新闻详情

新闻详情

首页 / 资讯中心 / 详情

为什么同样3年经验有人15K有人35K?

发布时间:2026/11/14 17:44:53来源:尧图网络
为什么同样3年经验有人15K有人35K?
大家好我是仲一。上个月有个读者私信我说心里堵得慌。他和大学室友同年毕业都进了嵌入式这行。三年过去室友跳去一家芯片原厂月薪报出来是他的两倍。他原话是这么说的“我不觉得自己比他笨活也干得不比他少怎么就差这么多了”这种困惑我见太多了。而答案往往不是你不够努力——是三条曲线在三年里各自走了一段最后汇成一个结果。今天把这仨拆开聊聊。以下薪资以 2024–2025 年一线城市行情为参照——嵌入式薪资受半导体周期、新能源、AI 硬件这些影响挺大三年后数字可能变但重点看相对差距别盯着绝对值。第一条曲线你脚下的那层决定你的天花板这一条我老生常谈过但放在三年差距这个话题里它其实是起点不是终点。入行第一份工作你在产业链哪一层基本决定了你这三年能接触什么量级的问题。同样叫嵌入式工程师在给空调做控制板的公司和在做车规芯片的公司三年后不可能在一个价位上——不是谁技术差是产品利润差着量级公司养人的能力就摆在那。一线城市看家电和 ODM 出来三年的人月薪大多在一万五到两万之间晃卡得死一点的可能就卡在标题那个 15K 上芯片原厂、汽车电子、自动驾驶方向的三年三万多不稀奇强的能到四万。所以第一份工作选低层不是死刑但它会拖慢你的爬升速度。这个落差靠努力补很难补平。第二条曲线三年里你攒的是能力还是熟练这一条我觉得才是真正的分水岭很多人没想透。同样是写三年驱动有两种攒法。一种三年下来攒的是能带走的系统能力你独立调过难缠的问题搞清楚过中断子系统为什么这么设计能不看资料把一块板子从 uboot 拉到内核跑起来。你跳去任何一家做 Linux 的公司这套东西都用得上。另一种三年攒的是平台上的熟练你会改这家公司这套 SDK 里的驱动知道在这个框架里加个外设要动哪几个文件。但换个芯片、换个框架你之前那套就废了大半。面试的时候这两种人一句话就能问出来。我面过不少三年经验的简历上都写熟悉 Linux 驱动开发。追问一个你上次调的那个 bug最后查到根因是什么、怎么验证的答得上来和答不上来差别是断崖式的。前一种人面试官心里已经给到三万多后一种可能就给个两万上下还得再想想。这不是智商差距是三年里你被安排做的事、和你自己选择做的事不一样。天天在别人搭好的框架里填回调和被迫去啃一个没人会的问题三年后的你完全不同。第三条曲线你会不会在对的时间跳一次前两条决定你的内在价值这一条决定它能不能变现。行业里有个说法驱动这东西三年才算刚入门。前三年你大概率在补基础、在踩坑、在攒手感。真正的能力跳变往往发生在第一次换平台的时候——你带着三年的积累去一个更高的平台把自己重新定价。但很多人卡在不敢跳或者不会跳。不敢跳的是在一个地方待太久越待越怕挪窝能力没涨胆子先缩了。不会跳的是三年里没攒出能证明自己的东西——手里没有独立搞定的项目、没有能讲透的案例简历上只有参与“协助”这种跳出去也谈不到好价。对的方向是前两年沉下来把一件事做透第三年开始看机会卡在三年这个节点跳一次。这时候你既有能讲的东西又还没被定型是议价空间最大的时候。但也要清醒跳槽是放大器不是救命稻草。如果你前两年攒的东西经不起追问跳出去只会更快暴露短板如果赶上行业收缩期宁可多待半年把手里的案例做实也别为了卡节点硬跳。时机重要但手里的牌更重要。三件事叠出两倍的差距写到最后你会发现15K 和 35K 的差别其实在第三年就已经注定了——不是第三年决定的是前三年每一天的选择决定的。你脚下站在哪一层决定了天花板平时敢不敢接那些没人愿意啃的硬活决定了三年后手里攒的是能力还是熟练积累够了动不动决定了这一切能不能变成钱。这三样每一件单独看都不起眼但三年叠下来就是两倍的差距。嵌入式这行没有 35 岁一刀切但它很诚实你攒的是能带走的能力时间就是你的朋友攒的是平台的熟练时间就是你的敌人。你现在在哪条曲线上卡住了是平台天花板明显但不敢动还是干了三年发现自己攒的多是熟练不是能力又或者正好卡在三年节点纠结要不要跳留言说说你的情况我给点具体建议。仲一做嵌入式已经六七年了现在在某头部芯片公司做驱动开发之前带过团队、也面试招过人。简历看多了面试也面多了所以职业怎么走、简历哪里不对、面试卡在哪儿这些事我算是有点发言权。这些年陆陆续续有读者找过来问方向、问简历也拉我做过不少模拟面试。带过的师弟师妹有大二进小米海康的也有四个月拿到大疆、oppo、华为 offer 的简历前前后后改过两千多份。就一个要求建议你得真去做。不然别来找我浪费彼此时间。职业方向、简历、面试哪块有疑惑都可以找我聊聊。想聊的公众号后台回复「咨询」。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉