[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-ai-skilled-grads-get-hired-first-at-nvidia-zh":3,"article-related-ai-skilled-grads-get-hired-first-at-nvidia-zh":30,"series-industry-7eadc073-6b74-4e92-8c1f-e414cee6e266":81},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"7eadc073-6b74-4e92-8c1f-e414cee6e266","ai-skilled-grads-get-hired-first-at-nvidia-zh","AI 技能先錄取新鮮人","\u003Cp data-speakable=\"summary\">我把 \u003Ca href=\"\u002Ftag\u002Fjensen-huang\">Jensen Huang\u003C\u002Fa> 的新鮮人錄取標準拆開，整理成一份可直接套用的 AI 技能清單和面試模板。\u003C\u002Fp>\u003Cp>我最近一直在看新鮮人求職的建議，越看越火大。大家都在講「要學 AI」，但講得像在貼標語。你去看履歷，很多人會寫自己會用 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa>，彷彿這是一種人格設定。真的拿去問：你能不能用 AI 幫你拆需求、比方案、抓 bug、寫 spec？很多人就開始飄，答不出來。問題不在 AI 熱不熱，問題在「會用」跟「只會碰」差太多。\u003C\u002Fp>\u003Cp>我後來看到這篇 \u003Ca href=\"https:\u002F\u002Fwww.indiatoday.in\u002Ftechnology\u002Fnews\u002Fstory\u002Fnvidia-ceo-jensen-huang-ai-skills-college-graduates-hiring-2916643-2026-05-25\">India Today\u003C\u002Fa> 整理 Jensen Huang 在 \u003Ca href=\"https:\u002F\u002Flexfridman.com\u002Fpodcast\u002F\">Lex Fridman Podcast\u003C\u002Fa> 的說法，才覺得這件事終於講清楚了。不是每個新鮮人都要去當 ML 研究員，而是如果兩個人背景差不多，他會先錄取那個真的會用 AI 的人。這句話很直白，也很不客氣，但我覺得很多公司其實早就在這樣挑人，只是沒明講。\u003C\u002Fp>\u003Ch2>他不是在找「懂 AI」的人，他在找「會跟 AI 工作」的人\u003C\u002Fh2>\u003Cblockquote>“If we were to hire a new college graduate today, and I have a choice between two, one that has no clue what AI is and one that is expert in using AI, I would hire the one who's expert in using AI.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：AI 能力已經不是加分題，開始變成同分比賽的勝負手了。Huang 不是在說你要有什麼證照，也不是要你背出\u003Ca href=\"\u002Fnews\u002F5-facts-about-cmss-lead-model-zh\">模型\u003C\u002Fa>名詞。他在看的是，你能不能把 AI 當成工作工具，用它來加速思考、寫初稿、找替代方案，還能知道它哪裡會胡說八道。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779751002723-i166.png\" alt=\"AI 技能先錄取新鮮人\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我看過太多「有碰過 AI」的人，差別都在細節。有人說自己用過 ChatGPT 寫作業；另一個人會說，他先叫 AI 生三個解法，再逐條挑毛病，把\u003Ca href=\"\u002Fnews\u002Fzero-turns-compiler-errors-into-agent-ready-json-zh\">錯誤\u003C\u002Fa>假設抓出來，最後重寫 prompt。這兩種人根本不是同一個層級。前者是在消費工具，後者已經在用工具做事。\u003C\u002Fp>\u003Cp>如果你是學生或剛畢業的工程師，別再把 AI 當搜尋框。它比較像一個可以幫你腦力激盪、改寫、摘要、重組內容的搭檔。重點不是「我有用過」，而是「我有把它用到能交差、能驗證、能展示」。\u003C\u002Fp>\u003Cp>實操寫法很簡單：把你每次用 AI 的過程留下來。prompt 怎麼下、哪裡改過、最後產出長什麼樣子，都放進作品集或 README。這樣面試官看到的不是口號，是證據。\u003C\u002Fp>\u003Ch2>AI 正在變成新的試算表能力\u003C\u002Fh2>\u003Cp>Huang 最有意思的地方，是他把 AI 跟以前的電腦、試算表放在同一條線上看。意思很簡單：它會從「特殊技能」變成「基本工作能力」。這句聽起來很平，但我覺得很多人其實還沒消化完。因為大家都會開 Excel，不代表大家都會用公式、樞紐分析、基本建模。AI 也一樣，會開工具和會用工具，中間差很大。\u003C\u002Fp>\u003Cp>我之前在團隊裡看過一堆「AI assisted」流程，最後交出來的東西很像在跟機器聊天，內容空、語氣飄、結論還很自信。那不是模型太爛，是操作者太隨便。你如果只會問「幫我想一下」，那 AI 只會回你一堆看起來很像答案的東西。\u003C\u002Fp>\u003Cp>Huang 的意思不是 AI 會讓大家突然變聰明，而是會用 AI 的人，工作面會拉得更寬。寫文件、整理資訊、做初步分析、回覆客戶、拆需求，這些工作都會被拉進來。你不會用，就等於自己把速度放慢。\u003C\u002Fp>\u003Cul>\u003Cli>先讓 AI 幫你寫初稿，不要直接拿來當定稿。\u003C\u002Fli>\u003Cli>叫它比較選項，順便把 tradeoff 講清楚。\u003C\u002Fli>\u003Cli>每次都要把假設攤開，自己再驗一次。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：選一個你真的在做的流程，做成固定套路。例如把會議紀錄轉成 action items、把 bug report 轉成重現步驟、把草稿轉成對外簡報。不要做玩具 demo，要做你明天真的會用的工作流。\u003C\u002Fp>\u003Ch2>他在講的不是裁員，而是任務被重組\u003C\u002Fh2>\u003Cp>我覺得這次訪談另一個重要點，是他沒有跟著大家一起演末日劇本。他一直在講一件事：很多人把「工作目的」跟「工作任務」混在一起。這其實是大多數 AI 焦慮的來源。你以為 AI 會把整個職位吃掉，但實際上常常只是把裡面一部分重複工作拿走。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779750983741-j11q.png\" alt=\"AI 技能先錄取新鮮人\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>拿放射科來說，很多人以前以為電腦視覺一成熟，放射科醫師就會消失。結果沒有。AI 幫醫師處理更多影像、服務更多病人，職業本身沒不見，只是工作內容變了。這個模型我覺得很適合拿來看工程、營運、客服、甚至 PM。\u003C\u002Fp>\u003Cp>我自己看過最常見的情況，是 AI 把原本很煩的第一層工作吃掉，讓人可以把時間放在判斷、溝通、整合、驗證。這些才是人比較值錢的地方。你如果只盯著「AI 會不會取代我」，很容易看錯焦點。你真正該問的是：我工作裡哪一段最重複、最機械、最可以先交給 AI。\u003C\u002Fp>\u003Cp>實操寫法：把你的工作拆成三類，重複型、判斷型、信任型。先拿重複型開刀，像是整理資料、摘要、初稿、格式轉換。只要你能把這層切掉，剩下的就比較像人在做事，而不是人在搬磚。\u003C\u002Fp>\u003Ch2>「每個木匠都會變成 coder」沒那麼誇張\u003C\u002Fh2>\u003Cblockquote>“Every carpenter in the future will be a coder.”\u003C\u002Fblockquote>\u003Cp>這句話聽起來很像 CEO 在放話，但我把它翻成人話後，反而覺得合理。他不是說木匠要去學傳統程式語法，而是說 coding 的定義正在變。以前是你寫語法，現在更像是你把需求講清楚，AI 幫你把它變成可執行的東西。\u003C\u002Fp>\u003Cp>這件事很大，因為它把自然語言變成一種工作介面。木匠可以用 AI 幫忙估價、排工期、寫客戶通知，甚至做簡單內部工具。水電師傅可以管排程和料件。會計可以做自動分析。重點不是你會不會背語法，而是你能不能把「我想要什麼」講到足夠精準，讓 AI 幫你做出有用的東西。\u003C\u002Fp>\u003Cp>我已經看過一些非工程背景的人，開始先自己用 AI 做雛形，再回頭找工程師補強。這種合作方式很實際，因為他們不再只是丟一個模糊需求，而是帶著具體版本來。工程師省時間，業務也比較快拿到答案。\u003C\u002Fp>\u003Cp>但這裡有個硬條件：你得真的懂問題。你如果連流程都不懂，只會亂下指令，AI 也救不了你。它不會自動補洞，只會把你的模糊放大成一個看起來很像成品的東西。\u003C\u002Fp>\u003Cul>\u003Cli>把 prompt 寫成迷你 spec：目標、限制、例子、輸出格式。\u003C\u002Fli>\u003Cli>讓 AI 幫你生表單、腳本、簡單自動化。\u003C\u002Fli>\u003Cli>最後確認輸出是不是真的能給客戶或同事直接用。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：練習把模糊需求改寫成精準 prompt。不要寫「幫我處理專案」，要寫「幫我草擬一封延遲出貨的客戶通知，120 字內，附兩個補償方案」。這種東西 AI 才做得出像樣的結果。\u003C\u002Fp>\u003Ch2>真正的篩選標準，是你會不會問更好的問題\u003C\u002Fh2>\u003Cp>Huang 的回答表面上是在講 AI 技能，但我聽起來更像是在講思考能力。真正會用 AI 的人，不是最相信輸出的人，而是最會質疑輸出的人。這點很煩，但也很真實。因為 AI 很會生出「看起來合理」的東西，你如果沒有能力檢查，就只是把思考外包給一個很會裝懂的 autocomplete。\u003C\u002Fp>\u003Cp>我在看 junior 作品時，最在意的不是他有沒有列工具，而是他有沒有做驗證。你有沒有叫它給替代方案？有沒有比較不同版本？有沒有發現它漏掉 edge case？有沒有自己補查事實？這些才是 signal。不是你會不會叫出答案，而是你會不會把答案拿來審。\u003C\u002Fp>\u003Cp>如果是我在選兩個背景差不多的新鮮人，我也會偏向那個能講清楚自己怎麼用 AI 的人。不是因為他工具列表比較長，而是因為他能把問題框起來，讓 AI 幫他探索，再說明哪些留、哪些砍。這種人進來通常很快就能上手。\u003C\u002Fp>\u003Cp>實操寫法：訓練自己對模型追問。你可以固定問它：「你在假設什麼？」「這個方案哪裡會壞？」「再便宜一點怎麼做？」「列出 edge cases。」重點是讓模型跟你辯論，不是讓它拍你馬屁。\u003C\u002Fp>\u003Ch2>新鮮人畢業前，該交出的不是口號，是證據\u003C\u002Fh2>\u003Cp>如果我是學生，看完這段話，我不會去背一堆 AI 名詞。我會去做能證明自己會用 AI 的東西。因為面試官真正想知道的，不是你有沒有聽過 AI，而是你能不能靠它把事情做得更快、更穩、更清楚。\u003C\u002Fp>\u003Cp>做法很務實。挑一個你有興趣的領域，軟體、設計、行銷、財務、營運、研究都行。然後做三件事：先產出一個初稿，再用更好的 prompt 和人工 review 去修它，最後寫下 AI 幫了什麼、哪裡還是得你自己出手。這樣你就有一個真的能講的故事。\u003C\u002Fp>\u003Cp>我也很建議學生把過程公開出來，而不是只貼結果。你怎麼從空白頁走到可交付成果，這件事比成品更能看出你能不能工作。因為工作本來就不是一次到位，而是反覆修正。\u003C\u002Fp>\u003Cp>實操寫法：做一個小型作品集頁面或 README，放三個 AI 協作專案。每個專案寫清楚 prompt \u003Ca href=\"\u002Fnews\u002Fai-agent-business-models-four-ways-zh\">模式\u003C\u002Fa>、前後差異、你學到什麼。不要寫成作文，寫成可驗證的紀錄。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 新鮮人 AI 技能清單（可直接放履歷 \u002F 作品集 \u002F 面試筆記）\n\n## 1) 我怎麼用 AI 做事\n- 我想解決的問題：\n- 我用的工具：\n- 我叫 AI 做什麼：\n- 我手動檢查了什麼：\n- 我根據輸出改了哪些內容：\n\n## 2) 我固定用的 prompt 格式\n目標：\n限制：\n例子：\n輸出格式：\n品質標準：\n\n## 3) 我能拿出來證明的 AI 專案\n### 專案 A\n- 任務：\n- AI 用途：\n- 我的驗證步驟：\n- 最後結果：\n\n### 專案 B\n- 任務：\n- AI 用途：\n- 我的驗證步驟：\n- 最後結果：\n\n### 專案 C\n- 任務：\n- AI 用途：\n- 我的驗證步驟：\n- 最後結果：\n\n## 4) 面試時我會怎麼講\n我會用 AI 來加速初稿、比較方案、抓 edge cases，但我不會盲信輸出。我會驗證事實、比對選項，最後版本通常還是我自己收尾。\n\n## 5) 面試官真正想看的信號\n如果兩個人背景差不多，我希望你能證明你會：\n- 把問題講清楚\n- 用 AI 生出選項\n- 檢查輸出有沒有亂掰\n- 說出 tradeoff\n- 更快交出可用成果\n\n## 6) 一頁式作品集說明\n### 專案名稱\n一句話說明這個問題是什麼。\n\n### AI 怎麼參與\n寫清楚你讓 AI 做了哪一段，不要只寫「有用 AI」。\n\n### 我怎麼把關\n列出你驗證了哪些地方，哪裡是你自己修的。\n\n### 我學到什麼\n寫一段真話：AI 真的幫到哪裡，哪裡還是得靠你。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段你可以直接複製去自己的筆記、履歷附錄，或作品集頁面。我會建議你把前兩段當成活文件，每次真的拿 AI 做完一件事就更新一次。不要等到找工作才臨時補。\u003C\u002Fp>\u003Cp>我喜歡這個模板的原因很簡單：它逼你講清楚細節。它不問你「你會不會 AI」，它問你「你能不能靠 AI 做出更好的工作」。這才是 Huang 真正在講的事，也是現在很多公司默默在看的事。\u003C\u002Fp>\u003Cp>我基於 \u003Ca href=\"https:\u002F\u002Fwww.indiatoday.in\u002Ftechnology\u002Fnews\u002Fstory\u002Fnvidia-ceo-jensen-huang-ai-skills-college-graduates-hiring-2916643-2026-05-25\">India Today 原文\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Flexfridman.com\u002Fpodcast\u002F\">Lex Fridman Podcast\u003C\u002Fa> 的公開內容做拆解；我的案例、整理方式和模板是我自己重寫的。相關參考還有 \u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002F\">Nvidia\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Flexfridman.com\u002F\">Lex Fridman\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\">OpenAI\u003C\u002Fa>。\u003C\u002Fp>","拆 Jensen Huang 的新鮮人錄取標準，整理成可直接套用的 AI 技能清單與面試自證模板。","www.indiatoday.in","https:\u002F\u002Fwww.indiatoday.in\u002Ftechnology\u002Fnews\u002Fstory\u002Fnvidia-ceo-jensen-huang-ai-skills-college-graduates-hiring-2916643-2026-05-25",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779751002723-i166.png","industry","zh","a230c870-9c5d-45da-afad-1911eba9a4d0",[17,18,19,20,21],"AI skills","new grad hiring","prompting","portfolio","Jensen Huang",[23,24,25],"AI 能力正在從加分項變成新鮮人錄取時的分水嶺。","真正有用的不是會聊天，而是能把 AI 用在真實工作流裡。","最好的證明方式不是口號，是可驗證的 prompt、流程和作品集。",7,"2026-05-25T23:15:59.197628+00:00","2026-05-25T23:15:59.173+00:00","caa87b65-9bbc-46fe-bba8-4f4158dd2d8b",{"tags":31,"relatedLang":40,"relatedPosts":44},[32,34,35,36,38],{"name":18,"slug":33},"new-grad-hiring",{"name":20,"slug":20},{"name":19,"slug":19},{"name":17,"slug":37},"ai-skills",{"name":21,"slug":39},"jensen-huang",{"id":15,"slug":41,"title":42,"language":43},"ai-skilled-grads-get-hired-first-at-nvidia-en","AI-skilled grads get hired first at Nvidia","en",[45,51,57,63,69,75],{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"0895329c-d142-4523-83d9-46dd621be11c","vibe-coding-workflow-plan-prompt-refine-zh","5 步把 vibe coding 做成可重複流程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781565464616-ymq8.png","2026-06-15T23:17:19.969601+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"14718e0c-8cd4-4e4c-ac37-cd4f3ae335d2","anthropic-suspension-ai-release-policy-zh","Anthropic 停權把發布變政策","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781561903793-qow6.png","2026-06-15T22:17:54.25387+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"a61bb9a7-a811-46cc-9b73-9ccb84cda0f8","helix-brings-10b-to-ai-infrastructure-buildouts-zh","Helix 10 億美元押注 AI 基礎設施整合","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781560970664-1d59.png","2026-06-15T22:02:19.767786+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"87f6c4e2-b79b-4850-a935-4fa04f0dfe20","doe-land-ai-infrastructure-fast-zh","DOE 應該快把土地轉成 AI 基礎設施","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781560070740-bnta.png","2026-06-15T21:47:22.771897+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"f298de46-73ff-425c-9941-f58b4e43adce","xiaomi-mimo-code-beats-claude-code-long-tasks-zh","小米 MiMo Code 挑戰 Claude Code","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781559171329-8ofv.png","2026-06-15T21:32:19.550119+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":13},"faba17a1-85f0-40da-94de-bf61c861a244","openai-ona-buy-adds-reach-to-codex-zh","OpenAI 收購 Ona，Codex 更能跑長任務","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781558263174-hjuw.png","2026-06-15T21:17:17.221546+00:00",[82,87,92,97,102,107,112,117,122,127],{"id":83,"slug":84,"title":85,"created_at":86},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":88,"slug":89,"title":90,"created_at":91},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]