软件测试岗需求涨了41%,工资倒降了2.3%

需求涨百分之四十一，薪资降百分之二点三。

这两个数放在一起，是我今年看到最拧巴的一组。

数据来自某招聘平台 2026 年上半年的报告：软件测试岗位需求增长约百分之四十一，但平均年薪下降百分之二点三。

同一份报告里还有几组：自动化工程师需求涨百分之四十点七，薪资降百分之三点六；系统工程师需求涨百分之三十三点九，运维涨百分之三十一点二，HRBP 涨百分之十三点四——需求全在涨，薪资全在降。

最狠的是数据分析师

还有一个更隐蔽的变化：岗位名称没变，职级降了。原来是高级测试工程师，现在叫测试工程师，活一样多，甚至更多。

最狠的是数据分析师，平均年薪从 28.63 万降到 23.86 万，降了百分之十六点七。

岗位还在，甚至更缺人，但"会做"这件事不值钱了。

为什么会这样。

因为 AI 把"会做"的门槛拆了。

以前会写测试用例是专业能力，一个熟练的测试工程师要培养两年。现在 AI 十分钟能生成一版初稿，人要做的变成校验和取舍。

以前写 SQL 查数是本事，现在自然语言一问就出结果。

企业还需要人，但需要的是另一种人。

它需要有人判断哪些该测、哪些不该测，需要有人对结果负责，需要有人在系统崩了的时候知道先看哪。

这些 AI 干不了。但"照着手册执行"那部分，AI 干得比人快，还不出错。

所以岗位需求涨了——因为要处理的信息量比以前大得多；薪资降了——因为完成这些工作的门槛比以前低得多。

▼

我认识一个做测试的，去年开始学自动化和 AI 工具。

今年跳槽，涨了百分之二十。

我问他涨在哪。他说不是因为我会用工具，工具谁都能学。

是因为他能跟产品经理说清楚：这个功能有三个风险点，其中两个必须在这次上线前测，另一个可以放到下个版本。

他卖的不是"会测"，是"知道该测什么"。

这句话值钱。因为它包含了判断，判断背后是经验，经验是时间和项目堆出来的。

▼

同一批数据里，也有些岗位薪资没降，甚至涨了：算法、架构、行业专家。

共同点是——它们不靠"会做"，靠"判断"。

判断这件事有个特点：AI 能给建议，但不能担责任。

一个方案错了，公司要找人负责。这个责任必须落在具体的人头上，落在他的岗位、他的签字、他的考核上。

所以能被 AI 替代的，永远是"执行"，不是"担责"。

▼

回到那两个数。

需求涨百分之四十一，是市场在告诉你：这类活越来越多了。

薪资降百分之二点三，是市场在告诉你：干这类活的人也越来越多了，而且门槛低了。

两个数一起看，结论只有一个：这个岗位还需要人，但不需要只会做这件事的人。

你现在的位置值多少钱，不取决于你会什么，取决于你离开之后，这件事有没有人接得住。

接得住，你就只是成本。接不住，你才是资产。