AI 就业潮:新增的和消失的,不是同一批人

这两天我干了件挺笨的事：打开猎聘，把“AI”“大模型”“AIGC”“提示词”“Agent”“人工智能”“AI产品经理”“AI训练师”“数据标注”“智能体”“AI运营”这 11 组关键词搜了一遍，把在招岗位一条一条抄下来。

最后落到表格里的，是 398 条真实招聘数据：职位名、城市、薪资、经验学历要求、行业，一条不少。

做这件事的原因很简单。AI 要改变就业这件事，已经被说了两年，说的人要么在贩卖焦虑，要么在画大饼，就是没人把招聘网站上的真实数据摆出来给你看。焦虑没用，画饼也不能当饭吃，能用的只有数据。

这篇文章就是那 398 条数据的分析结果。看完你会知道三件事：新增的岗位长什么样、什么岗位正在危险区、以及普通人怎么把脚踩进这波浪潮里。

本文看点

01

口径先行。主样本来自猎聘：开头那 11 组关键词，每组抓第一页 38~40 条，去重后落库 398 条，字段最全（职位、城市、薪资、经验、学历、行业）。快照时间 2026 年 9 月 22 日。

要说明的局限有三条。第一，招聘网站只有“当前在招”的岗位，没有两年前的存档——所以“近两年新增”的纵向对比，我用世界经济论坛的官方报告补，我的数据负责“现在”，它的数据负责“趋势”。第二，未登录状态翻不了页，所以每类关键词的样本停在第一页，是横截面抽样，不是全量。第三，薪资字段按猎聘口径（“50-80k”是月薪，我在分析里统一折算成了年薪），文中所有薪资均指年薪、单位万元。

为保证结论不是我对着一个网站看走眼，我又做了两轮交叉验证：在51JOB 上用同样的 11 组关键词抓了 156 条（它的薪资字段公开），在BOSS 直聘上采了 75 条岗位名样本（它的薪资做了字体加密，只参与岗位结构验证，不参与薪资统计）。

交叉验证的结果让我安心：分类结构几乎一致——第一大类都是AI 应用/解决方案，算法研发、AI 产品紧随其后；管理岗的薪资中位数，两个平台都停在 72 万，一分不差。51JOB 整体薪资比猎聘低三成左右，这是平台定位差异——它那边中小企业浓度更高——结构判断不受影响。数据会撒谎的角落，被两个平台互相盯住了。

方法本身也是本文要交代的“拥抱方法论”的一部分：对着焦虑空谈没有意义，把数据扒下来，结论自己会浮出来。

02

398 个岗位，我按职位名分成了八类。结果出来的时候，第一眼的感受是：这不是一座金字塔，是一座沙漏。

塔底最宽：数据与训练类，112 个岗位，占全部样本的 28%，是数量最多的一层。但薪资中位数只有 16 万，下四分位更是只有 7 万。数据标注、AI 训练师、语料处理——AI 产业链上人最多的地方，恰好是钱最少的地方。

塔身是三根柱子：算法/模型研发 76 个岗位，中位 48 万；AI 产品 50 个，中位 49 万；AI 应用/解决方案 60 个，中位 42 万。值得一提的是 AI 运营/内容类：中位 39 万看着不低，但下四分位只有 21 万——这一类内部两极分化最狠，会用的和只会喊口号的，差距在三倍以上。

塔尖最窄也最贵：管理/负责人岗 19 个（总监、负责人、Head、CAIO），中位 72 万，其中不乏 Head of AI、CAIO 这种为 AI 单设的一把手岗位。企业不是在招“会用 AI 的员工”，是在为 AI 重设指挥链。

还有一个反直觉的发现：398 条职位名里，27% 直接夹着英文词（Head of AI、AI Operations Manager、Agent Engineer）。这是一个新职业族群正在成型的语言学证据——岗位新到中文还没来得及给它起名字。

03

很多人一听“AI 岗位”，默认那是算法博士的游戏。数据说的不是这个故事。

学历上：本科及统招本科合计占 71%，硕士 13%，博士只有 1%。经验上更意外：45% 的岗位接受 0-2 年经验，甚至不限经验；要求 8 年以上的只有 5%。原因不难理解——这些岗位太新了，全行业都没有“十年老 AI 产品经理”，谁也卷不动资历。

城市分布的头部集中度依然吓人：北京 109、上海 90、深圳 52、杭州 36，四城吃掉 72% 的岗位。但注意两个二三线城市的信号：武汉 7 个岗、中位年薪 36 万，高于成都的 15 万和长沙的 10 万——岗位数量还是洼地，单价已经追上来了。

行业分布是第三重惊喜。除了 IT 服务、互联网这些意料之中的名字，名单里还有保险、信托、医疗器械、整车制造（沃尔沃中国在内）、电力。AI 岗位早就不是科技公司的内部事务——去哪儿化都在加速，每个行业都需要自己的“翻译层”：把 AI 翻译进自己的业务。

把这三组数据合起来读：门槛不在学历和资历，在于你有没有真的把 AI 用起来。45% 的岗位不限经验，说明企业在抢“会用的人”，而不是“研究过的人”。

04

新增的数据讲完了，该讲消失的了。这部分我不用自己的数据——被替代的岗位不会出现在招聘网站上，它出现在趋势报告里。

世界经济论坛《未来就业报告 2025》的官方预测是：到 2030 年，技术将新创造 1.7 亿个岗位，同时取代 9200 万个，净增 7800 万。但净增不等于无痛——被取代的 8% 和被创造的 14%，几乎不会落在同一批人头上。报告同时给出一个对每个人都有效的警告：未来五年，39% 的现有技能将被改造或过时。

报告点名消失最快的三类岗位：邮政职员、银行柜员、数据录入员。共性一眼可见——高度重复、规则明确、不需要面对面的复杂沟通。这三类恰是规则系统和大模型最擅长的交叉地带。

我的招聘数据里也藏着一条反向证据：数据标注类岗位自身正在“专家化”。三四年前，标注员的核心技能是拉框和打标签；今天猎聘上的标注与训练类岗位，越来越多要求大模型语义理解、Prompt 编写、质检策略设计——因为简单标注正在被 AI 自己接管，留给人的是 AI 干不好的那部分。替代不是一阵风，是持续的水位上涨：先淹掉最简单的，再淹掉次简单的。

对照你自己：你的日常工作里，有多少比例是“给我明确规则我就能完成”的？这个比例，就是你的风险敞口。

05

最后说拥抱的方法。我的实践就是这篇文章本身——它是一次完整的示范，拆开是四步，每一步你都能照做。

∞

398 条招聘启事看完，我最大的感受不是某个数字，而是一个对比：

塔底 28% 的人，在给 AI 打工；塔尖 5% 的人，在指挥 AI 重排组织；而中间那 45% 不限经验的新岗位在说一件事——现在上车，资历清零，人人平权。

浪潮无法避免，但落点可以选。数据已经摆在这了，接下来看你踩哪块板。