电气工程师 — 这职业到底是干啥的
电气工程师不用扔掉硬件底子转 AI — 「工业现场数据采集 + AI 异常检测建模」是这条线最自然的入口，半导体 / 新能源 / 自动驾驶三个行业内部转通道最顺。
电气工程师 — 这职业到底是干啥的
想象一个老电工，他工具箱里有万用表、示波器、PLC 编程器。
干了 10 年，他闭眼能听出电机轴承响声不对、能看一眼控制柜就知道哪一相接触不良。这种经验是无价的，但单靠这个经验拿不到 AI 时代的溢价。
AI 时代电气工程师做的事，是把这套「现场经验」装进数据采集 + AI 模型 里 — 不是扔工具箱，是给工具箱加一层 Python。
电气工程师做什么（具体）
传统电气工程师 4 项主业：
- 电气控制系统设计（强电 / 弱电 / 选型）
- PLC / 上位机 / SCADA 编程
- 现场设备数据采集 + 故障诊断
- 电气安全 + 验收 + 调试报告
AI 增强版的电气工程师，在上面 4 项基础上加：
- 把现场数据接进数据库 + Python 数据脚本（pandas / matplotlib 基础）
- 会用 ML 模型做异常检测 / 预测性维护（Random Forest / LSTM 基础，不需要训大模型）
- 能和 AI 算法同事沟通（懂评测指标、懂训练集 / 测试集划分）
三套硬核能力
1. 现场工程经验（保留）。 这是 AI 算法工程师没法替代你的部分。你知道哪些传感器数据噪声大、哪些故障的特征长什么样、哪些工况下不能采数据。这是「领域知识」（domain knowledge），AI 模型再强也需要你提供这层翻译。
2. Python + 基础数据处理（必学）。 pandas 读 csv、画时序图、做基础特征工程。这一关 1-2 个月可以打通。不学这个就被卡在「只会硬件不会数据」的位置上。
3. 评测思维（最关键）。 不是「我搞个模型跑通了」，是「这个模型在 100 条故障样本里抓到了 87 条，漏掉了 13 条，漏掉的都是 XX 类型」。这个思维方式比写代码本身更重要。
电气工程师转 AI 的真实数据
agent-hunt 抓到 6 条电气 + AI 岗位样本（数据量不大但方向清晰）。samples 涵盖：
| 岗位类型 | 例子 |
|---|---|
| 工业 AI / 智能制造 | 智能制造经理、Junior Data Scientist – Energy AI & Optimization |
| 数据中心电气 | Data Center Electrical Engineer、Data Center Infrastructure |
| 自动驾驶 / 机器人电气融合 | 灵巧手 AI 高级应用工程师、电网信息运行专业咨询顾问 |
注意：电气工程师 + AI 这条线国内现成挂出来的岗位还很少（不到 10 条），更多是「已有的电气岗位逐步加 AI 职责」。这意味着你不是去投「AI 电气工程师」这个职称，而是在现有公司内部 + 行业内部转岗。
底层路径基本两条：
- 保守：留在制造 / 半导体 / 新能源行业 + 加 AI 算法 skill → 转「工业 AI 算法工程师 / 智能制造工程师」
- 激进：跳到汽车 / 机器人公司做「自动驾驶硬件 + 算法」混合岗
怎么开始
第一步：用 Python 处理你手头的工程数据。 不需要新数据集 — 把你现在工作里的电流 / 电压 / 温度日志 csv 倒出来，用 pandas 画时序图、找异常点。1 个月就能上手。
第二步：跑一个工业异常检测 demo。 用 scikit-learn 的 IsolationForest 或 LSTM，对你手头的真实工业数据跑一遍异常检测。简历加上「我用 AI 抓到了 N 条故障」是最有说服力的素材。
第三步：内部转岗 + 外部 target 公司：
- 内部：跟公司 AI / 数字化部门表明转岗意愿（很多大厂内部转 AI 岗的门槛比外部投递低很多）
- 外部 target：半导体（中芯国际 / 长江存储 / 华虹 + Samsung Semiconductor / Qcells） / 新能源（宁德时代 / 比亚迪 / 阳光电源） / 汽车（蔚来 / 小鹏 / 理想 / 雷克萨斯）
不适合谁
1. 只想做纯硬件设计、对 Python 和数据抵触的人。AI 工业线最起码要会读 Python 数据脚本和理解评测指标，否则简历会被卡在最初阶段。
2. 想完全脱离工厂现场的人。AI 增强电气工程师仍然要去现场（半导体厂 / 锂电厂 / 4S 店调试场地），不是坐办公室写代码。如果你想完全脱离现场，建议直接看 AI Agent 工程师 那条线 — 但要补 3-6 个月的软件工程基础。
3. 行业不在转型期的人。做火电厂 / 老旧国企电力系统这类「AI 渗透率低 + 老旧系统重」的细分，转 AI 的难度比半导体 / 新能源 / 汽车高 2-3 倍。