AI人才爭奪戰：平均年薪40萬，網際網路大廠成加分項

截止至發稿前，Indeed網站上AI職位薪資數據

8月底，360集團創始人周鴻禕在個人社交帳號上發文稱，360智腦持續招聘研發人才。而在招聘平台上，360在招崗位達194個，其中，和AI相關的崗位月薪在3萬至6萬之間浮動。

某招聘平台上，360招聘頁面

7月28日，流媒體平台Netflix在其網站上發布了一則招聘信息，高薪招聘機器學習平台的AI產品經理，該職位的年薪範圍30萬至90萬美元（約220萬至660萬人民幣）。

今年6月，薪酬網站Levels.fyi通過各方爆料總結，Open AI的工程師年薪高達92.5萬美元（約人民幣680萬元）。

目前AI行業的熱招職位大多集中在算法工程師、AI專家、Prompt工程師等等。根據今年7月的《AIGC就業趨勢大報告2023》數據顯示，近一年AIGC新發職位招聘平均年薪為40.12萬元，比同期AI的招聘平均年薪高8.09萬元。

高薪之下，AI行業最需要哪些人才？對應哪些要求？哪些求職者更容易在其中嶄露頭角？「頭號AI玩家」對話了部分AI從業者和投資人，希望為想進入AI領域的玩家提供一些參考。

算法、數據成AIGC熱招崗位

企查查數據顯示，2023年以來，我國新增38萬家人工智慧相關企業，3個月內新增相關企業數達13.5萬家。（註：數據統計截至9月底，僅統計企業名稱、經營範圍、產品名稱包含關鍵詞「人工智慧」「AI」的企業。）

AI成為了站在風口上的熱門行業，各企業對於AI相關崗位的人才需求也快速增長。不僅百度、騰訊、阿里、位元組等網際網路大廠砸出重金「搶人」，初創企業、中小廠商也開始招攬科技人才。

「數據」、「算力」和「算法」是AI不可或缺的三要素。同樣在AIGC領域熱招崗位中，對算法⼯程師、⾃然語⾔處理等研發人才的需求旺盛。

《2023泛網際網路行業人才流動報告》顯示，今年上半年，泛網際網路行業最緊缺的崗位主要集中在AI方向，算法研究員位居人才緊缺度榜首。

在某招聘網站上，以「人工智慧」為關鍵詞在上述招聘網站中進行檢索，在上海地區，招聘一年以下經驗的AI崗位僅有18個，而招聘3年以上經驗的崗位超過500個。

「頭號AI玩家」粗略統計了一下，算法工程師、AI研發工程師、數據工程師等核心技術研發類崗位需求最大，占一半以上。大部分崗位對求職者的經驗要求在3-5年，不過也有明確標明「經驗不限」。

這些崗位的月薪區間跨度從2.5萬至40多萬不等。在北上深杭等城市，如果是不限經驗的應屆碩士生，算法工程師崗位的招聘年薪基本在25萬左右，其他城市穩定在20萬上下。而要求3年以上經驗的算法崗位，薪酬大多和崗位能力相掛鉤，少數崗位年薪能達到數百萬。

除了算法、前端等傳統技術研發崗，大模型的火爆同樣帶火了「提示詞工程師」（prompt訓練師）、「數據標註師」等為AI服務的新崗位。

提示詞工程師相關職位從專業知識、編程經驗、熟悉AI產品等方面進行了限制，主要工作內容包括優化提示詞來進行大模型訓練，配合業務團隊提升產品功能和用戶體驗。

而此前引發熱議的「數據標註師」崗位，是AIGC相關崗位中要求較低的。大多數「數據標註」崗的工作內容是對數據進行整理，標註，要求有計算機操作能力，專業不限，經驗不限，認真細心即可。這些崗位月薪在5000至8000之間浮動，更有企業以10至25元的時薪進行結算。

同樣，對於非技術出身的求職者來說，產品運營、市場、設計、銷售等崗位在AI企業中是常規設置。

「頭號AI玩家」還發現，部分AI產品經理崗位的薪資水平達到了年薪72萬的水準，與其他企業的產品經理崗相比占據較大薪資優勢。其中一個原因可能是，AI領域需要有實際落地的產品，急需既懂AI又懂產品的從業者。

AI人才競爭，高薪帶來高要求

AI行業優渥的薪資水平吸引了不少求職者的青睞。但對於想要拿到高薪的人來說，不僅要有過硬的技術實力，往往還需要AI方面的實踐經驗。

負責深度學習框架研發的高級工程師嚴長生認為，AI領域的算法工程師特指深度學習算法方向，用統計等方法來解決某些問題，更偏向於具體工程。

技術崗位大多需要求職者能夠獨立完成算法設計、模型搭建，具備前端開發經驗，最好精通Python等程式語言，熟悉機器學習和深度學習算法，有圖像/音頻/NLP等領域經驗。

負責AIGC早期創業項目孵化的投資人李依桐表示，目前AI領域最缺乏的是專業技術人才，對學術背景要求非常高，需要具備頂尖名校的碩士或博士學歷，並有在海內外知名實驗室進行研究項目並將其應用於產業的經歷。

以醫療健康領域的提示詞工程師為例，該崗位要求應聘者會設計、創建、優化與管理醫療AI⼤模型的提示詞（Prompt），以確保⼤模型能夠滿⾜特定的業務場景需求進⾏⾼質量輸出；同時需要與醫學團隊協作，加分項中還包括熟悉醫⽣診療流程，或對醫學有相當程度理解與學習能⼒。目前該崗位在招聘平台上的月薪標註為「20k-40k·14薪」。

另外，和數據相關的崗位聚焦在「如何構建AI的數據支撐體系」，需要豐富的數據分析能力。

比如某AI初創企業招聘AI工程實習生的要求是熟練掌握主流的深度學習框架，例如Tensorflow，Pytorch，MXNet，PaddlePaddle，並能夠利用現有框架的API實現新的深度學習模型和算法。

而一些AI研發工程師崗位，則更注重大模型關鍵技術的探索創新，要求計算機、通信等專業背景、研究生及以上學歷，在計算機視覺（CVPR，ICCV，ECCV）和機器學習（NIPS，ICML，AAAI）等相關會議發表論文者優先。

某AI圖像識別和算法研究企業CEO鄭傳軍告訴「頭號AI玩家」：「因為我們的方向是SAAS模式，團隊規模還不大，AI技術研發團隊人數在10人以內，但大部分成員是中高級技術工程師。除了AI和元宇宙研發團隊，還有JAVA和前端的一些技術人員。」

據「頭號AI玩家」觀察，大部分AI初創企業都是技術驅動型的公司。以專注多模態AI的科技企業JINA AI為例，技術人員占比超80%。這種情況下，一些常規崗位比如「運營」也要求求職者具備技術背景，或對前沿技術有強烈的好奇心。

在JINA AI從事技術運營的張颯說：「至少得了解如何安裝Pytorch（深度學習平台），GPU驅動，了解如何給模型調整參數，怎麼運行Docker，然後才能去談問題。」

大部分招聘企業都秉持這樣一個觀點：應聘者要和他們的技術研發方向匹配，最好是有過相關的技術或項目研發經驗。目前這個行業競爭比較激烈，所以需要上手就能開始研發。

熱門崗位中，AI產品經理類、運營類等⾮技術崗位同樣需要一定的AI工具使用技能傍身。

這些崗位對求職者的要求不再是「如何用技術創造AI」，更多在於「能否用AI提高生產力」。某企業招聘「AI訓練師」明確表示求職者是人工智慧的發燒友，對時下熱門的AI繪圖工具Midjourney、Stable Diffusion等有深入研究。

很多打著「AIGC」標籤的內容創作、設計等崗位，其實質工作內容和傳統崗位相似，只不過多了相應的AI技能要求，薪酬報價也隨之提升。

誰能在AI求職賽道「遙遙領先」

在AI風口下，什麼樣的求職者更容易分到一杯羹？

國內主流的招聘網站上，一些AI崗位的要求，看上去與傳統網際網路的技術崗並沒有很大差異，甚至有些崗位的「加分項」明確提到了「網際網路企業經驗」。

某企業招聘人員表示，具有大廠經驗的人員大多能更快地將算法應用到實際業務中，快速實現產品和商業價值。

網際網路企業豐富的業務場景和用戶數據，為AI算法的設計、疊代和落地提供了良好的支撐。AI賽道需要網際網路工作經驗，而網際網路也是最渴望AI人才的行業。

不過，部分網際網路大廠出身的求職者扎堆轉行AI賽道，卻陷入「普遍焦慮」中。儘管AI領域最急需資深技術和架構師，但非AI專業技術人員「原地轉型」AI技術也沒有想像的那麼容易。

一方面，AI前沿研究成果變化更新過快，及時跟上AI技術的潮流難度大，轉行門檻比其他時期都要高。另一方面，理解和熟悉大模型技術通常需要算力支撐，以及結合具體的業務場景，很難快速將理論知識運用到實踐中。

面試了國內24家大模型公司的求職者「Rooters」在社交平台分享面試經驗時表示，大模型這個方向真的「卷」，面試時遇到了很多新模型，相關研究論文更新迅速，「東西出的比我讀的快」。

不過，李依桐告訴「頭號AI玩家」：「網際網路領域中的許多從業者有機會直接轉移到AI產業內。技術人員通常能夠最早接觸到AI浪潮，也更容易抓住技術紅利期。」

有AI初創團隊向「頭號AI玩家」分享了自己的組織架構——創始人做過產品經理、管理諮詢、VC投資等，招攬了曾在BAT大廠工作的全棧技術人員（掌握多種技能的全端工程師），目前深耕「GPT聊天交互+Text to Link」交互邏輯的應用軟體。

既了解底層的技術原理，又能考慮到AI應用落地的各種場景，解決具體問題，這種復合型的求職者大可在AI賽道脫穎而出。

如果技術是必不可少的敲門磚，那非技術背景的人員還有機會跟上這波AI浪潮嗎？

對於新興企業來說，無論求職者技術含量有多高，是否會用AI繪圖工具、是否了解AI產品、對時下熱門AI應用有多深的見解，也會成為其選人的依據。

李依桐認為，AI賽道除了底層技術的構建，將技術應用於實際場景也需要產品、運營、銷售等多種專業支持，「關鍵是要找到自己的利基位置」。

從事人工智慧技術與解決方案的AI創業者Bain表示，AI這個賽道是目前最有機會和熱度，也是最容易獲得投資並做出結果的賽道。在大模型火了之後，有很多人從安防、法律、文案、情感等各個領域尋找和AI相結合的地方，其實每個人都可以在AI賽道進行嘗試。

尤其是，隨著AIGC落地的應用越來越多，AIGC領域的普適性變得更強，普通人花幾天了解AI基礎知識之後，也能夠從事和AI相關的工作。

低代碼和無代碼環境的出現，使非技術人員能夠構建和部署應用程式，甚至無需學習如何編程。而且，TensorFlow（開源機器學習平台）已經疊代更新，更利於開發者使用。而Pytorch（深度學習平台）也讓開發者有了更多選擇。

張颯也提到，如果兩年前進入AI領域，還需要學習很多底層知識。但目前AI的提示詞工程已經非常貼近大眾了，每個人都可以嘗試用自然語言的方式去開發AI應用。新的技術、新的交互以及新的變革，能讓更多人和行業前輩站在同一起跑線。

作為新興領域，AI帶來了新的缺口和機會。無論個人背景如何，都可以通過持續探索和學習發展相關技能，為自己在AI領域開闢更多的可能性。

最後，為各位玩家獻上AI從業者、投資人等帶來的建議，僅供參考：

每一次風口浪潮之後，能夠倖存並發展壯大的創業公司是少數。AI行業里新的技術層出不窮，在實踐中會遇到很多意想不到的「坑」，再加上大部分公司都是精兵強將的打法，入門、上手、入行會有一定難度，但能夠真正將「生成式AI」轉化成「生產力AI」，就一定能在這一行走得更好。

作者 | 阿虎

編輯 | 張潔

校對 | 月山橘