AI落地,企业需要的是懂工具,又懂人的人

今年AI的进展快得让人眼花缭乱。但从2025年下半年开始，快刀青衣‌几乎每周都能收到类似的求助：

“刀哥，我们公司没有程序员，也不是搞技术的，你能帮忙介绍个程序员，帮我们把AI落地吗？”*

每次遇到这个问题，快刀青衣‌的一般建议都是：先别急着招程序员。

原因很简单。不是程序员不重要，而是大多数人把程序员当成了”灯神”——恨不得招两个人，搓搓手，就能解决公司所有的AI落地问题。

而且，今天聊的一个反常识话题正是：如今，连全球最顶尖的AI公司，最急着招的人，都不是AI工程师。

这是数据告诉我们的真相。

有一家专门追踪AI行业真实动态的独立研究机构叫Epoch AI。他们不做产品，只做数据分析，在AI圈很有公信力。

2026年3月，他们把OpenAI、Anthropic、xAI、Google DeepMind这几家全球顶级AI公司的招聘页面全扒了下来，逐一分析岗位分布。看完这份报告，发现有几个数据跟大多数人的直觉完全相反。

最让人意外的两个数字：

12%。

这两家可以说是全球技术实力最强的AI公司。大模型军备竞赛打得这么凶，大家可能以为他们大部分职位都在找顶尖研究员和算法工程师吧？

但现实是，增长最快的类别是销售，以及帮客户把AI落地的技术岗。

数据显示，Anthropic的市场销售岗位占比，一年内从17%暴涨到了31%；OpenAI也从18%增长到28%。在两家公司里，销售相关岗位都已经超过研究岗，成了第一大招聘类别。

在这个大类里，有一种岗位的增速尤其猛：专门负责帮企业客户把AI用起来的技术岗。

职位名字五花八门，比如“AI成功工程师”、“前线部署工程师”、“解决方案架构师”等等。它们的共同点是：不负责研究模型，不负责写代码框架，专门负责进驻客户公司，帮他们找到用AI的机会，然后把AI真正嵌进业务流程里。

意不意外？全球最强的AI公司，怎么都在招“教人用AI”的人？

其实仔细想想，完全可以理解。

MIT之前有个著名的“冰山计划”，用超级计算机给1.51亿美国工人建了数字孪生体，逐一计算AI替代各项任务的可能性。结论是：以2025年1月的技术，AI在技术上已经具备替代11.7%劳动力的能力。但企业实际的AI采用率呢？不到五分之一。

这意味着什么？AI的真正瓶颈不在技术端，而在落地端。

模型再强，卖出去了客户不会用，一切都是白搭。看看这些AI落地岗位的职位描述，发现它们要解决的问题惊人地一致：不是技术问题，而是“翻译”问题。

以Anthropic的前线部署工程师为例，职位描述里直接写着：“需要深入客户的业务环境，识别哪些流程适合用AI重构，然后把这个判断翻译成工程语言，再交给技术团队实现。”

OpenAI的AI成功工程师也强调：要在客户那边“找到AI真正能起作用的地方”，而不是拿着模型到处推销。

看明白了吗？AI落地难，不是因为模型不够强，而是因为业务人员不知道AI能做什么，技术人员又不懂业务流程。两边之间，缺了一个能互相“翻译”的人。

除了落地难，这份招聘数据还藏着这些AI巨头接下来的动作。招聘信息，其实就是最好的产品路线图。

OpenAI的硬件野心：
有15个在招职位指向一款消费级硬件设备。从光学工程师、本地模型工程师到操作系统工程师，再到新加坡的制造岗位，拼凑出来大致是一款带摄像头、内置AI芯片、能在本地跑模型的便携设备。
Google DeepMind押注AR与机器人：
有岗位明确指向带语音交互的AR眼镜；同时两家公司都在重金投入机器人，尤其是仿人机器人和灵巧机械手。
芯片路线的分歧：
OpenAI有21个岗位与自研芯片相关；而Anthropic一个都没有，它走的是另一条路——专门派人去管理外部数据中心合作伙伴关系，甚至雇法务去谈数据中心租赁合同。同样是顶级AI公司，在算力投入上选择了完全不同的路径。

就在OpenAI、Anthropic为AI落地难发愁，拼命招“部署工程师”的同时，另一批普通公司，却在用AI做完全相反的事。

最近国外AI圈流行一个词叫“AI Washing”（AI洗白），逻辑和“漂绿”一样——用时髦的AI叙事，包装传统的裁员决策。

最典型的案例是Block公司。他们宣称AI让工程师生产力提升了40%以上，然后以此为理由裁掉了超4000名员工。高管在公开场合为这决策辩护，却没有提供任何“AI究竟替代了哪些具体工种”的证据。

看。荒诞就荒诞在这里：一边是真正做AI的公司，深知落地有多难，在拼命招“帮人用AI的人”；另一边是大量普通企业，把“AI”当成了借机裁员的完美借口。

AI成了零成本的公关话术——对投资者说我们在降本增效；对员工说不是公司不行是技术迭代；对媒体说这是时代趋势。AI还没真正替代多少人，却已经成了最好用的叙事武器。

就像上周有个创业者给快刀青衣‌发消息：“刀哥，现在AI这么厉害，我是不是可以把某某部门的人砍掉一半降本增效？”

快刀青衣‌哭笑不得，回他：“你为啥不想想，在人数不变的情况下怎么把效益提高到三倍五倍？哪怕你想降本，是不是也要等公司里AI已经用得很熟练了，才动这个念头？”

所以，如果你现在问，AI时代什么能力最值钱？

答案不是“会训练模型”，也不是单纯“会写提示词”，而是一种复合能力：懂业务流程、能和人沟通、同时看懂AI的能力边界，然后把两端连起来。

Google DeepMind的CEO德米斯·哈萨比斯曾把AI时代最有价值的新工种归纳为三类，和上述招聘数据完美印证：

这三类工种有一个共同点：都不是纯粹的技术岗，但都需要真正理解AI。

老实说，这个门槛比会写代码更难跨。毕竟写代码可以学，但“知道在哪个问题上信任AI、在哪里需要质疑它”，是需要大量实践才能建立的判断力。

最后，分享哈萨比斯的一句原话：

“AI不是原子弹，但也不是微波炉，它是一类新技术，不能套用旧模板。”

在这个新时代里，最稀缺的从来不是造工具的人，而是懂工具、又懂人的人。