为什么互联网大厂「容不下」35岁中年人?

本文探讨了互联网公司中35岁以上员工面临的‘性价比’困境,年龄增长与行业更新带来的压力,以及如何在大厂快速更迭中寻找转型路径。老员工与性价比竞争,大厂对年轻化的偏好,以及提前规划的重要性被深入剖析。

35岁+就没有性价比了吗?

互联网公司内外危机来临时,“35岁”员工是面临压力最复杂的一个群体。处在上有老下有小的阶段,老员工的经验和资历在追求性比价和年轻化的大厂面前似乎不值一提,但更大的危机是,“螺丝钉”式的压迫早在35岁前就已笼罩了许多年轻人。在大厂退休的可能微乎其微,“如何逃离35岁的陷阱”,是一个需要早早思考的问题。 

互联网员工的“35岁”危机,算不上一个新鲜的话题。年轻人不断涌入大厂的同时,老员工的受挫与焦虑也在同步发生。

“员工35岁被裁”“高龄员工劝退”,论坛、新闻里一些案例,更是放大了互联网人的35岁危机感。处在上有老、下有小的阶段,35岁员工担心竞争力下滑、担心被年轻人替代、担心自己找不到下家。

事实上,在互联网公司里,淘汰与更新才是常态,年龄的危机远不会等到35岁才来临。2021年初,脉脉公布的《互联网人才流动报告2020》显示,全国19家互联网头部公司,员工平均年龄是29.6岁,其中字节跳动和拼多多员工平均年龄仅为27岁。

但“35岁的大厂员工”总是被格外注目,这是因为每当互联网大厂的内外部环境发生变化时,这个群体遭遇的压力更为复杂。互联网公司的快速增长和存量博弈,行业环境的利好和风险,都能投射到35岁的大厂员工身上。

互联网公司的“35岁陷阱”

某新兴互联网大厂的会议室里,王鑫和一位35岁的求职者面对面坐着,他看得出,对方有些细微的忐忑。

33岁的王鑫在面试中接触到许多候选人。每当对面坐着35岁以上的候选人时,他都会有些出神地想,这样的境况自己以后是不是也会遭遇。

王鑫所在的团队,年龄结构非常年轻,35岁以上的员工很少。而面对这样资历更老的候选人时,王鑫的考虑往往也更多。 

“35岁以上的人,给一个低阶职位会不会不匹配对方的预期?更为关键的是,他的能力符不符合他的资历?”这些都是王鑫需要考虑的因素, 匹配35岁以上的求职者时,他只能变得更谨慎。

BOSS直聘公布的数据显示,2019年,该平台上活跃的35岁及以上互联网牛人用户中,仅有28%的人被BOSS用户主动联系过。

尽管35岁的危险被反复提及,总有人猝不及防掉入互联网的“35岁陷阱”。

华为的心声社区里,一位员工发帖向大家求助,“部门准备不续签的话,可以面试其他部门吗?还是想留在华为的。”很快就有人跟帖问道:“年龄多大了?”

这是一位32岁的老员工在华为的第8年,合同未到期前,他正在走续签的流程,却在过程中接到通知不被续签。“心情很复杂,不太理解。”这位员工写道,在此之前,他认为自己所做的事情很有价值,根本没有想过有不被续签的可能。无奈的是,当业务要减人时,他最终还是成了被选中的对象。

另一位30岁的华为员工回帖表示了焦虑,“今年30,你让我更慌了。”他回复对方:“兄弟,我建议你35岁之前一定要走,除非你是部门特定发展对象。”

互联网大厂“求新求变”的风格下,由于政策变化、业务竞跑等,员工的调整和更迭也较其他行业显得更为频繁。而35岁上下的员工,往往由于精力的下降、成本的上升等成为最先被企业放弃的对象。行业的现实下,在互联网大厂里,35岁的幸存者并不多。

BOSS直聘《35岁及以上互联网人生存状态调查》数据显示:56.8%的用户明确表示职场对35岁人群不友好,有近60%的受访者近2年内没有过升职和加薪,而75.9%的人认为自己已经在职场遭遇了天花板。

这意味着,留下的人也过得并不容易。

老员工正在输给性价比?

所有人都能意识到,大厂在加速奔向年轻人。

无论是短视频、元宇宙还是新科技,年轻人感兴趣的领域总是成为大厂们争夺的热区, 而在员工的选择上,大厂也从未停止过对年轻血液的追求 。 

2020年,网易于香港二次上市时,公司首席执行官兼董事丁磊发布全体股东信,其中提到“未来的网易会建立一个有自我进化能力的组织,永远保持29岁。”信中也透露,网易员工从221人扩张到2万多人的20年里,员工的平均年龄一直保持在29岁以内。 

留在大厂的老员工们始终处在“后浪”汹涌的危机里。

在迅速扩张的同时,许多大厂推崇扁平化制度,管理岗位少,级别晋升缓慢,这也意味着,许多员工在年岁增长的同时,并不能在级别晋升中与年轻人们拉开差距。在大厂,更为常见的是不断涌现的“自带光环”的名校高学历应届生、后来居上的“管培生”“天才计划”等,而留给老员工的往往是晋升的停滞、工资的倒挂以及被年轻人领导的尴尬。

“老员工正在输给性价比。”一位在互联网上市大厂工作多年的员工向《豹变》表示,在他看来,老员工的积极性并不会真的输给年轻人,“老员工拖家带口的才是卷的动力,年轻人很多不满意就直接不伺候了。”大多数老员工在年轻人的冲击下,感受到的是高薪低能不匹配的压力。

老员工经历多年积累,调薪、休假等福利往往都优于年轻人,这意味着,许多公司在留住一个老员工时往往要比新招年轻人付出更多成本。尤其在互联网行业收缩遇冷时,更高性价比且易于管理的年轻人,必然成为大厂的首选。

但年轻人与老员工的界限并非静止。

26岁的李可是一家大厂的运营,进入工作两年后,她常常能感到年龄的危机。最近一次的鲜明感受是,她看到腾讯应届生房补涨至每月4000元的新闻,在这项政策下,每位进入腾讯的应届生或社会工龄不满3年的新员工都能够享受高额房补,且每年维持16薪,社会工龄满3年后房补不再发放。

“我的第一反应是它只要你毕业后三年的黄金期。”在李可看来,三年以后,这样的高额房补消失时,员工就会发现自己工作第四年的工资与前三年比起来并未长进,甚至可能会下降。“员工肯定会流失的,但企业不会在乎,还有下一批毕业三年内的年轻人等着它们。”

曾经的年轻人们也正担忧着在大厂老去。

大厂留下了什么?

对匆匆而过的大厂员工来说,更重要的问题是,“大厂留下了什么?”

李可认为自己从26岁就开始的年龄焦虑,是年龄增长的同时,她并未感到大厂带给她同步的成长。她常常有的想法是,“这个岗位是我还是别人来做不会有任何区别”,她的性格、能力、处事方式在工作中能够发挥的空间很少,更多时候她觉得自己才是被岗位操纵的对象,“公司给电脑找个暂时按键的主人。”

互联网公司在发展过程中,各个岗位和职能在不断细化,员工的自主性和创造性也被制度化的管理和分工取代,大家变身庞大机器中的细小螺丝钉。尽管在日新月异的互联网中,许多员工所能接触的业务横截面其实小得可怜,比许多小厂来得更为闭塞。

这也导致了许多大厂员工在35岁前后面临职场危机时,发现自己在大厂以外难以找到下一站。

“以他在大厂的职级或资历去到小厂,必然觉得管理岗位甚至高管位置才能匹配,但很多时候,小厂由于人员的缺乏需要更多全能的人才,而他在大厂往往能够把其中几项技能做到极致,却缺乏其他技能的经验。”一位猎头告诉《豹变》,35岁走出大厂的人,许多都要经历一番对自我的重新审视与预期下调。

对大多数员工来说,大厂都无法是最后的归宿。

唐大大在淘宝经营了一家zoey简历工作室,接触过许多35岁大厂员工再次求职的咨询。在她看来,对年轻人来说,大厂更合适的定位或许是“中转站”。

在求职市场上,大厂的光环仍然客观存在,能够成为一些人能力的背书,大部分人经过大厂历练后都能够在跨部门协调能力、抗压能力等方面得到成长。而大厂的背景也能对许多员工创业、融资等起到帮助。

“在写简历的过程中,如何抛掉大厂给的资源,写出因为个人赋能而产生的结果变得很重要。”唐大大解释道,在突出职业成就时,比起项目的规模与成绩更重要的是个人的特色,“个人提出了什么样的方式带领团队达到的成果,个人提出了什么策略,解决了什么问题………”

最重要的是,当剥离大厂的资源因素时,求职者仍能表达出个人能力所带来的成果。这或许才是大厂培养“螺丝钉”的制度带给员工的真正危机。

当“中转站”的属性被接受时,“35岁”带给人们的更多是时机上的挑战。在大厂人们向往的“下一站”中,许多平台的机会截止到35岁。对大厂员工来说,更重要的是职业和财富的规划都要更早进行,才能获得安全区间的保留。

而大厂留给等待退休的员工的岗位是什么模样,仍是许多互联网人无法想象的问题。

本文来自微信公众号 “豹变”,作者:陈杨园 

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 JMeter的录制方法及过滤策略、线程组构成要素是什么? JMeter能够借助第三方录制工具(如BadBoy)或其自带的录制功能来完成录制工作,JMeter的录制机制:是借助HTTP代理服务器来捕获用户在操作网站时产生的链接信息。JMeter允许在配置HTTP代理服务器时,排除掉非必要的CSS、GIF等资源,以此减轻不必要的负担。 线程组涵盖:线程组的名称标识、附加注释说明、线程组内的用户数量、线程组完成请求的时间分配、循环执行次数、时间调度机制 【JMeter性能测试详解】 JMeter是一款功能强大的性能测试软件,常用于模拟大规模用户同时访问Web应用,用以衡量系统的性能表现和稳定性。接下来将具体说明JMeter的操作方法、线程组的设置以及性能测试的重要环节。 **JMeter录制与过滤** JMeter可以通过BadBoy等外部工具或其自带的HTTP代理服务器来记录用户的行为。其录制原理是JMeter作为HTTP代理,拦截用户浏览器发出的所有网络请求。在配置代理服务器时,能够过滤掉不必要的CSS、GIF等静态资源,以减少无效的负载。 **线程组配置** 线程组是JMeter测试计划的核心部分,包含以下几个关键参数: 1. **线程组名**:用于区分测试计划中的不同测试区域。 2. **注释**:用于记录测试目标或注意事项。 3. **线程数**:用于模拟并发用户的数量。 4. **循环次数**:每个线程需要执行的循环次数,可以设置为无限循环。 5. **Ramp-up period**:规定所有线程启动的时间跨度,旨在平滑增加负载。 6. **定时器**:例如思考时间或...
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值