难走得远。4.2 在前三年建立自己的技术深度工作前三年的选择对后面的路径影响很大。我的建议是前三年一定要在一个技术方向上扎深。不要频繁换方向不要什么热就追什么。选一个你认可的方向扎进去把核心原理搞透把关键工具用熟把常见问题踩一遍。这个过程可能有点枯燥但它是建立技术深度的必经之路。什么叫扎深我举个例子。同样是做后端开发有的人三年里做了十几个项目每个都是写写接口、调调参数。有的人三年里就做了一两个核心系统但从需求分析、架构设计、编码实现到线上运维全程参与对系统的每一个模块都了如指掌。后者的深度是前者很难比的。有了深度之后再扩展广度会容易很多。因为你知道什么是“深”学新东西的时候能更快地抓到核心。4.3 主动争取关键项目的机会关键项目是技术人成长的加速器。但关键项目往往不会主动落到你头上你需要自己去争取。怎么争取我的经验是在平时就表现出你能扛事。小项目按时交付不出纰漏遇到问题不推诿主动去解决在技术讨论里能提出有建设性的意见。这些小事积累起来会让主管觉得你靠谱。当关键项目需要人的时候你被想到的概率就会大很多。另外关键项目往往伴随着一定的风险。有的人会犹豫怕做不好影响绩效。但我的观察是在高增长的业务里做新项目的风险其实比守成要小。因为新项目大家都在摸索容忍度更高而且一旦做成了收益是巨大的。4.4 学会做技术决策和复盘技术决策能力不是天生的是练出来的。我建议从工作第二年开始就有意识地记录自己做过的技术决策。记录什么记录当时的背景、可选方案、你的选择、选择的理由、以及最终的结果。过一段时间回头看哪些决策做对了哪些做错了错在哪里。这种复盘做多了你的判断力会提升得很快。我自己的习惯是每个季度做一次技术复盘把这段时间里做的比较重要的技术决策列出来逐个分析。有些当时觉得理所当然的选择回头看其实有更好的方案。有些当时纠结很久的决定后来发现影响其实没那么大。这种复盘让我在后来的决策里少踩了很多坑。4.5 建立跨部门的技术影响力到了高职级你的工作会越来越多地涉及跨部门协作。如果你只在团队内部有影响力跨部门的事情就很难推动。建立跨部门影响力的方法我觉得最有效的是主动输出。把你团队的技术方案、踩坑经验、最佳实践整理成文档或者分享让其他团队也能受益。时间长了大家会知道你在这个方向上有积累遇到相关问题会来找你。这种影响力不是靠职位压出来的是靠实实在在的价值输出换来的。而且这种影响力一旦建立会反过来帮助你更好地推动跨部门项目。5. 关于年龄和职级几个需要澄清的认知5.1 31岁到22级是特例还是趋势首先要承认31岁到22级在任何大厂里都是少数。它需要能力、机遇、赛道、组织需求多个因素同时具备。把它当成一个普遍现象来看是不客观的。但它也不是完全不可复制的。在高速增长的新业务里年轻的高职级技术人出现的概率确实会更高。因为新业务缺人、缺判断、缺能扛事的人只要你具备这些年龄和资历的权重就会下降。所以我的看法是不要盯着“31岁”和“22级”这两个数字要盯着这两个数字背后的东西——技术深度、技术判断力、业务价值翻译能力、以及赛道选择。这些才是可以学习和准备的。5.2 职级不是唯一的衡量标准大厂职级是一个衡量标准但它不是唯一的标准也不是适合所有人的标准。有的人适合在大厂里走职级路线借助平台的资源和规模把自己的技术价值放大。有的人适合去创业公司拿期权、担风险、博一个更大的回报。有的人适合做自由职业或者独立开发者用自己的技术直接服务用户。这些路径没有高下之分只有适不适合。职级高的人不一定比你快乐职级低的人也不一定比你差。关键是找到适合自己的路径然后在这条路径上持续积累。5.3 技术人的职业周期可以很长很多人担心技术人吃青春饭到了35岁就没人要了。这个担心有一定道理但也不完全对。我观察到的实际情况是纯执行层面的技术岗位确实存在年龄压力。因为执行层面的工作经验带来的边际提升有限而年轻人的成本更低、体力更好。但技术判断层面的岗位年龄反而是优势。因为判断力需要大量的实战经验积累需要踩过足够多的坑需要见过足够多的方案。这些东西年轻人很难在短时间内获得。所以技术人的职业周期长短很大程度上取决于你把自己定位在哪个层面。如果你一直在做执行那确实会有压力。但如果你能逐步往判断和决策层面走你的职业周期会拉长很多。6. 从这件事里我看到的几个行业信号6.1 AI大模型的人才争夺还在加剧罗福莉的晋升从侧面反映了AI大模型领域的人才争夺有多激烈。大厂愿意给年轻的技术人很高的职级和待遇说明这个领域的人才供给仍然跟不上业务需求。这种供需失衡对在这个领域里的技术人来说是一个窗口期。窗口期不会永远开着但随着AI技术向更多行业渗透这个窗口期可能还会持续一段时间。6.2 技术序列的天花板在变高过去在很多大厂里技术序列走到一定级别就上不去了想再往上走必须转管理。但这几年随着技术驱动型业务的增多技术序列的天花板在变高。这意味着如果你真的热爱技术、擅长技术不走管理路线也能走到很高的位置。这对很多不想做管理的技术人来说是一个好消息。6.3 年轻技术人的机会在变多传统业务里晋升往往需要论资排辈年轻人很难快速上位。但在新业务里这种情况在改变。新业务需要新能力新能力往往掌握在年轻人手里。所以年轻技术人在新业务里的机会比在传统业务里要多。当然机会多不代表容易。新业务的竞争同样激烈而且不确定性更大。但至少路径是存在的。7. 一些实操层面的建议7.1 每年做一次技术盘点我建议每个技术人每年做一次技术盘点。盘点什么盘点你这一年里在技术上有什么新的积累做了什么关键决策解决了什么难题产出了什么可复用的东西。这个盘点不是为了写绩效是为了让自己看清楚这一年是成长了还是在重复。如果发现自己在重复就要警惕了想办法调整。7.2 建立自己的技术知识库我从工作第三年开始建了一个自己的技术知识库。里面记录了我做过的项目、踩过的坑、总结的方法论、看过的有价值的论文和文章。这个知识库的好处是当我需要做技术决策的时候可以快速回顾之前的经验。当我需要写方案或者做分享的时候有现成的素材。当我迷茫的时候翻一翻能看到自己一路走来的轨迹。7.3 找到自己的技术导师如果条件允许找一个比你资深的技术人做导师。不一定是正式的师徒关系可以是 informally 的请教和交流。导师的价值在于他能用他的经验帮你少走弯路。你纠结很久的问题他可能一句话就点透了。你看不清的方向他可能早就踩过坑了。找导师的关键是主动。不要等着别人来教你要主动去请教、去交流、去建立关系。7.4 保持对新技术的好奇心技术行业变化快保持好奇心很重要。但好奇心不是什么都追而是对和自己方向相关的新技术保持敏感。我的做法是每个月花几个小时看看自己方向上的新论文、新工具、新框架。不一定要深入但要知道有什么新东西出来了大概是怎么回事。这样当需要做技术选型的时候不会因为信息滞后而做出过时的决策。7.5 注意身体和心态最后说一点可能有点“虚”但很重要的注意身体和心态。技术工作强度大尤其是做AI大模型这种热门方向加班是常态。但身体是长期战斗的本钱不要为了短期的产出透支健康。心态也很重要。看到别人晋升快容易焦虑。但每个人的节奏不一样机遇不一样。盯着自己的目标按自己的节奏走比盲目比较更有意义。我在这个行业里见过太多人因为焦虑而频繁跳槽结果每次都要重新积累反而慢了。也见过一些人沉住气在一个方向上深耕几年后厚积薄发。罗福莉的晋升是一个值得关注的事件但它不应该成为焦虑的来源。把它当成一个案例从中提取对自己有用的东西然后继续走自己的路这才是更有价值的做法。