年龄、学历、数学、薪资——转行 AI 的决策答疑
这页不做鸡血演讲，只给判断框架。所有结论都请你结合自身现金流安全垫再决策。
一、30 / 35 岁转行来得及吗
先拆掉问题本身：「来得及」的真实含义是——投入产出比是否优于留在原地。
- 对你有利的事实：大模型技术栈太新，所有候选人真实经验都不超过几年；应用层考察的是工程素养与学习能力，而这两样随年龄增长；
- 对你不利的现实：部分公司的初筛对年龄敏感；从零开始的职场新人定价会让过渡期收入承压；
- 决策公式：如果你能用「原行业积累 + AI 能力」打复合牌（金融 + AI、制造 + AI、教育 + AI），年龄反而是资产。参考非科班指南的行业打法与垂类方向。
二、学历和大专背景
分层看：
| 目标 | 学历影响 |
|---|---|
| 算法研究岗 | 硕博基本是硬门槛——不建议以此为目标 |
| 大厂应用开发 | 本科优先，作品可以部分对冲 |
| 中小厂 / 业务方 AI 岗 | 项目能力权重最高，大专可行 |
| 外包 / 集成商落地岗 | 几乎只看能不能干活 |
用这份项目补法把简历的硬伤概率降下来。
三、需要哪些基础？数学要好吗？
- 不需要先修完数学再开始——LLM 应用层的日常是 API、Prompt、检索与工程集成；
- 需要「读得懂概念」的程度：看到 softmax、向量相似度、交叉熵知道在说什么即可（本站各专题图解就是为此服务的）;
- 推理优化、训练微调方向的数学要求显著更高——那是进阶选项不是入场条件。
四、薪资与前景：怎么获得可信答案
本站不编造具体数字。给你三个一手信息源：
- 招聘平台 JD 反推：搜「AI 应用工程师 / 大模型开发」，看你的城市与年限区间的报价分布，比任何文章都准；
- 面试即调研：按求职时间规划开始投递后，市场会直接告诉你答案；
- 注意结构性变化：纯粹"调 API"的浅层岗位溢价正在回落，「能扛生产稳定性、懂评测与成本」的组合能力才是溢价来源——对应的学习路径见训练推理路线与安全评测路线。
五、转行还是坚持原行业
三个自查问题：
- 我的原行业正在被 AI 替代，还是在被 AI 增强？（被增强 → 原地升级可能比转行更优）
- 我是否有 6~12 个月不靠新工资生活的缓冲？
- 我能否接受转行后第一份工作"职级回退一档"？
三题两个「是」，大胆动；两个「否」，建议先用业余时间按零基础路线学一个阶段再做决定——用行动换信息，而不是用焦虑做决定。