过去几个月，我一直在追着一群全球最前沿的 AI 人才跑。

看他们的 profile，看论文，看团队，看他们从哪里来，又正在往哪里走。

有些人来自计算机。

有些人来自化学、生物、物理。

有人一路扎进 Foundation Model，有人开始做 Agent，也有人从一个完全不同的学科，突然跨进 AI for Science。

这几个月看下来，我越来越明显地感觉到：

看人看到最后，一定会看到赛道。

真正顶尖的人为什么开始流向这里，为什么愿意离开那里，为什么一个化学博士突然开始写代码、做 Agent，为什么一个算法研究员会跑进材料、药物、生命科学——

这些人的迁移，本身就在告诉你：

这个时代的价值，正在往哪里移动。

而反过来，当你把一个赛道看得足够深以后，又会重新理解：

到底什么样的人，才真正适合站在它最前面。

这也是我想开始写这个 「AI for Science｜从人到事」 专栏的原因。

我不想只写技术。

也不只写招聘。

我想从“人”开始，看模型、技术、产业和 Reality，然后再回到人。

不急着预测五年以后。

只记录当下，我正在真实看见什么。

一｜人才市场正在发生一种很强烈的“时间线分叉”

最近做招聘，我越来越经常产生一种奇怪的分裂感。

我们明明生活在同一个时代，却好像正在进入两条完全不同的时间线。

一边，是很多传统行业还在艰难地讨论数字化、智能化、AI+。

组织结构没有发生特别大的变化。

工作方式没有发生特别大的变化。

很多人的能力结构，和三年前、五年前相比，也没有本质改变。

另一边，我最近一直在做 AI for Science、算法，以及一些真正踩在技术浪潮上的岗位。

这里完全是另一个世界。

人严重不够。

客户抢人。

真正优秀的候选人，经常同时拿着几个机会。

Package 也被市场一轮轮往上抬。

有时候我一天在这两个世界之间来回切换，都会突然产生一种不真实感：

这真的是同一个人才市场吗？

PwC 在 2026 Global AI Jobs Barometer 里，把现在正在形成的这种变化称为：

Two-track labour market｜双轨劳动力市场。

一类工作正在被 AI “professionalised”。

AI 接走越来越多基础任务以后，人的判断力、创造力、专业深度和领导能力反而变得更重要。

另一类工作则正在被 AI “democratised”。

过去需要专业人员完成的事情，因为 AI 的帮助，越来越多人都可以完成。

PwC 对全球超过 10 亿条招聘广告的分析发现，被 AI “专业化”的岗位，职位增长约为“民主化”岗位的两倍，薪资增长速度也快约 42%。而要求明确 AI 技能的岗位增长 69%，远高于整体岗位市场约 9% 的增长。

这个研究结果和我最近站在人才市场一线的感受，非常接近。

AI 未必只是“把岗位消灭掉”。

它正在做的另一件事情，也许更加重要：

重新给人的价值定价。

二｜越靠近 Frontier AI，客户越不像是在买“技能清单”

做 AI for Science 和算法岗位以后，我越来越明显地发现：

客户最后真正看的，已经越来越不只是：

这个人会什么。

当然，论文重要。

技术栈重要。

模型经验重要。

项目经历当然也重要。

但是看到最后，真正让一个人产生稀缺感的，往往是一些很难写进简历里的东西。

他怎么理解一个陌生问题？

能不能很快抓住本质？

面对一个没有标准答案的问题，他会怎么拆？

原来的知识不够用的时候，他能不能重新建一个模型？

他有没有能力跨过学科边界？

能不能把两个原来完全没有关系的东西连接起来？

甚至还有一个越来越重要的问题：

这个人的“底模”怎么样？

我最近特别喜欢用“底模”这个词。

不是指 AI model。

而是一个人的 underlying model。

第一性原理。

认知速度。

迁移能力。

抽象能力。

重新建模的能力。

Learning Velocity。

以及遇到未知时，他到底是收缩，还是兴奋。

Royal Society 关于 AI 与科学研究的报告也特别强调，真正有效的 AI 科学研究越来越依赖跨学科能力：AI 专家需要理解领域知识，领域科学家也需要具备足够的 AI 理解，传统学科之间的 silo 正成为 AI-based science 的现实障碍。

所以 AI for Science 的人为什么这么难找？

因为客户最后要的往往不是：

一个 AI 很强的人。

也不是：

一个 Science 很深的人。

而是那个可以在两个世界之间自由穿行的人。

这就让我越来越觉得：

AI时代真正稀缺的，也许不是知识。

而是：

生成新知识的能力。

三｜我最近特别喜欢观察一种人：Deep Mind, Light Ego

这几个月看了很多 profile，也和一些人真正聊下来以后，我还有一个非常个人的观察。

我发现不少真正厉害的人，身上有一种很特别的感觉。

我想了很久，只找到一个词：

Light。

轻。

不是浅。

恰恰相反。

他们脑子里的东西可能很深，很复杂。

但是人很轻。

可以很自然地说：

“这个我不知道。”

“这个问题挺有意思。”

“这个我没做过，可以试一下。”

有时候你跟他讨论一个完全陌生的东西，他第一反应不是：

“这不是我的专业。”

而是：

“如果把这两个东西连起来，会怎么样？”

所以后来我特别喜欢一句话：

Deep Mind, Light Ego.

脑子很深，但 ego 很轻。

我觉得这种“轻”特别珍贵。

因为他没有那么急着维护：

“我已经是谁。”

所以他也就更容易走到：

“我还可以成为谁。”

这也是为什么这些人往往特别适合真正前沿的交叉学科。

因为 Frontier 从来不会按照大学院系的边界长。

真正新的问题，也不会先问：

“请问你本科专业是什么？”

四｜纯粹，和认真谈 Package，一点都不矛盾

这里还有一个特别有意思的现实。

我接触的不少这种人，是真的喜欢自己在做的问题。

那种喜欢不是包装出来的。

你聊几分钟就能感觉到。

他是真的好奇。

是真的觉得：

“这个东西为什么会这样？”

“还能不能再往前走一步？”

但与此同时，他们通常也非常清楚自己的市场价值。

所以会认真谈 Package。

认真谈 Title。

认真比较平台。

认真判断这个机会是不是足够大的舞台。

我一点也不觉得矛盾。

一个人完全可以：

对问题很纯粹。

同时：

对自己的市场价值很清醒。

科学归科学。

年包归年包。😂

真正聪明的人，两件事情往往都想得很明白。

五｜真正让我越来越在意的，是“人的能力包正在折旧”

与此同时，我也越来越明显地感觉到另外一件事情：

人的能力包正在快速折旧。

以前，一个人学会一套专业技能，也许可以稳定用很多年。

现在不一样。

模型在变。

工具在变。

工作方式在变。

半年前还需要专业人员花很多时间完成的事情，今天一个普通人带着 AI，可能已经能完成大半。

PwC 2026 的研究发现，AI 暴露程度最高岗位所要求的技能，其变化速度已经超过低 AI 暴露岗位的两倍；而 AI 暴露度较高的初级岗位，要求领导力、判断力等过去更偏 senior 的技能，其概率达到低暴露岗位的 7 倍。

这意味着什么？

也许未来越来越重要的，不再只是：

你今天会什么。

而是：

当今天会的东西不再值钱时，你多快能长出下一套能力。

这就是我最近特别强烈的一种时间感。

因为我自己每天都在岗位、客户、候选人、AI、产业信息和 Reality 之间来回碰撞。

新的现实不断回来。

原来的判断不断被重新计算。

有时候只过一个星期，再看一个星期前的自己，都会觉得：

“咦，我当时为什么会这么想？”

并不是突然聪明了多少。

而是新的 Reality 又进来了。

上一轮的答案，又变成了下一轮的起点。

六｜所以我越来越觉得，未来最值钱的可能不是“知道最多”

World Economic Forum 在《Future of Jobs Report 2025》里，把 AI and Big Data 列为增长最快的技能之一。

但特别有意思的是，与这些技术能力一起上升的，还有：

Creative Thinking。

Resilience, Flexibility and Agility。

以及我特别喜欢的：

Curiosity and Lifelong Learning。

好奇心与终身学习。

看到这里，我其实笑了一下。

因为这些词听起来一点都不像“AI技能”。

反而特别像：

一个人面对世界的方式。

所以现在看候选人，我除了学历、公司、Title、项目，也越来越会观察一些以前很难量化的东西。

这个人遇到未知，会不会兴奋？

一个复杂问题摆在面前，他是先找标准答案，还是先重新定义问题？

原来的知识失效以后，他会不会重新搭一个结构？

他能不能借助 AI，把自己的能力继续向外放大？

以及一个我最近越来越喜欢的问题：

他还觉得这个世界好玩吗？

AI 会让很多知识越来越便宜。

也会让很多技能越来越普及。

甚至一些曾经非常专业的能力，会快速变成大众工具。

但是有些东西，我反而觉得可能会越来越贵：

好奇心。

判断力。

第一性原理。

跨界连接。

面对未知重新建模的能力。

以及不断重新长出自己的能力。

最近那些真正让我印象深刻的人，身上往往并没有背着很多“正确答案”。

他们只是眼睛还亮着。

面对一个自己从来没有做过的问题，会停一下，然后说：

“这个挺有意思的。”

也许在 AI 时代，

真正昂贵的，不只是今天知道得最多。

而是这个世界已经变化得这么快，

你依然愿意继续好奇。

下一篇｜AI for Science｜从人到事｜02

写完“什么样的人正在变贵”以后，我又开始追另外一个问题：

为什么 AI for Science 偏偏需要这样的人？

一次和化学博士的深聊，又把我带进了一个更烧脑的问题：

当通用大模型越来越强，垂类模型会不会被吞掉？

如果会，AI for Science 真正不会轻易被复制的护城河，到底在哪里？

下一篇：

《AI for Science 的 Moat，不是垂类模型，而是垂类 Reality》

从一次真实的人才对话，到 Anthropic 开始搭自己的 Biology Wet Lab。

我们继续从“人”，往“事”里走。

资料参考

PwC｜2026 Global AI Jobs Barometer

World Economic Forum｜Future of Jobs Report 2025

The Royal Society｜Science in the Age of AI

THE END🔚

关于这篇文章

这篇文章由 Juliet Fan 基于长期产业观察、猎头一线实践和个人判断完成。

AI 工具仅用于资料整理、结构辅助和表达优化，不替代人的判断。真正的观点、取舍和判断，来自我对商业、人性、组织变化、职业选择与个体处境的长期观察。

关于我

我是 Juliet Fan，小玉，高端猎头顾问。

北京大学应用心理学硕士，长期关注组织行为、人的发展、职业选择与商业变化。

我有 14 年左右高端猎头经验，长期服务 AI、半导体、智能制造、机器人、新材料、出海业务、高端制造及商业化团队搭建。

我写这些文章，不只是为了追热点，而是想看见：一个行业变化背后，真实的人、真实需求、真实组织和真实机会正在怎样移动。

你可以这样联系我

如果你是创始人、CEO、C-level、业务负责人或HR 负责人，正在思考关键团队搭建、核心岗位招聘、组织能力补齐或高端人才引入，请备注：

合作 + 公司方向 + 岗位 / 团队方向

如果你是候选人，正在关注 AI、半导体、智能制造、出海、高端制造、新消费或服务业相关机会，请备注：

机会 + 当前方向 + 城市 + 年限

如果你想做职业发展 / 职业路径梳理，请备注：

咨询 + 当前阶段 + 想解决的问题

请扫码添加微信：

备注越清楚，我越能快速判断是否适合继续沟通。