工程師給新鮮人的建議:畢業是對自己負責的開始
工程師給新鮮人的建議:畢業是對自己負責的開始

最近畢業季,很多學生還沒做好「畢業」準備就要離開校園,彷彿人生才剛開始就立刻「卡關」了,這幾年也陸續開始擔任面試的工作,同時也觀察到很多職場新人對於職涯的發展抱有許多疑問。

大部分人畢業後開始進入投履歷找工作的環節,這時會碰到一個大問題──不知道自己到底能做什麼。以軟體工程師這個工作來看,會根據你所在的公司有不同的工作,可能是在新創公司做著包山包海的任務研發產品,也可能是在一間企業擔任分工明細的固定任務,因此在求職之前,先思考自己在這個類型的工作中想做些什麼、接觸什麼跟學習什麼,並設定一個相對明確的目標在求職過程中會更順利,下面幾點是我常用的方式,大家可以參考看看。

長期目標可「隨時整頓」,短期目標要「小單位」執行

「設定目標」在我最近讀的不少書中都有出現,這也是我一直以來持續在做的事情。設定短期、中期及長期目標,看起來很抽象,不過並沒有想像中那麼困難,當你想到的目標很大,這就是長期目標,再從長期目標切分中期,最後再細節到短期,例如「你想花幾個月把什麼事情做到什麼程度」之類的,把目標「最小單位化」就就會變得看起來可行,也比較能確實感受到前進的反饋。

但選擇一個好的目標和下定決心就沒有這麼容易,前幾年我也遇到了職涯的選擇,直到今年才意識到自己的目標並最終能下定決心,目標設定好並非再也不能變動,整個世界都是在快速變化的,在軟體工程師這個領域中更是如此,因此隨時依照自己的狀況、能力調整目標到能夠持續前進並且不會過度勞累是很重要的。

另外,很多人很常看別人追求什麼,自己也跟著追求,其實必須要分辨得出在學習上的「深度」與「廣度」差異,尤其以工程師職業來看,要是一開始就過度追求高深的技巧跟知識,反而會難以跟其他人合作,也會因為對其他技術的不了解有許多誤判跟耗費多餘的心力在上面。學得太廣太雜,又可能面臨只能解決簡單的問題,太複雜的卻沒有對應的知識跟能力去應對。設定目標就是一個很好的方式,可以幫助我們認清「現在該做什麼」這件事情。

真的沒目標要怎變成厲害的人?其實「謀生」也是目標

「沒有目標」也是很常見到的狀況,在我們的學習環境中很少有機會讓我們多接觸不同的事物,也只有少數人運氣很好能找到適合自己的職業。我會建議還沒畢業的學生,把握一下實習的機會,多瞭解業界的運作,即使先找一個地方實習,至少你可以提前瞭解工作是否符合喜好,以及累積在工作上的必要經驗,不至於像一張白紙,如果你已經錯過學生時期的實習機會,同時對未來也很茫然,不過「謀生」也是一個目標,別覺得先賺錢是愧對自己的理想,如果把自己的理想設為目標,短期的小目標就是獲得能夠實現理想的資源,兩者是不完全衝突的。

笑_社交_朋友_歡樂_快樂_高興
圖/ shutterstock

延伸閱讀:同時錄取Google、蘋果、Facebook等八家公司實習!哈佛學生分享她的四大秘訣

當然「謀生」並非要你出社會隨機嘗試,你可以先設想自己想要獲得什麼,再從成果往回推,看看必須完成什麼事才能達成目的,沒有多項技能也不要緊,只需要知道:當下做什麼事,是對自己有幫助的即可。像我覺得工程師的工作,某種程度上來說就是「幫某人實現想法」,我們需要思考的是如何專注在「重要的事情上」來幫客戶實現想法。

「被動社交」的人照樣可以為自己創造機會

最後一點,「我就是很害羞也不太喜歡跟別人社交,這樣機會是不是比活躍的人少很多?」這真的不是太大的問題,我自己就不太喜歡跟陌生人交流,在很多場合也都會找一個小角落躲起來,但我會去參加一些或技術研討會或者社群活動,我們不一定要到處社交或者交流,但如果遇到給你非常有啟發的講師,你應該把握機會去找講師交流,願意參加這類活動的講師都是樂於分享的,除了可以獲得疑問的解答之外,甚至能讓講師有一個印象在,如果有機會簡單交換聯繫方式,對於未來求職上也會有直接的幫助。

以我自己的經歷而言,我就是透過參加研討會認識到現在的老闆,從實習慢慢走到如今的地步,除此之外當初我在準備履歷時,也很幸運能獲得一些業界前輩們的指點,作為一個軟體工程師需要能做些什麼、在職涯上應該怎麼看,所以我相當鼓勵學生們可以去參加活動,即是現在疫情的緣故很多活動被取消,但線上視訊的課程及活動一樣可以進行互動,就我的經驗來說,如果能獲得前輩的賞識進入公司,這份工作會遠比在求職網站上找得更好、更適合自己。

總而言之,當你想在工作上獲得成就,你必須先對自己的「人設」負責,你不開始學攝影但卻想成為攝影師,這個「人設」就有問題,如果成為攝影師是你想要的結果,那麼往前設定的目標就是學攝影,藉此慢慢完整你的人設,這才是負責的行為,希望各位畢業生能順利找到屬於自己的職場生存之道。

責任編輯:林佳葦、陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

最新8月號雜誌《區塊鏈上的金融新世界》
馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #求職
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