最近在“”刷到一个话题#MLE岗位价值争议，300多条回复吵得不行。一边说“AI一来，初级MLE直接失业”，一边反驳“AI只是把活儿干得更快，但高手更吃香”。我看完有点懵，毕竟2026年就要进职场了，真怕自己选错赛道。但仔细扒了下LinkedIn和Indeed的数据，发现事情没那么非黑即白。

先说结论：2024到2026年，美国ML Engineer岗位整体数量其实还在涨，尤其集中在大厂和AI原生公司。但结构变了——初级岗位在缩编，尤其那些只会调库、跑baseline的，真容易被AI Agent顶替。反而是能设计复杂系统、懂业务闭环、能和产品、工程深度协作的中高级MLE，需求反而在涨。薪资也印证这点：头部公司对资深MLE的溢价越来越明显，但入门岗的起薪增长明显放缓。

这说明啥？不是ML岗位没了，而是“能干啥”和“会干啥”之间的差距被拉大了。现在你要是只会用sklearn训练个分类器，AI三分钟就能搞完，还更准。但你要能设计一个能自动迭代的Agent系统，把模型部署进真实业务流，那AI反而是你的放大器。所以别慌，但得赶紧动起来。

我会先去核对目标公司2024-2026年的ML岗位招聘趋势，看看是不是真在收缩。然后得把技能栈翻新一遍——LLM微调、RAG架构、Agent开发这些，不能再只看论文了，得动手搭几个能跑的demo。我准备拿一个真实业务场景（比如客服问答系统）做项目，把从数据清洗、提示工程、评估指标到部署全链路走一遍，做成作品集。这比简历上写“熟悉PyTorch”有用多了。

另外也在想，要不要往AI产品经理或AI安全方向转？不是说ML不行，而是未来可能要“跨角色”生存。比如懂模型原理的PM能更准地定义需求，懂安全的工程师能提前堵住漏洞。如果真走这条路，得提前积累相关知识，比如考个Google ML或AWS ML Specialty认证，至少能证明你不是“纯打杂”的。

说到底，AI不是要淘汰MLE，而是把“平庸”和“顶尖”的差距拉到极致。你现在能做什么，决定了2026年你能不能站稳脚跟。

所以，大家怎么看？你打算怎么调整？踩过哪些坑？有没有哪些信息会让你彻底改变对MLE未来的判断？欢迎来聊。