一年前，不少公司都在砍實習生與應屆畢業生的職缺，Cloudflare 反向操作，宣布 2026 年要招募最多 1,111 位實習生——數字取自自家的 public DNS resolver 1.1.1.1。背後的假設很清楚：AI 讓早期職涯人才更快產生影響力，但 AI 不會供應一個新人帶給團隊的精力、好奇心與新鮮眼光。一年後的回顧文章（2026 年 10 月 5 日發布）給了初步答案。
數字與成果先看
Cloudflare 說目前已在 9 個辦公室、48 個團隊累積 750 個實習名額，仍在朝 1,111 邁進、也持續招募。這些實習生從第一天就加入實際團隊、處理真實問題，而且被期待留下具體的東西：一個上線的產品改進、更好的流程、新的基礎設施，或一個改變團隊工作方式的洞察。
成果不只是工程。內部稽核實習生用 AI 輔助管線自動化 ISO 合規控制測試與文件；PM 實習生做了 API、dashboard 與遷移工具來現代化 Startup Program 的額度管理；人資方面的軟體工程實習生改善了新進員工背景查核流程；客服實習生則研究如何從 case 描述觸發 troubleshooting 指令。
幾個例子直接影響到對外產品。實習生 Aashi 在 RAM 與磁碟價格大漲的背景下，做了 Cache Transcoding，在主要 proxy 內用 Zstandard 壓縮符合條件的資產再寫入磁碟，初步測試平均把 on-disk 大小壓到原來的三分之一。Tiago 參與打造 CryptoLabe——找出程式碼庫中所有加密點並 mapping 依賴關係的內部 AI 工具，這也是我們之前在後量子遷移路線一文討論過的主線。Noah 從實習生變成這個部落格背後 CMS「EmDash」的第二位 maintainer，EmDash 1.0 已在 Birthday Week 推出。
AI 對新人的實際作用
Cloudflare 特別強調：AI 是整個計畫的核心主題，但不是繞過學習或問責的捷徑。實習生用 AI 來理解陌生 codebase、比對產品需求與實作、做原型、自動化重複工作；而 manager 與 mentor 仍然負責定方向、審決策、確保上線品質符合標準。
對許多實習生來說，AI 的效果是「把起跑線往前搬」：原本要花數週才能摸清的專案，現在幾天就能畫出地圖，可以更快搭出可運作的骨架，把時間留給更難的問題——該做什麼、誰會用、怎麼確認它是對的、上到 production 會發生什麼。有位實習生說得很直白：以前的人沒有 AI，怎麼在 12 週內 ship 東西？
對產品團隊的三個啟示
第一，早期職涯人才加上 AI 工具，可以承接比以往更硬的問題，問題反而是組織有沒有給他們真實的、會上線的工作，而不是打雜。第二，AI 降低了「理解既有系統」的門檻，但判斷力與問責仍要由人與 mentor 制度承接——Cloudflare 的經驗是兩者缺一不可。第三，這些投入會直接變成對外產能：今年的 Birthday Week 有多項 launch 包含實習生的程式碼，從 Protected Quick Tunnels 到 Cloudflare Containers 的 agent sandbox 擴展。
還沒結束的部分
計畫本身仍在進行中：750 對 1,111 還有距離，明年會有新的 cohort、更多團隊參與。Cloudflare 也說今年許多實習生將全職回流。這個故事對 builder 的重點不在人數，而在於它是一份可驗證的假設檢驗：當 AI 把上手成本壓低，新人價值的來源就移向問對問題與把東西送到 production——這兩件事目前仍然是人的工作。