畢業季，乘載了莘莘學子對未來的憧憬。當學士帽被拋向空中，新的人生階段也即將展開；然而，當帽子落下後，許多人卻發現，踏出校園後首先迎來的不是想像中的美好未來，而是冰冷的現實。
全世界的大學畢業生，正在經歷近年來最艱難的就業環境之一。在美國，電腦工程相關科系畢業生失業率達 7.5%，幾乎是全國平均的兩倍；英國《金融時報》指出，即便是哈佛大學商學院、麻省理工史隆管理學院等頂尖學府的畢業生，離開學校三個月後仍未找到工作的比例，自 2021 年起開始已顯著上升。
為什麼會這樣？
其中，很大的一個原因，在於 AI 正在重寫職涯的入門門檻。
長期以來，教育與職場之間存在一條相對穩定的通道：從學校畢業、進入初階職位、在工作中學習，逐步累積經驗並向上晉升。然而，AI 的出現，正在直接拿掉這條「從學校進入職場」的梯子。
史丹佛數位經濟實驗室（Stanford Digital Economy Lab）指出，在最受 AI 影響的產業中，22 至 25 歲族群的就業率已明顯下滑，首當其衝的正是軟體開發、客服與文書等過去由新鮮人承擔的入門型職位。
AI 出現後，企業直接用自動化取代新鮮人，不再需要花時間與資源慢慢培養人才；這對年輕世代的影響是深遠且全面的，當進入產業的入口消失，「新手」不再有機會變成「老手」，職場的巨大斷層正在浮現。
「我們收到了 2,000 份履歷，竟然找不到一個能用的人」
對於這樣的斷層，矽谷新創 Inference.ai 的創辦人暨執行長 John Yue 有著極為直接的感受。
他與我們分享，團隊曾公開招募一名工程師職缺，短時間內收到超過 2,000 份履歷，其中不乏來自常春藤名校的畢業生，「但在層層篩選後，最後卻沒有任何一位候選人真正符合我們的需求。」
在 John Yue 看來，問題出在一個被 AI 快速放大的結構性問題：企業對人才的期待已經全面轉向「即戰力」，但教育體系卻仍停留在過去的節奏，缺乏與產業同步的實作環境。
John Yue 以 AI 與機器學習相關職位為例，擁有 GPU 實戰經驗的人才是企業眼下最迫切的需求之一，但在多數大學課程中，GPU 仍是極度稀缺的資源。學生即便掌握了基礎理論，卻沒有機會在真實環境中訓練模型、理解產業實際需求，落差因此被進一步放大。
被忽略的另一個市場：AI 的「鏡像世界」
當多數企業專注於如何用 AI 降本增效、取代人類時，John Yue 看見的，卻是另一個被忽略、卻正同步擴張的市場。
「AI 帶來的其實不是單一的效率革命，而是兩個同時成長、規模相當的市場，」John 一邊解釋，一邊拿起紙筆，分別畫出一條往上、一條往下的曲線，「這兩條線，一個是企業導入 AI、節省人力成本的『效率市場』；另一個，則是被自動化取代、需要重新回到職場的『人類市場』。」
在他眼中，這兩條曲線就像鏡子一般：AI 每節省 1 美元的人力成本，社會另一端就同時產生 1 美元的「再就業」需求。
Inference.ai 的誕生，正是從這個「鏡像市場」出發。
AI 時代下「兆元級」的就業基礎設施
世界經濟論壇預估，未來五年內，全球將有約 8,300 萬個工作因自動化與 AI 而消失，約一半的勞動人口必須重新受訓，才能維持就業能力。對 John Yue 而言，這是一個正在形成的兆元級市場，「我們想做的，是替這些被 AI 取代的人，重建一條能回到職場的路。」
John Yue 進一步解釋，Inference.ai 打造的，是一個 AI 時代的「就業基礎設施」，幫助那些被 AI 取代的人重新被社會需要、重新返回職場。
Inference.ai 首先聚焦於當前最缺人力的 AI 與機器學習相關工作，這些職位門檻高、需要實作經驗，卻長期缺乏一條清楚、可規模化的培訓與就業路徑，並將產品分為三部分：首先，Inference.ai 會透過 AI 持續分析全球即時職缺與招聘數據，辨識市場中長期存在、卻難以補足的人才缺口。
接著，系統會將大量來自企業的職缺描述進行彙整與分析，並由 AI 精準拆解為結構化的技能樹。例如，針對「機器學習工程師」這類高階職位需求，AI 會逐層解析其所需的核心技能與實作能力，包含以 Python 為基礎的程式能力、模型訓練與推論流程的理解、PyTorch 等主流深度學習框架的實務應用，以及 CUDA 與 GPU 加速運算相關能力，並清楚定義每一層技能所需達到的知識深度與實務標準。
接下來，學員會進入到高度個人化的訓練與實作階段。與傳統課程最大不同之處在於，Inference.ai 所提供的學習體驗，並非由單向的靜態教材所構成，而是全面由 AI 驅動：「AI 教師」負責課程講解與即時問答；「AI 助教」則引導學員實作，協助他們在真實的開發與訓練環境中操作模型，使用分割式 NVIDIA GPU 進行機器學習與深度學習模型的訓練與推論。
除了 AI 實作以外，Inference.ai 也會搭配來自美國一線科技巨頭的業界真人講師，整個過程以「做中學」為核心，確保參與者訓練完畢之後，立刻就具備了符合業界標準的實戰能力。
最後，Inference.ai 透過 AI 面試官（AI Interviewer），搭配業界最新標準的機器學習題庫，幫助學生反覆驗證實戰技能。這樣一來，學員可在訓練後知道自己是否已經掌握實際的機器學習技能；對企業來說，AI 面試官則能事先在大量的候選人中，篩選出合格的人選，大量節省尋找人才的時間。
Inference.ai 的關鍵優勢從何而來？
不過，這套看似簡單的商業模式，其實並不是人人都能複製，而是與 Inference.ai 自身的技術體質密切相關。
Inference.ai 的核心能力，在於一套 GPU 分割化（fractionalized GPU）基礎設施。簡單來說，就是在不犧牲效能的前提下，將高效能的 NVIDIA GPU 精細拆分為多個可負擔的小型運算單元。如此一來，學員就得以用極低的門檻，直接進入與業界一致的真實模型訓練與推論場景，而非停留在模擬環境或僅止於理論層面的學習。這正是多數教育與培訓平台，長期受限於成本與技術門檻而無法跨越的關卡。
也因為算力不再是瓶頸，Inference.ai 才能將 AI 驅動的訓練與技能驗證流程快速複製，並實際協助學員取得進入美國大型科技公司的「入場券」。
正因為有可驗證的實戰成果，在尚未投入任何付費行銷的情況下，Inference.ai 的產品已在美國工程師社群中自然擴散；同時，他們也與多所北美的大學與培訓機構合作，協助學生與在職工作者在 AI 時代快速銜接職場。目前，Inference.ai 的社群已累積超過千名成員，完成四個梯次的訓練，且人數仍在快速成長中。隨著學員完成訓練並重返職場，他們又回流社群成為導師，持續帶入新成員，逐步形成一個能自我維持、持續擴張的成長飛輪。在商業面，Inference.ai 已實現獲利營運，平均毛利率超過 90%，為其「就業基礎設施」模式提供了強而有力的經濟基礎。
當 AI 從「工具」變成「競爭者」
談到 AI 是否取代人類，John Yue 幽默地比喻道，「AI 更像是外星物種」，他認為，AI 與過去歷史上的技術躍進有著本質上的不同，「過去不管是工業革命還是電腦革命，本質上都是讓人類更有效率，是『輔助』的角色」，但是當生成式 AI 開始接手思考、寫作與決策，技術的角色就從「輔助」轉變為「競爭」，「我認為這次的 AI 革命更像外星人的入侵，他們不是來幫忙的，而是來與人類搶奪飯碗的！」
也正因如此，Inference.ai 選擇了一條不同的路。當世界上最強大的算力被用來取代人類工作，他們選擇用同樣的算力，去重建人重新「被需要」的可能。
AI 奪走了舊的工作方式；但對 John Yue而言，真正重要的，是能否為那些被取代的人，重新鋪出一條回到職場的路。
