新創工程師的中年危機:滿盤皆輸,我還剩下什麼?
新創工程師的中年危機:滿盤皆輸,我還剩下什麼?

本文作者陳昭穎(Winston Chen),原文刊載於其部落格台灣工程師的矽谷故事

從公司第一位工程師,到第一位工程管理者,也已經三年有餘,從一開始事必躬親,每行程式出自我手,到現在我必須從同事工工整整,亮晶晶的程式區塊中,找出一些我能讀的懂的蛛絲馬跡。

團隊支援的產品,也從當初簡簡單單的mobile app +雲端伺服器,長到有硬體,有韌體,有embedded,有雲端,有mobile app,有DevOps,有Desktop Native⋯⋯等等戰線很長的整套服務。

身為一位負責一整個約10人工程團隊營運的工程師,除了經歷過好多場工程與營運的危機,要處理整個公司對工程團隊的信任問題,我的職責也離day to day的coding越來越遠,離管理越來越近。

處理過上一個工程危機以後,我開始深切任知到以往書上讀到後嗤之以鼻的那些所謂的「管理」,現在離我這麼近,我想這是一個抉擇吧?如果就這樣一頭栽進管理這條路,或許我以後永遠也沒有辦法回來當工程師了?畢竟捫心自問,比起管理者,我還是更想當工程師。

但是如果不轉身邁入管理這個領域,我怕我在職涯上的成長因此受限,回頭看看跟我同事的那些工程師們,每一個都在某些方面讓我嘆服,其他方面也完全不比我差。我已經老大不小了,養小孩的家庭時間正在蠶食鯨吞掉我所有的自我成長時間,如果不趁這時機跨過門檻,往後要在同一個平台上競爭,中年危機感只會越來越強,越來越烈。

其實我身旁的工程師中,也有不少正經歷中年危機的案例,老友工程師E在經歷過幾次傷心的職涯體驗後,毅然決然地遁出軟體業,選定了運輸業下手,打算自己做生意,擺脫軟體業中技術與管理之間的無限迴圈。老友工程師S在經歷過工程師,管理職,創業家,工程師,管理職⋯⋯等的循環後,選擇卸下戰甲,找到一個能跨國套利的工程師職位,不再過問管理界的風風雨雨。

老友工程師夫婦A與M,雖然雙雙在矽谷就職於令人稱羨的G社與L社,薪水總和堪稱朋友界之霸,但是一雙兒女的教育費加上在Los Gatos絕佳學區的房屋貸款讓兩人眉毛緊鎖,所有雄心壯志都先放到一邊。

這是無間道吧?我想。年輕一些時,所有人都認為自己的路會越走越寬,就算只是工程師,到某個時候,也一定有所突破,到時候突破所能夠換來的會是「自由」,有了自由以後,閒雲野鶴也好,將相王侯也好,都可以任我選擇。

後來當然不是這樣,突破點不會自己發生。走做公司這條路時,我當初賭的突破點有兩個:

  1. 或許會賺一點錢
  2. 或許會有一點名

或許會賺一點錢,跳出上班族的無限循環?

除非你已經連續成功創業過幾間公司,投資人甘願給你高薪水報酬,不然做新創公司要賺錢,只有把公司做起來,拿股份換錢。如果你運氣好,賭到一間facebook,算你祖上積德,恭喜你從此擺脫上班族的無限迴圈,進入高級新創人的族群,只要保守點花,從此吃穿不愁。

但是大部分的新創工程師沒那麼好運,運氣稍好的公司被Acqui-hire出場,股票沒賺到多少錢,但是至少混得進下一間中大型公司職缺,算是在人生職涯上有點交待,在朋友間也算抬得起頭。

運氣不好的,公司收起來以後,還得跟當初你面試進來的小朋友一起改改履歷找工作了,你贏得了你當初帶起來的小朋友們嗎?你比較貴喔XD如果這時候你還有簽證問題,那真的會有點難看,手上的選擇,隨著你的變老越來越少,越來越少。

或許會有一點名,還能再組隊攻略新的商業題目?

很多以新創為業的人都一樣,如果我成功出場,或是只要「看起來」成功出場,馬上可以想點新的題目出來,拿其他(「看起來」成功而已的話)創投的錢再度投入賽馬場,不管之前有多少萬個骨頭枯,找個當時熱門的題目(⋯⋯區塊鏈?),配上我過去成功所累積的名聲,還是能再度接近成功的。是嗎?

那如果連「看起來」都不成功了呢?後生可畏之外,我已經沒有任何名聲或是人脈資本去槓桿,失去了所有東山再起的可能,我在任何資本市場中呼不了風,喚不了雨,人生要如何繼續呢?

滿盤皆輸卻,看著別人成功

如果我最後的結果不理想,滿盤皆輸,看著別人美妙的成功,我能夠揮揮衣袖,散髮扁舟嗎?

應該是可以的!

功成名就本來就不是我兒時的夢想,我也不用向世界證明有多行。更何況在看過台灣矽谷眾多人才各顯其能後,我很清楚自己跟那些知名CEO/CTO,或是那些所謂超強創投傢伙比起來,什麼可以,什麼不行。

那麼,在經歷過這些風浪後,假設我截至目前累積的所有事業一敗塗地,滿盤皆輸的話,我會做些什麼?或者是,如果我運氣好,祖上積德,賭到了名與利,我會做些什麼?

仍然是「組隊開公司,做出並推廣自己著迷的產品,」我想。

這樣說來,我從來沒有為了名利苦撐,我苦撐都是為了自己相信的產品或是價值。想到這裡,心裡踏實了一些。成或敗,我都在做我自己想做的事情。

不要為了名與利苦撐。

所以走管理還是走技術?

其實答案已經呼之欲出了,如果還想繼續「組隊開公司,做出並推廣自己著迷的產品」我必須隨著公司的規模成長而成長,公司或是組織從來就不是一個人的事情,管理,也就變成下一個我必須掌握的能力了,默默翻開Julie Zhuo所寫的The Making of A Manager

至於這條管理路會不會走得越來越寬,走得自由呢?敬請期待。

本文授權轉載自:台灣工程師的矽谷故事

關鍵字: #工程師文化
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓