月薪6万，哪些AI岗位在抢人？
本文来自微信公众号：深燃（ID：shenrancaijing），对话嘉宾：鲍艾乐、梁公军，整理：金玙璠，头图来自：视觉中国
2023年什么话题最热？这段时间职场人讨论最多的话题是什么？
毫无疑问是ChatGPT的出现、AI的技术进步。当然，对职场人最有冲击力的字眼是，“AI取代人类”“10亿打工人被革命”……
ChatGPT把我们带进了AI 2.0时代，AI的确正以一种超乎我们预期的方式，影响着很多行业。由此衍生的两大话题是，哪些人能坐上这趟AI快车？哪些人的工作会被AI“干掉”？
近日，深燃直播间邀请到了拉勾招聘联合创始人兼CMO鲍艾乐，海纳AI创始人、原微软技术顾问梁公军，就“AI抢人大战，什么人最抢手？”这一主题展开了一场深度对话。
鲍艾乐所在的拉勾招聘，日前发布了《2023第一季度AIGC人才供需报告》，从数据层面直观地反映出这轮AI抢人大战中，最抢手的职位以及薪酬涨幅。具体来看，AIGC人才岗位需求量在今年3月环比增加42%，其中，25%的AIGC算法工程师岗位月薪超过68K。
梁公军曾任微软技术顾问，投资过多家AI+公司，目前他带领的海纳AI，已为5000多家大中型企业提供AI面试服务。
两位嘉宾分别从人才市场、技术发展两个视角，提供了一些方向性建议。
以下是直播实录，由深燃编辑整理：
一、AI抢人大战：从北京开始，从“大厂”开始
深燃：AI抢人大战真实存在吗？AI大趋势对用人市场的影响到了什么层面？
鲍艾乐：从拉勾招聘统计的数据来看，AI抢人大战更多集中在技术类人才的招聘上，例如CV算法工程师、推荐算法工程师、NLP算法工程师。
我们先看行业需求。对AIGC职位需求量最大的五个行业，首先是“人工智能”，其次是内容短视频领域，剩下的分别是金融业、企业服务和数据服务、智能制造。
再看城市。对AIGC职位需求量最大的城市，第一是北京，其次是深圳、杭州、上海、广州。
AIGC领域的确涌现了不少高薪岗位，比如，CV算法工程师、推荐算法工程师、NLP算法工程师岗位的月薪，75%分位数接近6万；25%的AIGC算法工程师岗位月薪超6万8；AIGC垂类产品经理的月薪，75%分位数达到5万9，远高于其他产品经理岗的薪资水平。
当然，这些技术人才的招聘需求，并不是短期激增的，而是长期稳定存在的，而且对人才资深的要求、提供的薪资水平，都是非常高的，可以说，是一小部分人的工作。
我们在行业一线观察到的情况是，一些投资人看好的项目、训练中国本土大模型的公司，的确非常火爆。他们现在的感受就像2012年的移动互联网一样，把一周当一年来用。整体来看，现在招AI相关人才的公司，还是以核心大厂为主，也有零星的垂类头部公司。
深燃：做大模型的公司开始抢人了吗？不同量级的公司抢的人才有什么不同？
梁公军：国内目前做通用大模型的公司，大约有30家。这些公司组建团队的前10个人、50个人，可能都选择老同事或是内部推荐，50人之后，可能再从外部招产品经理、应用层的工程师。
在当前的市场环境下，这些公司拿到了最宝贵的资金，少的是几千万人民币，多则几亿美金。所以大家可以重点留意这些公司，它们可能会在宣布做通用大模型之后的半年到一年内，有大量的用人需求。不过，做底层大模型，更多还是科学家、顶级的工程专家，这些少数人的机会。
而做垂直领域应用开发的公司，现在就已经有大量的用人需求。因为这些公司都是在过去三五年之前成立的，走过了从0到1的过程，但也遇到了一些难题，如今在2.0时代，会迎来爆发式的发展。我相信，未来五年、十年，就像过往十年的移动互联网一样，能够“供养”1000万人、2000万人。
深燃：在这场人才争夺战里，技术牛人会更多流向大厂吗？对创业公司会不利吗？
梁公军：首先，近几年的环境让很多人觉得，“大厂未必稳、小厂未必不稳”，很多人没有那么强的冒险动力。再加上，现在AI的局面还不明朗。这两大因素还没有造成人才大规模向大厂流动的趋势。
但过了半年、一年后，当局面更明朗，我相信会有越来越多的顶尖人才，会涌向AI 2.0的代表公司。
这背后一个重大的变数在于，中国自有的大模型到底能不能赶上GPT-3.5，哪怕是赶上80%的进度，那也能够推动很多场景的大规模商业应用。
二、既懂技术又懂应用的人，是最抢手的
深燃：在用人方面，国内公司主要缺的是什么样的AI人才？
梁公军：翻看OpenAI团队最早的100人的履历，我们会发现，真正起到巨大作用的人，都是复合型专家，他们拥有一个共同的特质：既能够做研究、输出Paper（论文），又能够落地交付工程。
通俗地翻译就是，既能够把技术的原理弄明白，又能够考虑到各种应用场景、解决工程问题。在通用大模型公司里，这种人才是最稀缺而且价码最高的。
深燃：在新一轮AI浪潮中，有没有新岗位被创造出来？
鲍艾乐：国内很多公司在做预训练的大模型，我相信有一些基础岗位，还是需要人去参与的，比如跟AI产业相关的数据清洗、数据标注。但这绝对不是主流。
更主流的、更有竞争力的岗位，还是算法工程师、AIGC产品经理、AI产品经理等等。比如其中的产品经理，一定要选好一个细分领域，对行业的使用场景有深度的理解。
深燃：在AI 2.0时代，资历越深的人会越来越抢手吗？所谓的35岁危机是不是不存在了？
鲍艾乐：这的确是AIGC领域和过去技术岗位的新变化。过去我们经常说技术岗有35岁的门槛，但从AIGC技术人才的年龄分布来看，30岁以上甚至40岁以上的人才占了很大比重。我相信，现在有大批富有经验的从业者，正在主导当下的技术变革。
梁公军：这要从B端和C端两个方面去看。我的判断是，AI 2.0时代对比过往20年，有个非常大的区别在于，之前是先发展To C领域，再渗透到To B领域，如今是To C、To B领域同时发展。
在To C领域，依然是对消费者感知最敏锐的那波人去做。
To B领域则会发生巨大的变化。我认为，To B领域会有更好的现金流。因为在降本增效的大背景下，越大的企业越愿意在AI上花钱。那要让B端客户买单，就需要AI人才对AI基座的理解到位，有丰富的行业经验。
这带来的一个变化是，过往在To C领域有35岁现象，过了35岁就不吃香了，但在To B领域，反而是更需要35岁以上的成熟从业者，他们对场景有更深理解、对行业有更深认知、对客户更有耐心。所以35岁+也能找到自己的“第二春”。
三、技术人才，要不要现在“上车”？
深燃：从技术的底层视角看，这一轮AI浪潮和过去相比有什么不一样？
梁公军：真正能对人类社会产生重大影响的技术，成熟周期都非常长，动辄30年甚至40年、50年。AI就是这样一项技术。
微软从上世纪90年代初就开始进行AI研究，从当时到现在已经过去30年了。这几十年我们可以称为AI的1.0时代。
2022年11月30日，OpenAI训练出GPT-3.5大模型，发布ChatGPT，代表AI进入了2.0时代，以一个普惠大众的单点应用，迎来了真正的百花齐放。
过去AI虽然也在发展，但一直没有迎来真正的大爆发。举例来说，过去很多客户是出于“科技感”的噱头，采购AI产品，用了三五个月发现，还需要雇佣专门的人去“伺候”AI。因为信效度差、效果不明显，客户不愿意长期续费。
随着国外国内多个新的底层基座的开源，各种C端、B端的应用场景得以大规模涌现，过去半年，几乎每天都有新的应用面市，AI终于变成了人人可用的技术。
我们真正做技术的人还是非常兴奋的，因为这可能是一辈子当中难得一遇的重大机会。像我自己，自从ChatGPT发布以来，有两三个月时间，每天晚上看各种新技术、新动态，兴奋到睡不着。
深燃：To B企业抢AI人才的趋势，会更加明显吗？
梁公军：在现在的大环境下，越是体量大的公司，反而越是稳健。当然，企业也担心错过AI大趋势，所以也在做一些布局，例如，在IT部门里加入更多有AI背景的人；内部增加采购AI系统的预算。
深燃：这轮AI大趋势下，你更看好哪类型公司？
梁公军：无论是做底层通用大模型，还是垂直大模型，比拼的无非是算力、算法、数据、云基建这几大关键要素。其中最大的门槛是数据。谁拥有高质量行业数据，谁就能取得更大的优势。而中国公司的优势在于，在中国这样一个统一的大市场，有数据量的极大优势。
在底层大模型上，我们和美国的OpenAI还有它的竞品公司，还存在巨大差距，但无论是腾讯、阿里、百度、华为，都在奋力追赶，它们需要更多的鼓励和掌声。
而对于垂直场景的行业模型，行业应抱有更充足的信心，我们认为，极有可能重演过往十年的移动互联网发展，也就是再过三五年，排名在前十、前二十的AI 2.0垂直场景公司，很多会来自中国。
深燃：对于有一定技术背景，也想搭上AI 2.0这趟车的人，你建议是现在加入还是再等等？
梁公军：以一个旁观者的视角来看，如果自己有坚定的判断，自己或家庭有比较强的抗风险能力，不妨在多数人观望的时候，下定决心“上车”。当然，对于绝大部分人来说，最优的选择是，先保证自己所在的位置是稳定的。
鲍艾乐：我觉得对于关注AI机会的同学来讲，比较残酷的一点是，如果你有机会参与，你可能已经身在其中了，这部分人是行业里的技术人才；如果你没有机会参与，那你可能要再等一等，等发展到应用层面，看一看有没有跟自己过去的工作经验相关的用人需求。
四、“用AI取代人”，一些老板已经动手了
深燃：具体聊聊老板和企业，AI大趋势下，老板们的用人策略有调整吗？
鲍艾乐：招聘方可以总结为三种状态。
第一类老板，也是第一波吃螃蟹的人，他们已经动起来了，把不必要的人裁掉，快速应用AI。比如有的游戏公司已经把画师团队裁掉，转而用AI工具为公司创造价值。
第二类老板愿意拥抱新变化，但不是先裁人，而是调整组织架构，希望带领团队加快学习如何应用AI。像我知道的，有一家公司组建了一支AI大脑团队。这类老板的观点是，未来团队也会像AI一样，像水母一样，首先需要一个大脑，再伸出去无数个触手。触手其实不重要，但大脑要足够聪明。
第三类就是剩下的金字塔底部的大多数，其实还没有发生任何的变化。因为AIGC的概念在新科技、互联网圈子虽然比较热，但还没有渗透到广泛的传统行业，讲AI的应用还为时过早。
深燃：企业用AI替换人的趋势出现了吗？
梁公军：AI替换人的说法，已经讨论了很多年，这个趋势现在的确加快了，正从头部公司向腰部公司和尾部公司渗透。
反应最快的，更多是头部公司，例如世界500强里的沃尔玛、顺丰等。ChatGPT的出现，相当于是对这些头部公司进行了一场市场教育，让它们更快考虑用AI的方式提效。像我们转化客户的周期都大大缩短了。而绝大多数腰部公司，对AI的认知和动作，还不是非常急迫。
深燃：哪些行业已经在用AI或机器替换人？
梁公军：如“十四五”就业促进规划所提到的，越是“简单重复的工作环节和危繁脏重的工作岗位”，越容易被AI替代或被AI大大提效。
从我们海纳AI的运营数据，也反映出这样的人才迁移趋势。
首先，制造业用工量相比去年同期的确是在大幅下降。第二，疫情过后，中高端服务业在快速恢复中，例如沃尔玛、顺丰的招聘量，相比去年同期都在大幅上升。也就是说，类似流水线工人这样的基础蓝领需求未来会越来越少、机器替代人的趋势正在加速，释放出来的劳动力会快速向中高端服务业迁移。
五、非技术人才，怎么减少AI焦虑？
深燃：到目前为止，AI相关岗位需求猛增的趋势，依然在持续还是趋向平稳了？
鲍艾乐：这些岗位的薪资不是一夜之间涨上来的，只不过，因为AI话题非常受关注，更多人注意到，“原来他们这么赚钱”。
不过，技术人才也是分层的，有人是引领潮流，有人是底层搬砖。而高端的AI研发人才，一直是行业里最优秀的一批技术人才。
我刚才在评论区看到有网友说，“原来大家的收入差距从文理科分班的时候就开始了”。我觉得是这样的，我们去看互联网行业的整体薪资，技术类人才一直高于其他岗位。
深燃：互联网人还有机会“上车”吗？
梁公军：我认为，对于原来做互联网、移动互联网的人，想要涌入AI的应届生，AI 2.0都是一个几十年一遇的重大机会。我建议，可以开放性地去关注AI 2.0，尤其是垂直场景的机会。
如果想“上车”，趁着现在的技术红利期抓紧。因为行业会用新的AI 2.0技术手段，把几乎每一个生活场景和产业场景重做一遍。
深燃：作为一个文科生、没有技术背景，面对AI趋势很焦虑，你有什么建议？
鲍艾乐：这种焦虑可能不是AI造成的，更多来自于外部变化太多，你对自己职业未来的可预测性降低了。
缓解焦虑的唯一办法是，无论你处在什么行业和岗位，让自己成为相对顶尖的人才。如果跟同行、同龄人相比，你能做到前10%、前15%，那你就不必焦虑，因为无论行业怎么变化，哪怕AI把整个职业都彻底“打掉”了，那你作为佼佼者，再去换行时，也一定是最先被注意到的。
梁公军：就像电力的出现，势必要让人类从基础的工作，向更高端的工作岗位去迁移。那AI来了，很多人会想“人去做什么呢？”其实还有很多有温度、有情感、需要创造力的岗位，比如高端服务业里的家庭教师、养老行业等等。
像我使用ChatGPT有半年左右的时间了，我问它一些问题，它能帮我写一份“草稿”，但还需要我再重新梳理，它没办法交付一篇真正高质量的文章。
深燃：最后用一个来自观众的提问结束今天的直播，现在什么类型的人才是最抢手的？非技术人才怎么成为这样的人？
梁公军：不要被不同的风吹到不同的方向，一定要把自己人生的“坐标”标记好，选择一个领域，以十年为周期去积累，我相信，如果你能成为自己领域或大或小的专家，那所有的新技术都只是你的工具而已。与此同时，保持开放心态，拥抱新的工具、新的技术，把它更多地用到工作中。
鲍艾乐：第一，无论你处于什么行业，一定要热衷于学习新技术，对人机交互、人工智能有一些基本认知，能够快速学习。第二，你对自己所在行业的经验是非常宝贵的。无论AI多么聪明，最终还是要应用到真实的世界中，需要服务客户、创造价值，而不是从零创造一个新世界。
不必慌张也不必焦虑，最后的长胜者，一定是拥有相对稳定的心态。AI大潮必将到来，当它来到你的行业时，考验的是你能不能成为更快、更好应用这个工具的人。
本文来自微信公众号：深燃（ID：shenrancaijing），对话嘉宾：鲍艾乐、梁公军，整理：金玙璠
相关推荐
月薪6万，哪些AI岗位在抢人？
急招AI投资人，月薪12万
今年干啥能挣钱？来设计芯片，年薪120万
富士康疯狂抢人，工厂老板：300元一天，我还是招不到人
平均月薪5万，最高10万！Hulu北京裁员90%，被裁员工却遭大厂疯抢
码农下南洋
并非人人都是李佳琦！直播业平均招聘月薪不到1万
薪资随便开、十几家猎头挖，新造车抢人有多疯狂？
科技大佬入局AI，职场人又有新机会了？
雷军与李书福必有一战
网址: 月薪6万，哪些AI岗位在抢人？ http://m.xishuta.com/zhidaoview30049.html
