AI工程师岗位,不一定高薪,还可能是个坑

前言

现在招聘市场上，带 “AI” 的岗位越来越多，title 一个比一个好听，很多同学觉得沾了 AI 就是高薪、就是前沿技术，挤破头想往里冲。 （更多就是原来招聘岗位换了个名字，比如现在很多公司的开发工程师一律叫做ai全栈工程师，但是干的活依旧是原来的活）

其实，AI 岗的水分比大家想象的大得多。90% 挂着 “AI 工程师” title 的岗位，本质都是包装出来的普通开发，不仅没有额外薪资溢价，还可能是裁员重灾区。（可以看看下面的分析）

AI infra真正的高薪AI岗

像阿里、字节、腾讯这种有自研大模型的大厂，真正属于 AI 核心赛道的岗位，只有AI Infra（人工智能基础设施）这一类，也就是大家常说的 AI 基建岗。

这是整个 AI 行业价值最高、壁垒最强、薪资溢价最明显的岗位，没有之一。

核心做什么：支撑大模型从训练到推理全链路的底层技术，包括分布式训练框架开发、推理性能优化、算子开发、GPU 集群调度、显存优化、编译器开发等，是大模型能跑起来、跑得动、跑得便宜的核心支撑。

为什么值钱：技术壁垒极高，核心技术栈是 C++、CUDA、分布式系统、计算机体系结构，不是随便培训两个月就能上手的。它直接决定了公司大模型的成本和性能，是大厂 AI 业务的核心资产，部门话语权高，裁员优先级极低。

门槛与回报：学历要求普遍偏高，大多硕士起步，需要深厚的底层开发功底，校招竞争激烈。但对应的薪资也是天花板级别，同年限薪资是上层应用开发的 2-3 倍，职业生命周期极长，是真正能长期吃 AI 红利的岗位。

具体有哪些岗位，可以在我的微信公众号搜搜"AI infra岗位介绍“

市面上 90% 的 “AI 工程师”，都是两类包装出来的水岗

绝大多数大家在招聘网站上看到的 “AI 工程师”“AI 应用开发工程师”，都不属于上面的核心岗，本质都是换了个好听 title 的普通开发，主要分两类。

第一类：业务线 AI 接入岗 —— 就是普通开发，多了个调 API 的活

这是最常见的一类，也是最容易误导人的。

核心做什么：本质就是原来的业务开发岗，只是业务里加了个 AI 相关的小功能。比如电商业务加个 AI 智能客服、内容平台加个 AI 生成文案、教育产品加个 AI 答疑，核心工作还是写业务接口、对接数据库、做前后端交互，只是多了一步：调用大厂大模型的开放接口，拼一下 Prompt，格式化一下返回结果。

真相是什么：和普通后端、前端开发没有任何本质区别，薪资完全持平，不会因为 title 带了 “AI” 就多给一分钱。所谓的 “AI 经验”，就是调第三方 API 的经验，没有任何技术壁垒，随便找个开发一周就能上手。

风险点：AI 功能只是业务的附加品，不是核心价值。一旦业务收缩、预算收紧，第一个砍的就是这种非核心的 AI 功能，岗随业务走，稳定性甚至不如普通业务开发。

第二类：内部 AI 工具岗 —— 边缘成本部门，项目做完就裁员

这一类是坑最多、裁员风险最高的 AI 岗，也是最喜欢用 “RAG、微调、大模型落地” 这些概念包装的。

核心做什么：主打 “降本提效”，只做给公司内部员工用的工具。比如搭一个内部知识库 RAG、做一个内部 AI 代码助手、开发一个内部文案生成工具、做一套 AI 数据分析系统。看似用到了 RAG、LoRA 微调这些听起来很高大上的技术，本质就是拿开源框架拼拼凑凑，做出来的东西只服务内部，不对外产生任何营收。

核心问题：没有盈利价值，纯成本部门，天生边缘

对公司来说，这类团队是纯花钱的成本中心，不是赚钱的业务部门。工具开发完、上线跑通了，团队就没有存在的必要了。公司一旦要降本增效，第一波裁的就是这种 “负责降本的部门”—— 毕竟工具已经做完了，留着人也没用。

大小公司的差异：

大厂的内部工具团队可能还能养一阵，慢慢迭代，但一旦业务收缩，也是优先优化的对象；

小公司更是用完就扔：招你过来做个内部提效工具，3 个月做完，试用期没过就把你开了，连赔偿都省了。

成长陷阱：看似天天接触 RAG、微调这些 AI 概念，实则都是调用开源框架的封装接口，根本碰不到核心技术，做一年也只是个 “开源工具组装工”。跳槽的时候，这段经历根本算不上硬核 AI 经验，竞争力远不如正经做业务开发的人。