乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > 为什么 AI 公司看起来“不再按产品/研发职能分岗”了?

为什么 AI 公司看起来“不再按产品/研发职能分岗”了?

当前时间： 2026-04-25 12:23:27 更新时间： 2026-04-25 分类：软件教程 评论(0)

为什么 AI 公司看起来“不再按产品/研发职能分岗”了?

最近一个很强的体感是：以前互联网公司的岗位划分是 产品 / 算法 / 后端 / 前端 / 测试 / 运维，现在很多 AI 公司对外招聘时，越来越多出现的是：

  • • Research Engineer
  • • Forward Deployed Engineer
  • • Product Engineer
  • • Applied AI Engineer
  • • Software Engineer, Applied Evals
  • • Forward Deployed Product Manager
  • • 大模型应用算法工程师
  • • ToB Agent 产品经理
  • • Prompt 工程师
  • • 模型策略产品经理

这不是传统岗位“消失”了，而是岗位边界在 AI 时代被压扁、重组了。

一句话结论

AI 公司不是不要产品、前端、后端、测试了。而是把这些能力重新打包成了两类更贴近结果的岗位：

  1. 1. 离模型更近的人：研究、训练、推理、评测、对齐、数据。
  2. 2. 离场景更近的人：Agent、工作流、交付、客户部署、应用产品化。

过去按“职能分工”，现在按“能力闭环”。

为什么会发生这种变化？

1. 模型成了新的公共底座，很多岗位开始共用一套能力栈

传统互联网里，前端、后端、算法、测试各自围绕不同系统工作。但在 AI 公司里，大家经常围绕同一个对象协作：模型 + 数据 + eval + tool use + workflow。

于是一个岗位很容易同时要求你：

  • • 能写工程代码
  • • 懂提示词/上下文工程
  • • 会做评测与数据回流
  • • 能理解用户场景
  • • 能和客户一起把 Agent 跑起来

岗位自然就不再适合按老的工种标签切。

2. “测试”正在被重写成 Eval

以前测试更多验证功能是否正确。现在 AI 产品最难的是：

  • • 输出是否稳定
  • • 工具调用是否可靠
  • • 长链路任务是否会中途偏航
  • • 多轮记忆是否失真
  • • 安全边界是否被突破

所以很多 AI 公司不再突出传统 QA，而是突出：

  • • eval engineer
  • • applied evals
  • • data/evaluation
  • • safety/alignment

本质上，测试没有消失，而是升级成了模型评测体系。

3. “产品经理”正在技术化

以前 PM 更强调需求、流程、PRD、协调。现在 AI 产品经理如果不懂模型边界、上下文窗口、工具调用、RAG、Agent workflow，基本很难定义对产品。

所以你会看到越来越多岗位要求 PM：

  • • 理解模型能力边界
  • • 能设计评测指标
  • • 能参与训练数据和反馈闭环
  • • 能直接和工程/算法一起迭代

也就是说，AI 时代的产品岗位没有减少，但明显更“技术 PM”了。

4. “前后端工程师”正在被上收成 全栈 + AI orchestration

OpenAI、Scale AI 这类公司越来越常见的岗位不是单纯 Frontend Engineer 或 Backend Engineer，而是要求你：

  • • 能写前端交互
  • • 能写后端服务
  • • 能接模型 API
  • • 能做工具调用与 workflow orchestration
  • • 能在客户现场或业务一线快速交付

这就是为什么 Forward Deployed Engineer、Product Engineer、Applied AI Engineer 会大量出现。

5. 交付正在前置，部署现场变成产品现场

传统互联网常见路径是：产品提需求，研发做功能，销售再卖。但 AI 尤其是 ToB Agent 不是这样。

很多价值要在真实业务链路里才能被验证：

  • • 文档流
  • • 客服流
  • • 销售流
  • • 研发协作流
  • • 办公自动化流

所以公司越来越需要既能写代码、又能理解客户流程、还能把现场经验反哺产品的人。这类岗位在海外叫 Forward Deployed Engineer / PM，在国内则常表现为 解决方案 + 产品 + 应用算法 + Agent 的混合岗位。

从招聘看，国内外 AI 公司都在往同一个方向收敛

海外样本

OpenAI

OpenAI 公开岗位里，典型角色已经非常能说明问题：

  • • Research Engineer
  • • Forward Deployed Engineer
  • • Software Engineer, Applied Evals
  • • GTM Innovation Architect

这些名字背后有两个明显信号：

  1. 1. 研究和工程继续融合
  2. 2. 产品、交付、客户成功、工程正在互相吃边界

比如 Forward Deployed Engineer 明确要求能写前后端生产代码、和客户深度嵌入、把研究成果变成生产系统；Applied Evals 则直接把“测试”升级成了评测、agent harness、反馈回训练栈。

Anthropic

Anthropic 公开岗位里很典型的是：

  • • Product Engineer, Applied AI
  • • Research Engineer
  • • Research Engineer, Universes

尤其是 Product Engineer, Applied AI，要求候选人既懂客户场景，又有生产级 LLM 经验，还要熟悉 prompt engineering / evaluation / agent development / retrieval。这类岗位本身就说明：产品、解决方案、工程实现已经被揉成一个角色。

Research Engineer, Universes 也很有代表性，直接面向 long-horizon agentic tasks 的训练环境构建。这意味着“做 Agent”不是一个外挂小方向，而是在组织层面被当成核心能力建设。

Scale AI

Scale AI 的岗位更直接：

  • • Forward Deployed Engineer, GenAI
  • • Forward Deployed Product Manager, Enterprise
  • • Senior Software Engineer, Agentic Data Products

最值得注意的是 Forward Deployed Product Manager。这几乎是对传统 PM 的一次改写：不是坐在内部排 roadmap，而是嵌进客户部署，直接对生产结果负责。

这类岗位的出现说明，在 AI 时代，产品定义 和 交付落地 已经越来越难分开。

国内样本

MiniMax

MiniMax 官方招聘页对“社会招聘”的描述很有代表性：

“技术、产品、内容与审美的边界天然交织。”

这句话其实已经把趋势说透了。在 AI 原生公司里，岗位不是先看你属于哪个部门，而是先看你能不能把模型能力转成用户价值。

公开招聘聚合信息里，也能看到类似岗位：

  • • 大模型产品经理实习生
  • • AI 大模型-售前解决方案实习生
  • • 各类模型/应用工程岗位

这些岗位共同点不是“只做单点职能”，而是都强调：

  • • 技术理解力
  • • 模型能力理解
  • • 业务场景抽象
  • • 与研发一起快速落地

智谱

智谱公开招聘聚合信息里，能看到非常典型的新岗位组合：

  • • 高级产品经理(ToB Agent方向)
  • • 大模型Prompt工程师
  • • 大模型Agent算法工程师
  • • MaaS-测试开发工程师
  • • Solutions Architect

这组岗位很有意思：

  • • 产品 变成了 ToB Agent 产品
  • • 测试 变成了更靠近平台与模型的 测试开发
  • • 算法 不再只做训练，也直接进入 Agent
  • • 解决方案架构师 成为组织中的关键接口

说明国内头部 AI 公司也在同步发生同样的重组。

DeepSeek

2026 年 3 月 25 日后，DeepSeek 一批公开招聘信息被多家媒体和招聘聚合平台跟踪到，重点明显转向 Agent 产品化。被提及的方向包括：

  • • Agent 算法研究
  • • Agent 数据评测
  • • Agent 基础设施
  • • 全栈开发
  • • 模型策略产品经理（Agent 方向）

其中一些岗位还把 Claude Code / Cursor / Copilot / Manus 等工具使用经验写进加分项。这件事非常关键。

因为它说明公司不只要“会做模型的人”，还要“已经在 AI-native 工作方式里高频生产的人”。

所以，真正变化的不是岗位名称，而是人才评价标准

以前看的是：

  • • 你属于哪个工种
  • • 你掌握哪个技术栈
  • • 你负责哪个模块

现在越来越看的是：

  • • 你能不能把模型接进真实场景
  • • 你能不能定义 eval，建立反馈闭环
  • • 你能不能跨产品/工程/算法一起把 Agent 跑通
  • • 你能不能在高不确定性里快速交付

换句话说，AI 公司越来越喜欢招的是 闭环选手，不是 单点工种选手。

我对这轮岗位变迁的判断

1. 不是岗位减少，而是中间层岗位被压缩

最容易被压缩的，不是“产品经理”或“前端工程师”这几个名称本身，而是那些只负责信息搬运、需求转述、流程流转、机械执行的中间层角色。

AI 把这些工作大量吞掉了。

2. 会留下来的，是两端最强的人

一端是 极强的基础研究/工程能力：训练、推理、系统、数据、eval、infra、alignment。

另一端是 极强的场景闭环能力：能把模型能力变成真实产品、真实收入、真实生产力。

中间那种“懂一点业务、懂一点技术、但不对结果负责”的角色，未来会越来越尴尬。

3. “Agent 开发”不会成为唯一岗位，但会变成很多岗位的共同底层能力

以后不一定每个人 title 都叫 Agent Engineer。但很多岗位都会默认要求你会：

  • • prompt / context engineering
  • • tool use
  • • workflow orchestration
  • • eval
  • • human-in-the-loop
  • • 数据回流

所以更准确的说法不是：

AI 公司以后只剩 Agent 开发。

而是：

AI 公司大部分核心岗位，都会 Agent 化、模型化、评测化、全栈化。

如果你还在传统互联网岗位里，应该怎么迁移？

产品经理

补三件事：

  • • 模型能力边界
  • • eval 与反馈闭环
  • • Agent workflow 设计

目标不是“会写 PRD”，而是“能定义一个 AI 系统怎样才算有效”。

前后端工程师

补三件事：

  • • LLM 应用架构
  • • tool calling / RAG / memory / workflow
  • • AI 产品的评测与观测

目标不是“会接一个模型 API”，而是“能把 AI 系统交付到生产环境”。

测试工程师

补三件事：

  • • LLM eval
  • • 数据构造与 case 体系
  • • 安全/鲁棒性/长链路稳定性评测

目标不是“点点点测功能”，而是“建立模型质量基线”。

算法工程师

补三件事：

  • • 工程化
  • • 产品化
  • • 真实场景闭环

未来只会训模型但不懂部署、不懂应用、不懂 eval 的算法岗，空间会变窄。

最后一句

AI 公司不是没有产品、前端、后端、测试了。而是这些角色正在从 分工型岗位，变成 结果型岗位。

旧时代比拼的是“谁把链条里的一环做得更标准化”；新时代比拼的是“谁能更快把模型能力闭环成真实价值”。

所以这轮岗位变迁，表面看是 title 变化，本质上是组织从 流程驱动 转向 模型驱动 + 场景驱动 + eval 驱动。

这可能才是 AI 对互联网岗位结构最大的改写。

参考来源

  1. 1. OpenAI Careers: Forward Deployed Engineerhttps://openai.com/careers/forward-deployed-engineer-sf-san-francisco/
  2. 2. OpenAI Careers: Research Engineerhttps://openai.com/careers/research-engineer
  3. 3. OpenAI Careers: Software Engineer, Applied Evalshttps://openai.com/careers/software-engineer-applied-evals/
  4. 4. OpenAI Careers: GTM Innovation Architecthttps://openai.com/careers/gtm-innovation-architect/
  5. 5. Anthropic Jobs: Product Engineer, Applied AIhttps://www.anthropic.com/careers/jobs/5039498008
  6. 6. Anthropic Jobs: Research Engineer, Discoveryhttps://www.anthropic.com/careers/jobs/4669581008
  7. 7. Anthropic Jobs: Research Engineer, Universeshttps://www.anthropic.com/careers/jobs/5061517008
  8. 8. Scale AI Careers: Forward Deployed Engineer, GenAIhttps://scale.com/careers/4593571005
  9. 9. Scale AI Careers: Forward Deployed Product Manager, Enterprisehttps://scale.com/careers/4673051005
  10. 10. Scale AI Careers: Senior Software Engineer, Agentic Data Productshttps://scale.com/careers/4653827005
  11. 11. MiniMax 官方招聘页https://www.minimaxi.com/careers
  12. 12. MiniMax 聚合招聘样本：大模型产品经理实习生https://www.nowcoder.com/jobs/detail/429360
  13. 13. MiniMax 聚合招聘样本：AI 大模型-售前解决方案实习生https://cn.linkedin.com/jobs/view/ai%E5%A4%A7%E6%A8%A1%E5%9E%8B-%E5%94%AE%E5%89%AE%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88%E5%AE%9E%E4%B9%A0%E7%94%9F-at-minimax-3997872409
  14. 14. 智谱聚合招聘页https://www.jobui.com/company/16463052/jobs/
  15. 15. 智谱聚合招聘样本：大模型Prompt工程师https://wanmayoucai.com/jobDetail/368900255250395136
  16. 16. 智谱聚合招聘样本：产品经理https://wanmayoucai.com/jobDetail/390014018607128576
  17. 17. 智谱聚合招聘样本：大模型Agent算法工程师https://www.lipind.com/position/detail/430658
  18. 18. DeepSeek 官方主页（入口含“岗位详情”）https://deepseek.com/
  19. 19. DeepSeek 招聘变化报道：2026-04-11https://k.sina.cn/article_7857201856_1d45362c0019046r52.html?from=tech

备注

  • • 本文基于 2026-04-25 可公开检索到的招聘页、职位聚合页与报道整理。
  • • 对国内部分公司，官方招聘系统对搜索引擎抓取不友好，因此补充使用了招聘聚合页与媒体对公开岗位的转述。