引言：为什么59岁还要转型？
我叫马卫泽，今年59岁，是一名教授级高级船舶工程师。从1988年大学毕业到2024年，我在船舶设计、高速艇开发和螺旋桨设计领域工作了37年。在这个人生阶段，很多人会选择享受退休前的平稳时光，但我却做出了一个让身边人惊讶的决定：全面转型到AI模型评估和安全对齐领域。
这不是一时冲动。过去一年，我深度使用Claude、Deepseek、ChatGPT等大语言模型辅助工作，亲身体验了AI如何改变工程设计流程。更重要的是，我发现了一个独特的机会：我37年的工程经验，恰恰是AI模型评估最需要的。
一、发现新方向：从用户到评估者
1. 重度AI用户的洞察
2024年初，我开始使用Claude Code辅助开发ShipTechAI——一个基于Rolla SPP数据库的船舶螺旋桨设计工具。在这个过程中，我对不同AI模型有了深入的对比认知：
- Deepseek：在工程计算和数据处理上表现出色，成本低廉，特别适合复杂数学公式的实现
- Claude：代码质量高，理解能力强，但在某些专业领域的知识深度有限
- ChatGPT：通用能力均衡，但在专业工程应用中准确性需要反复验证
在日复一日的使用中，我开始思考：这些模型在工业场景中的可靠性如何？它们的输出需要多少人工校验？如何系统性地评估它们的表现？
💡 转折点
当我在某次使用Claude处理船舶阻力计算时，发现它给出的公式少了一个关键系数。这个错误对于外行来说很难发现，但对工程师来说却是致命的。这让我意识到：AI模型评估需要懂行的专家，而不仅仅是懂AI的人。
2. 工程师视角的独特价值
在深入了解LLM模型评估和Red Teaming之后，我发现自己的背景具有独特优势：
- 真实场景理解：我知道工程师在实际工作中如何使用AI，哪些场景最容易出错
- 专业知识深度：能够设计复杂的专业领域测试用例，而不是简单的通用问题
- 系统性思维：37年的工程项目管理经验，让我擅长建立评估框架和方法论
- 风险意识：工程领域对安全和可靠性的严格要求，与AI安全对齐的目标高度一致
二、转型路径：工程思维如何加速AI学习
1. 第一阶段：从零开始学Python（10天）
很多人认为59岁学编程是不可能的任务。但我用10天时间，从零基础到能够独立开发ShipTechAI全栈应用，证明了工程师的学习能力。
"我没有按照传统教程学Python，而是直接开始做项目。遇到不会的就问Claude，每个功能都要求它解释原理。这种'边做边学'的方式，让我在10天内掌握了通常需要几个月的内容。"
关键方法：
- 项目驱动学习：不学语法，直接开始写ShipTechAI
- Claude作为导师：每行代码都要求解释，理解原理而不是记忆
- 工程师思维：把代码看作工程设计，模块化、系统化思考
- 快速迭代：先实现功能，再优化代码，不追求完美主义
2. 第二阶段：深入LLM原理与评估方法（1个月）
掌握Python之后，我开始系统学习LLM的工作原理、Prompt工程和模型评估方法论。这个阶段，我的工程背景再次发挥作用：
- 对比测试：就像测试不同螺旋桨设计一样，我建立了系统的模型对比测试框架
- 量化评估：工程师习惯用数据说话，我为不同模型的表现建立了量化指标
- 边界条件测试：工程设计中的极限工况测试思维，对应到AI的Red Teaming
- 失效模式分析：船舶设计中的FMEA（失效模式与影响分析）方法，完美适用于AI安全评估
3. 第三阶段：实战项目积累（持续进行）
我通过实际项目积累评估经验：
- ShipTechAI开发：深度对比Deepseek、Claude在工程应用中的表现
- 专业领域测试：设计船舶工程专业的模型评估用例库
- 工业AI安全研究：研究LLM在工业控制、设计计算等高风险场景的可靠性
- 博客分享：记录转型过程，帮助其他传统工程师理解AI
三、关键洞察：工程师做AI评估的独特优势
1. 真实场景的评估用例
大多数AI评估基于通用任务（翻译、问答、代码生成等）。但工业AI的真正挑战在于专业领域的复杂场景。例如：
🔬 实例：螺旋桨设计评估用例
问题："设计一个用于25节高速艇的表面穿刺螺旋桨，艇长15米，排水量8吨，配置双主机每台300马力。"
评估维度：
- ✅ 是否选择正确的设计方法（B-Troost图谱 vs Rolla SPP数据库）
- ✅ 计算公式是否准确（阻力估算、功率分配、转速范围）
- ✅ 参数范围是否合理（直径、螺距比、盘面比）
- ✅ 是否考虑实际约束（吃水限制、空泡风险、震动问题）
- ✅ 建议的可实施性（材料选择、加工难度、成本估算）
结果：通过这类专业用例，可以精确评估模型在工程领域的可靠性，而这是通用评估无法覆盖的。
2. 系统性的评估框架
工程项目管理中的系统工程方法，可以直接应用于模型评估：
- 需求分析：明确评估目标（准确性？安全性？效率？）
- 测试计划：设计覆盖各种场景的用例集（正常、边界、异常）
- 量化指标：建立可测量的评估标准（错误率、响应时间、一致性）
- 风险评估：识别高风险场景并重点测试
- 持续改进：建立反馈机制，持续优化评估方法
3. 工业AI安全的实践经验
船舶工程属于高安全要求领域，这让我对AI安全有天然的敏感性：
- 失效后果严重：船舶设计错误可能导致海难，AI在工业控制中的错误同样致命
- 多重验证机制：工程设计的审核流程，对应AI输出的多层验证
- 保守安全裕度：工程设计的安全系数思维，适用于AI系统的容错设计
- 文档追溯：工程项目的严格文档要求，对应AI决策的可解释性需求
四、实战成果：ShipTechAI项目
1. 项目概述
ShipTechAI是我转型AI后的第一个完整项目，它是一个基于Rolla SPP数据库的船舶螺旋桨设计工具。这个项目不仅验证了我的技术能力，更成为我研究AI模型在工程应用中表现的实验平台。
2. 技术实现
- 数据处理：将Rolla数据库的101个设计点数字化，建立三维插值模型
- 算法实现：集成B-Troost图谱方法和Rolla SPP数据库
- 智能诊断：基于设计参数自动识别潜在问题并给出建议
- 全栈开发：HTML/CSS/JavaScript前端 + Python后端 + 数学模型
3. AI辅助开发的深度应用
在ShipTechAI开发过程中，我深度对比了不同AI模型的表现：
📊 模型对比实战数据
Deepseek：
- ✅ 三维插值算法实现：优秀（代码简洁，性能高）
- ✅ 复杂数学公式转换：优秀（准确理解工程公式）
- ⚠️ UI/UX设计建议：一般（缺乏审美判断）
Claude：
- ✅ 代码架构设计：优秀（模块化、可维护性强）
- ✅ 问题诊断与调试：优秀（快速定位bug）
- ⚠️ 专业领域知识：中等（需要我提供详细背景）
ChatGPT：
- ✅ 通用编程问题：良好（基础扎实）
- ⚠️ 复杂工程算法：需要多轮校正
- ⚠️ 代码一致性：多次对话中容易出现矛盾
五、未来方向：工业AI评估与安全对齐
1. 短期目标（6个月）
- 建立船舶工程专业的LLM评估用例库（500+测试用例）
- 系统对比Deepseek、Claude、Qwen等国产模型在工业场景的表现
- 研究Prompt工程在专业领域的最佳实践
- 参与或申请AI安全评估相关项目
2. 中期目标（1-2年）
- 加入AI模型开发团队，担任工业领域评估专家
- 建立工业AI安全评估方法论和标准
- 培训其他工程师转型AI评估
- 在AI安全会议发表研究成果
3. 长期愿景
推动"工程师+AI评估师"的新型职业发展路径。传统工程师具有丰富的专业知识和实践经验，这正是AI模型评估最需要的。我希望通过自己的转型经历，证明：
- 年龄不是转型的障碍，经验反而是优势
- 工程思维在AI时代依然强大
- 传统行业专家是AI安全的关键力量
- 终身学习是职业发展的唯一常量
六、给传统工程师的转型建议
1. 心态准备
- 拥抱变化：AI不是威胁，而是工具。与其担心被替代，不如学会使用它
- 相信经验：你的专业知识在AI时代更有价值，不要妄自菲薄
- 保持好奇：像当年学工程一样，保持对新技术的好奇心
- 敢于尝试：年龄只是数字，学习能力才是核心竞争力
2. 学习路径
- 第一步：成为AI重度用户（3个月）
- 每天使用Claude/Deepseek解决实际工作问题
- 记录哪些场景AI表现好，哪些不行
- 学习Prompt工程，提高AI使用效率
- 第二步：学习Python基础（1个月）
- 不要看教程，直接用AI辅助做项目
- 选择与本职工作相关的自动化工具开发
- 每个功能都要求AI解释原理
- 第三步：深入AI评估领域（持续）
- 系统学习LLM原理和评估方法
- 设计本专业领域的评估用例
- 对比不同模型的表现并记录
- 参与开源AI评估项目
3. 避免的误区
- ❌ 从基础语法开始学编程（太慢，容易放弃）
- ❌ 追求完美的代码质量（先实现功能，再优化）
- ❌ 觉得自己年龄大学不会（我59岁都可以，你也行）
- ❌ 期望一次性掌握所有知识（边做边学，逐步积累）
- ❌ 忽视专业优势（你的专业知识是最大资本）
结语：终身学习，永不止步
37年的工程师生涯教会我一个道理：技术在变，但解决问题的思维方式是不变的。从船舶设计到AI模型评估，表面看是完全不同的领域，但本质都是：如何建立系统性的方法论，如何在复杂约束下找到最优解，如何确保系统的安全性和可靠性。
59岁转型不是终点，而是新的起点。AI时代给了传统工程师前所未有的机会：我们的专业知识、系统思维和工程经验，正是AI模型评估和安全对齐最需要的。年龄不是障碍，终身学习才是职业发展的唯一常量。
"当我用10天时间学会Python，用1个月开发出ShipTechAI，用3个月成为AI评估领域的实践者时，我意识到：学习能力不会随年龄衰退，只要保持好奇心和行动力。"
如果你也是一位传统工程师，正在思考如何应对AI时代的挑战，我想告诉你：现在就是最好的时机。AI不是来替代你的，而是让你的经验发挥更大价值的工具。
关于作者：
马卫泽，教授级高级船舶工程师，37年船舶设计与高速艇开发经验。现专注于LLM模型评估、AI安全对齐和工业AI应用研究。ShipTechAI工具开发者。
📧 联系方式：jason15994264083@gmail.com
🌐 网站：www.shiptechai.com
🚁 ShipTechAI工具：在线体验