先分清：AI安全治理至少是两条路

消息提到，马斯克称自己早在2014年之前就在思考AI安全问题，并参与过《超级智能》一书，Bostrom在前言中按名字致谢了他。被引用推文还回顾，他2014年读该书后发帖称需要对AI格外小心，可能比核武器更危险。这条动态本身不提供岗位信息，但它提醒我们：对AI风险的关注可以持续很多年，路径也不止一条。

对求职者来说，AI安全治理至少分两类：偏技术对齐，偏政策合规。前者关心模型行为、评估与测试；后者关心规则设计、责任划分与流程落地。判断依据不是哪个更热，而是你过去的工作更偏工程还是偏规则分析。

两条路线，分别看什么

技术对齐方向，日常更可能围绕模型行为做实验、写评估脚本、分析失败案例。适合有编程、数据或系统测试背景的人。准备时可以先读经典文献，再尝试复现一个小型评估任务，把过程写清楚。

政策合规方向，日常更可能写分析文档、梳理监管要求、协调多方流程。适合有法律、公共政策、风控或标准制定经验的人。准备时可以选一个具体议题，比如责任归属，练习把不同立场写成结构化备忘。

两条路都需要一项共同能力：把模糊风险翻译成可讨论的问题。区别在于，技术路线用实验和指标说话，政策路线用规则和案例说话。

面试时，把团队在做什么问清楚

假设你拿到一个AI安全相关岗位的面试，可以问：团队当前优先解决的是模型行为问题，还是制度设计问题？这个岗位的产出更接近代码、评估报告，还是政策建议？

这些问题能帮你判断日常工作是写代码、写文档还是做评估，而不是只看岗位名称。如果对方说不清，说明岗位边界可能还在形成中，你需要自己评估能否接受。

一个实际可做的小建议：选一个你关心的AI风险议题，用一页纸写下它属于技术问题还是规则问题，再列出你已有的相关经历。这张纸不会直接变成offer，但能帮你在转岗沟通时说得更具体。