EP1832025-06-04（直播 · 週三）76 分鐘

光電轉行 AI，三十多歲進特斯拉

ChChiao來賓 · Tesla阿阿財來賓 · 阿財科技分享

求職面試海外工作還沒進來 Tesla

▶ 到 YouTube 看

YouTube 標題：EP183 | 特斯拉的AI工程師！Feat. Chiao, 阿財科技分享

Chiao 從光電一路轉到 AI，在 Austin 進了特斯拉。他談轉行的取捨、怎麼找到這份工作、面試考什麼，還有薪資行情與身分問題。

重點

光電轉 AI 的曲折路線Chiao 讀光電，在歐洲參加黑客松式的創業競賽，回台等當兵時加入朋友的新創，之後在當兵那一年自學 CS，進中研院做四年 NLP 相關研究，才申請到美國的學校。他說自己 32 歲到美國，34 歲才拿到特斯拉的職位。
履歷當產品改實習一度找不到，Chiao 回頭檢查才發現履歷只是在寫自己的人生故事。後來他針對後端與 ML 兩種職位客製、用 git 管版本，沒內推、不設地點，海投後拿到 Meta、TikTok、PayPal 和特斯拉的機會。
軟硬都懂才是切入點Chiao 在 Austin 的硬體設計組寫 AI compiler，組裡的產品是一顆能跑 FSD 的晶片。他認為 AI 與軟體走得越快，和硬體的落差越大，懂兩邊的人不必怕被 AI 取代，也不必硬擠 research scientist。
公司氛圍與面試Chiao 說工時沒有外界想的誇張，壓力是大家自動自發，辦公室沒有隔間，同事多是資深的美加當地人。面試偏重知識，AI 與硬體都會考，他形容是自己面過最難的一場。
自駕等級與責任歸屬討論中拆解了 level 0 到 5。Waymo 最頂尖也只算 level 4，無人計程車背後仍有遠端操作員。level 2 是駕駛負責，level 4 乘客不用負責。
薪資、身分與年紀Chiao 說 senior 的總包大概是 half a million，強的有機會到 one million。沒有美國籍也能被大廠找進去，在台灣累積論文引用也可以走 NIW 申請綠卡。

時間軸

03:44	開場與介紹來賓抹布正式開場，介紹來賓 Chiao 是特斯拉的 AI 工程師，並請阿財一起客座。雪柔、琳恩、Letitia 依序自我介紹，阿財說自己長期關注特斯拉。
11:00	Chiao 現在在做什麼Chiao 在特斯拉是偏資深的 machine learning engineer，在類似 IC 設計的硬體組寫 AI compiler。先前做過光電、中研院與創業，約兩年前到美國。
11:48	歐洲留學與創業成大光電、台大光電所，靠台大與歐盟的雙學位計劃去了蘇格蘭和比利時。畢業後參加黑客松式的創業競賽得名，再待半年，團隊臨時組成不合而解散，也因為要當兵回台。
15:31	當兵與整理公司回台等當兵的空檔，加入朋友的 3D 列印新創，後來轉向居家整理。他覺得離科技業太遠，約 26 歲把股份還給 CEO 離開。
17:45	當兵時自學 CS以前寫的是 MATLAB 和光學設計軟體，當兵那一年才從 OOP、C++、Python 學起，也上 CS50 與從電路蓋電腦的課，用快一年測試自己是不是這塊料。他特意挑英文教材，自己托福只考 69。
23:11	兩個 offer 與中研院手上有美光和台積電光電工程師的機會，簽約前一天看到中研院徵 NLP 研究助理。教授看他成績好又有熱忱，答應讓他從頭學，他待了四年。
26:42	特斯拉的高壓傳聞大家先聊特斯拉出名的高壓與 Elon 睡工廠。Chiao 說自己的組算核心，Elon 常關注專案進度，但他還沒親眼見過本人。
30:54	實習、旁聽與海投實習找不到，中研院的同事替他設計了一個實習專案。之後他遠端完成最後一學分、邊找工作邊去 Stanford 旁聽補硬體，履歷依職位客製後海投，拿到四家公司的機會。
36:51	特斯拉缺什麼人阿財說明特斯拉從自己設計 dojo 晶片、運算平台到 Optimus 機器人都自己來，所以各領域的人才都缺。
39:33	軟硬兼具與 AI 取代Chiao 說 AI 走得越快，軟硬之間的落差越大，懂兩邊的人就是切入點。他提醒不必硬擠年薪可達百萬美金以上、但職位極少的 research scientist。
41:58	他的組做什麼Chiao 的硬體設計組，最終產品是一顆能跑 FSD 的晶片，組內也一直找不到人。
42:48	自駕等級與責任自駕分 level 0 到 5，Waymo 最頂尖也只是 level 4，無人計程車背後仍有遠端操作員。Cruise 因重大事故與通報瑕疵被停牌，level 2、3、4 的責任歸屬各不同。
48:13	FSD 點到點新版加入 AI 之後，在美國可以從家裡點到公司，上下交流道、換車道都不用碰，但理論上仍要看路。特斯拉不太買廣告，影片多是車主實測。
50:15	辦公室氛圍與同事Chiao 說工時比想像的好、有彈性，壓力是自動自發。辦公室沒有隔間，同事多是 UT Austin 畢業的資深當地人，他是組裡第一個非英語母語者。
52:06	特斯拉的面試面試偏重知識而不是背題，AI 與硬體都會考，形式是白板題。Chiao 自己摸索出一套準備方法，說這是他面過最難的一場。
53:58	一般 MLE 面試的差別一般 MLE 面試分訓練與 inference，會問 overfitting、reinforcement learning、transformer 的 n 平方複雜度怎麼處理。特斯拉則往下考到硬體，例如浮點數怎麼表示。
56:32	設備業面試與學校課程阿財說自己投過一間做設備的公司，被問用 AI 做影像增強、upsampling 這類題目。另一位接著回想念書時修的影像處理課，那時 GAN 正紅，這類課還沒像現在這樣爆滿。
58:22	最大的挑戰是人才被問到做 FSD 最大的挑戰，Chiao 的答案是找人：同時懂軟硬的人在市場上稀缺，大廠都在搶。
1:00:09	薪資行情Chiao 說不談自己的薪資，但以他所知 senior 的總包大概是 half a million，夠強的有機會喊到 one million。他提到 Meta、Google 也在自己做硬體。
1:01:46	沒有美國籍可以嗎Chiao 自己就沒有美國籍。他說大廠缺人時身分會幫忙想辦法，想跳槽的人還會被重金慰留；他在網路上認識的人被挖角，薪資大概是 1.5 倍以上。
1:03:42	要先去美國讀書嗎Chiao 說半推薦半不推薦，看性格。負擔不了的話，可以在台灣累積論文引用，走 NIW 自己申請綠卡，不需要公司 sponsor。
1:07:36	AI 工程師的機會大家認為 AI 工程師很缺、其他領域的工程師被裁，與其擠 AI 科學家，還有很多要懂硬體的 ML 職位。Chiao 說自己 28 歲學 AI、34 歲才拿到職位，鼓勵大齡轉職的人堅持下去。
1:10:57	結尾與感謝感謝 Chiao 在 Austin 一大早上線；主持人聊到特斯拉的研發不在台灣，另一位前特斯拉 AI 工程師說過也有台灣人去了美國，最後以節目口號收尾。

值得記的話

「很多人都以為我英文很好其實我英文蠻爛的」21:36

「其實是個蠻糟糕的履歷就是我只是在寫我的人生故事」35:13

「這 gap 是永遠存在而且是只會越來越大因為硬體永遠都跟不上 AI 的腳步」40:18

「要找到兩邊都有這種知識的人其實在現在的市場上面其實是個稀缺」59:13

「只要享受這個過程然後堅持下去總是會有辦法的」1:10:38

名詞與人物

Chiao: 本集來賓，特斯拉 Austin 硬體設計組的 machine learning engineer，寫 AI compiler。
阿財: 長期做特斯拉與 AI 技術影片的自媒體，本集以客座主持人身分加入。
MLE: machine learning engineer。Chiao 說面試分訓練與 inference 兩類，他的工作偏 inference 加速。
AI compiler: Chiao 負責的部分。阿財的說明是：想讓整個 AI 運算最有效率，就得自己做這一層。
FSD: full self-driving。Chiao 組裡做的晶片要能跑它，討論中也有人批評命名是過度行銷。
dojo: 特斯拉自己設計的晶片。Chiao 說這類資訊 Wikipedia 上都查得到。
Optimus: 特斯拉的機器人。阿財用它說明公司連機構與感測器的人才都在找。
軟硬協同設計: 設計晶片時既要懂硬體也要懂 AI 軟體，Chiao 說這是他們這行很夯的做法。
research scientist: AI/ML 職位裡的「聖杯」，薪資高但職位極少，Chiao 不建議硬擠。
level 0 到 5: 自駕的六個等級。討論中說 Waymo 只到 level 4，目前沒有 level 5 的產品。
Cruise: 曾經的無人計程車龍頭，因重大事故與通報瑕疵被停牌後收掉。
NIW: 國家利益豁免，一種不需要公司 sponsor、可自行申請的移民管道。

延伸

Chiao 說自己摸索出一套準備面試的方法，這集時間不夠，沒有展開。
自駕車事故的責任歸屬與相關法規，節目表示不在這集展開。