最近刷行业群，总能看到老同事在问，雷达工程师过了35岁到底还能不能干，是不是只能往管理岗挤，或者干脆转行去卖保险。
还有人说得更直接，这行技术迭代太快，你前几年刚把CFAR和卡尔曼滤波吃透，转头一看，新来的应届生已经在用深度学习做点云分类了，效果还比你调了三个月的规则好。
我2015年硕士毕业进了一家做车载毫米波雷达的创业公司，当时国内智能驾驶刚起步，做雷达的团队掰着手指头数得过来。那会儿我们觉得自己手握核心技术，是硬核工程师，地位稳得很。
十年过去，行业变了天。
2024年国内新车L2及以上辅助驾驶装配量突破千万辆，渗透率接近一半。4D成像雷达从概念变成了量产件，2025年底工信部对L3级自动驾驶车型作出附条件准入许可，4D成像雷达作为关键硬件进入稳定装车阶段。小米SU7全系标配4D毫米波雷达，长安L3级自动驾驶系统也集成了4D成像雷达，预计2026年一季度上路试点。
热闹是热闹，但热闹是别人的。对35岁上下的雷达工程师来说，焦虑才是真实的。
全国总工会2022年的调查数据显示，35到39岁年龄组职工中，超过一半担心失业，七成担心技能过时，超过九成感觉有压力，比例在各年龄组中是最高的。2025年有调研显示，35岁以上工程师在招聘市场中占比不足15%，求职周期比年轻人长两到三倍，通过率只有三分之一。
这些数字落到每个人头上，就是一个个失眠的夜晚。
第一场颠覆，是从规则驱动到数据驱动。
传统雷达信号处理，核心是CFAR检测、卡尔曼滤波、聚类算法，靠的是工程师对物理模型的理解和手动调参的经验。但深度学习打进来之后，YOLO做目标检测，PointNet++做点云分类，效果在不少场景下碾压传统方法。
恩智浦最新一代雷达处理器S32R47，已经内嵌了AI/ML加速器，支持TensorFlow Lite等轻量级框架。芯片厂商主动把深度学习能力做到硬件里，这意味着什么？意味着不会AI的雷达工程师，以后连芯片的完整能力都用不上。
第二场颠覆，是算法工程师变成了数据工程师。
以前做雷达算法，核心工作是写代码、调参数、跑仿真。现在不一样了，算法开发的重心在往数据pipeline上迁移。数据怎么采、怎么标、怎么清洗、怎么增强，每一步都直接影响模型效果。没有数据工程能力，连模型都训不好，只能沦为”调参工”。
第三场颠覆，是软硬协同优化成了硬门槛。
车载芯片算力有限，TDA4、Orin这些平台资源是固定的，算法必须在限制条件下跑出极致效率。你得理解缓存怎么管理、DMA怎么用、SIMD指令怎么优化，还得会做定点化、模型剪枝、算子融合。只懂算法不懂优化的工程师，写出来的东西落不了地，在项目里就是拖后腿的那个人。
面对这些变化，抱怨没有用，原地踏步更危险。我观察身边那些还在往上走的雷达工程师，普遍在四个方向上做了能力重构。
第一条路，是信号处理和AI双修。
传统雷达知识不是废了，而是要和AI结合起来用。比如用深度学习做特征提取，再把提取出的特征输入到物理模型里做跟踪，两者互补。真正有竞争力的做法，是复现几篇经典的雷达目标检测网络，然后把传统信号处理模块嵌进去改一改，找到两者的结合点。
第二条路，是补上全链路数据工程的能力。
数据采集、标注工具如LabelCloud和CVAT要会用，数据增强策略要懂，MLflow、DVC这些数据管理平台要熟悉。数据质量决定了模型效果的天花板，谁掌握了数据，谁就掌握了主动权。
第三条路，是从纯软件思维转向软硬协同。
嵌入式开发、C/C++、CUDA、OpenCL，这些东西以前觉得是底层工程师的活，现在绕不开。算法定点化、模型量化、算子融合，减少延迟和内存占用，这些能力直接决定你的算法能不能上车。
第四条路，是从技术执行者升级为系统架构师。
你要理解雷达在整车感知系统中的角色，知道它和摄像头、激光雷达怎么融合，能权衡算法复杂度、性能、成本、功耗。只会写算法的人，永远在别人的架构里干活。
说一千道一万，关键是行动。
持续学习这件事，听起来像废话，但能做到的人不多。纵向把雷达核心技术吃透，横向把AI、数据工程、嵌入式、系统架构补齐，建立T型知识结构。开源项目像TI的mmWave SDK、TensorFlow Lite，都是很好的切入点。
主动去碰那些让你不舒服的任务。数据闭环、模型部署、系统联调，这些活杂，但最能长本事。跨领域协作的机会，哪怕累一点也要抢着上，解决实际问题的经验比任何课程都值钱。
还有一件事被很多人忽略了，就是构建个人技术品牌。写技术博客，参与开源社区，分享雷达和AI结合的实践案例。输出倒逼输入，写的过程就是梳理知识体系的过程。这个行业圈子不大，你的名字被人记住，机会自然会来找你。
至于薪资，2025年雷达算法工程师78.5%的岗位月薪在2万到5万之间，年薪24万到60万，智能驾驶算法工程师的平均年薪已经超过50万。市场的钱在往复合型人才身上倾斜，你值多少钱，取决于你解决了多难的问题。
回头看这十年，身边那些还在往上走的雷达工程师，没有一个是靠吃老本混日子的。有人从传统信号处理转到了AI感知融合，有人从算法做到了系统架构，有人从写代码做到了带团队做产品落地。
35岁不是终点，是职业转型的起点。雷达工程这个领域给了我们一个扎实的技术底座，但真正决定你能走多远的，还是愿不愿意放下身段重新学，敢不敢在舒适区外面多待一会儿。
你觉得AI会彻底颠覆传统雷达技术，还是两者会深度融合？欢迎在评论区聊聊你的看法。
