2025年底，科锐国际发布的人才市场洞察报告显示：人工智能正从“拼模型”走向“拼落地”，多模态与场景化人才成为市场关注热点。数据治理、AI安全评估与合规审核等岗位热度同步攀升。

与此同时，英伟达CEO黄仁勋在2024年的一次公开演讲中提出了“五层蛋糕”理论，将AI生态系统划分为能源、AI芯片、基础设施、AI模型和应用五个层级。他强调，支撑AI运行所需的硬件制造、计算机建造以及数据中心建设，正在成为一项史无前例的工程，急需电工、水管工、钢铁工人、网络技术员等一线技术人才。

一边是新岗位如雨后春笋，一边是企业HR看着简历发愁：这个“AI产品经理”和那个“AI产品经理”，怎么要求完全不一样？“提示词工程师”到底该归哪个职级？招来的人试用期没过，才发现“懂AI”和“能干活”是两回事。

问题出在哪？出在人才标准体系的滞后。

一、AI催生了哪些新岗位？

中国人事科学研究院企业人力资源研究室主任范巍在2024年的一次公开论坛上指出，我国人工智能产业发展势头强劲，可划分为基础层、技术层和应用层三个层面。

基础层致力于前沿算法与重要理论创新，需要计算芯片、存储设备、大数据采集与标注等方面研发人才；

技术层将理论与算法模型开发相结合，形成可落地产品，需要计算机视觉、智能语言、自然语言处理等应用算法研发人才；

应用层聚焦人工智能在各个行业的应用落地，需要既熟悉行业业务又掌握人工智能技术的复合型人才。

从职业序列看，人工智能工程技术人员、人工智能训练师、生成式人工智能系统应用员等职业和工种应运而生。2024年5月，人力资源社会保障部发布公示，拟在“生成式人工智能系统应用员”职业下增设“生成式人工智能系统测试员”工种，在“动画制作员”职业下增设“生成式人工智能动画制作员”工种。

与此同时，“Z世代”主导的新消费潮流，催生出潮玩设计、IP授权运营、短剧内容策划等一批新职业，成为人才就业的新蓝海。

中国科学院科技战略咨询研究院院长潘教峰在2024年的一场人工智能论坛上指出，AI可能推动“就业极化”趋势——高技能岗位和低技能服务岗位增加，而中等技能岗位相对减少。对创造力、复杂问题解决能力以及跨学科整合能力的人才需求，将不断上升。

二、为什么企业不会定义这些岗位？

范巍在接受媒体采访时直言：技术迭代速度远超政策迭代周期。

我国现行的人才评价体系以职称制度、职业资格制度、职业技能等级制度为基础，需要在相对静态的背景下做后置评价。但快速发展的人工智能行业赋能千行百业，现有评价体系难以完全匹配技术发展、行业需求特征及人才成长需要。

具体问题包括：

专业设置滞后：人工智能领域相关职称专业设置不够及时

评审权限集中：职称评审权限下放力度不够大

标准导向偏差：评价标准忽视产业落地、技术转化、跨领域协作等实际贡献

政策精准度低：针对人工智能领域的人才评价政策精准化程度不高

“四唯”问题依然存在：人才评价仍过度依赖论文、专利等量化指标

企业在实践中陷入两难：用传统标准，招不到真正能干活的人；用新标准，又不知道该怎么定义“能干活”。

三、能力框架怎么建？

1. 三层人才结构

台湾地区数位发展部2023年发布的《AI产业人才认定指引》提供了一个清晰的框架，将AI人才拆解为三个层次：

这个框架的突破在于：不是所有人都要会写代码。企业80%的员工可能只需要成为“应用人才”，学会用AI工具提升效率；20%的人负责开发和落地；极少数人从事前沿研究。

2. 能力维度拆解

2024年3月，海尔智家发布了行业首个“AI+细分岗位能力模型”，涵盖AI产品经理与AI技术开发工程师两大岗位。该模型包含6大核心能力维度、24项细分能力指标，通过“标准制定—人才培养—认证考核—实践落地”的模式，为行业提供了清晰的标准依据。

具体来看：

AI产品经理：重点考核对AI场景的定义能力、模型幻觉边界的控制能力、人机交互的心理学洞察

AI开发工程师：侧重于算法的工程化落地、算力成本优化、多模态数据的预处理效能

模型采用“战略解码+BEI深度访谈+多元数据挖掘”的三维建模框架，从内部筛选优质人才样本开展访谈，覆盖执行层员工、决策层核心接口人、战略层大项目经理等多维度角色，同时通过外部专家团队多轮校准、小样本测评校验，最终输出胜任力模型。

海尔智家披露的初步数据显示，经过该模型培训的员工AI综合应用能力提升了21%，产品研发周期缩短约15%。

3. 复合型能力结构

科锐国际研究中心负责人刘萌萌在2024年的一次行业会议上提出，人才应搭建 “兀型能力结构”——既深耕算法、系统、工程等某一技术纵轴，形成足够深度的专业壁垒，又横向贯通行业、业务、产品，清晰认知技术的最终价值在于解决实际问题。

全国政协委员、中国民办教育协会会长刘林在2024年全国两会期间也强调，要着力锻造具备跨界融合能力的复合型人才。当AI渗透到医疗、教育、金融等各行各业时，会催生大量既懂行业又懂技术的复合型人才需求。

四、评价体系怎么变？

范巍指出，构建人工智能领域人才的多元化评价体系，最重要的是完善人才评价指挥棒，突出实际贡献导向。

各地已经进行了积极探索：

浙江自2025年4月正式印发《关于支持人工智能创新发展的若干措施》，强调破除“唯论文、唯职称、唯学历、唯奖项”导向，以薪酬待遇、代码被引用量、在重要开源社区的影响力贡献度、“千卡/万卡级”训练优化经验等作为人工智能人才的重要评价依据。

武汉支持人工智能行业企业开展人才职称申报评审、职业技能等级认定等工作，开辟业务办理绿色通道。

辽宁建立企业高层次人才职称评价举荐制，对于技术赋能硬核基础、带动产业生态创新、成果转化效益明显的专业技术人员，可由企业技术路线总负责人直接推荐评定高级职称。

苏州用好举荐制、认定制、以赛代评制等多元化评价方式，对国际性知名赛事或国内重点赛事获奖选手可直接认定为紧缺型人才。

国际经验也值得借鉴：

美国对基础研究人才强调学术原创性，对应用型人才侧重实践成果转化

德国通过开展人工智能挑战赛、设立“人工智能德国造”奖项等方式促进人才自主发展

日本采用职业发展矩阵（Level 1至Level 7）评价人才发展水平，从“发现、解决业务上的问题”到“市场影响力”逐级提升

五、企业该怎么干？

第一步：建立岗位能力模型

不要等国家标准，从内部优秀员工出发。海尔智家的经验值得借鉴：筛选内部优质人才样本，通过深度访谈提炼核心能力，结合外部专家校准，形成可落地的能力模型。

第二步：分层分类培养

将人才分为应用型、开发型、研究型三类，设计不同的培养路径。应用型人才重在工具使用，开发型人才重在技术落地，研究型人才重在源头创新。

第三步：多元化评价

引入“以赛代评”“以贡献定级”等机制。对应用型人才，看项目成果；对开发型人才，看代码质量和工程落地；对研究型人才，看开源影响力和技术突破。

第四步：动态迭代

AI技术每几个月就迭代一次，人才标准也必须随之更新。建议每半年复盘一次岗位能力模型，结合业务变化及时调整。

结  语

黄仁勋说，AI基础设施建设才刚刚开始，未来仍有数万亿美元的基础设施缺口等待填补。支持这项建设所需的劳动力规模是巨大的。

这既是挑战，也是机会。那些能够快速建立AI人才标准、批量培养复合型人才的企业，将在下一轮竞争中占据先机。

正如科锐国际研究中心负责人所言：对于人才而言，要积极拥抱变化，聚焦AI工具在自身工作场景的落地应用与跨领域实践，以项目成果与能力升级构建差异化优势。