关于ZAKER Skills GEO服务 合作
钛媒体 2小时前

AI 行业里,被高薪叙事平均掉的人

文 | 表外表里

晚上 11 点,杨涵合上电脑,12 小时连轴转暂告一段落。但人下班了,神经没下,一旦数据有问题,她要 24 小时待命。

杨涵毕业已经 3 年,是 985 计算机本科、QS 前 20 院校硕士,始终在 AI 这条线上,在几家大厂攒过实习和履历,还当过初创公司 AI 方向负责人。

这扎实的简历,配上超高的工作强度,按理说收入该傲视群雄。但眼下杨涵的月薪,勉强追平先进制造的头部研发,放在互联网大厂只能排到中等。

这和她 " 急流勇退 " 回研究院做基模有关,但抛开这一层,她仍有句话要说 :"AI 从业者,真没有外界想象的风光。"

眼下的 AI 叙事,汇聚了最让人羡慕的工作、最令人眼红的薪资,大模型算法、智能体开发、AI Infra 等动辄几十万起步,上不封顶;大厂的人才计划,百万年薪不过是起步价。

但热钱砸出来的高薪,只属于金字塔尖那一小撮人,这些极高数值像一把巨大的拉力,拔高了整个 AI 行业的 " 平均薪资 "。塔尖之下的人,感受到的是极大的落差。

而投入与产出之间巨大的缺口,却要用所有人的身躯来填补,普通人的加班时长和焦虑指数,早已跑赢了薪资涨幅。

聚光灯照不到的 B 面,才是大多数人的日常。

一、门槛被抬高,校招变社招

每次说起身边同学 TOP3 硕士、校招零 offer,陈墨总被怼回来:" 净骗人,人家只是没拿到满意的 offer 而已。"

往年的确如此,陈墨的学长学姐揣着算法论文和实习,哪怕专业不怎么对口或双非本科,也有机会挤进 AI 独角兽或大厂。但今年行情真的变了:他秋招期间投了近 200 个岗位,大小公司都有,也不限制地域,但没有一个通关。

托马斯许多同门和朋友,海投之后同样颗粒无收。他能收获 4 个 offer,在于 "985 计算机本硕 +AI 相关论文 + 大厂对口实习 ",每一个环节都没有松懈,卷生卷死四五年,才最终脱颖而出。

" 互联网开始像金融行业了,讲究‘配资’,所有的经历一定要强相关。" 托马斯感叹竞争的残酷,以往职场新人有成长期,现在企业失去了耐心,校招变成了社招。

Mike 亲眼见证了入行门槛一步步被抬高。

四年前他考研选方向时,元宇宙和区块链还是最热门的标签。没想到此后 AI 一路 " 狂飙 ",从能对话演变到能作图、能生成视频,去年身边人求职的方向变成了 " 智能体开发 ",今年大家嘴里念叨的又变成 " 办公智能体 " 了。

技术快速迭代下,智能体开发、提示词专家、工作流搭建……这些被追捧的新工种,还没有捂热,转眼又成了进化的牺牲品。

更无奈的是,AI 越变越聪明,越来越像真能干活的人,许多旧岗位也在加速被替代。

前两年,Mike 的同学不愁就业,大厂 AI 疯狂扩张,开出的薪资一年比一年高。同学们甚至会主动延毕——晚毕业一年半载,多攒两段实习、多发两篇论文,把简历包装得更完美,第二年就能拿到更好的 offer。

直到 coding agent 的出现,抹去了手写代码的溢价。大厂开始停招初级、清外包、合并中台," 以前一个部门要招前端、后端、测试三个人,现在可能只招一个 AI 全栈开发,在 agent 帮助下一个人干三个人的事。"

在这一过程中,钱没涨多少,要求却拔高了一大截。

AI 工程师吴乐现在接到领导派下来的任务,第一反应就是打开 AI:把背景条件交给 AI 分析,任务让 AI 完成,再让 AI 写一份文档供他学习,学完拿去向领导汇报。

每天的工作,七八成的基础任务都是由 AI 完成的。剩下的两三成是他给 AI 进行判断、纠错。" 说白了,我就是个高级校对员。" 吴乐自嘲道。

但校对员也不是谁都能当的,AI 可能给出逻辑自洽却与业务实际脱节的方案、在边界条件上悄悄埋雷,甚至一本正经地编造数据。这些错误没有几年实战经验,根本分辨不出来。

不仅如此,公司给了 AI 工具之后,对产出的预期也水涨船高。原来半天交付的工作,现在领导两小时就要看到,连吴乐都常常感到吃力,觉得自己不是在使用 AI,而是在被 AI 的节奏推着跑。

" 候选人不仅要有传统开发经验,还得有‘ AI native ’(使用 AI 的经验、驾驭 AI 的能力),二者缺一不可,刚进入职场的新人根本办不到。" 他坦言,因此企业不愿意招小白进来慢慢培养,更想要 " 进来就能上手 " 的能力者。

当然,公司也有冷酷的理由:它们自己的容错空间,也没剩多少了。

二、挤 " 泡沫 " 倒计时,人重新找位置

在 AI 大会取了一上午的经,Mike 感觉自己陷入了 " 无限循环 "。

同一家公司,团队 A 打造了 " 云端桌面智能体 ",团队 B" 用 AI 重构了行业工作流 ",团队 C 说 " 原生 AI 一键干活 ",尽管名字不同、PPT 各异,但底层模型都一样,工具调用逻辑也差不多,甚至落地场景也高度重叠。

" 三个团队抢的是同一批客户、同一张订单。"Mike 直言,但 " 赛马 " 早已成为业内心照不宣的共识,一家公司分出很多独立小组,任凭自由发展竞争,最后留下一个成熟项目。

不惜代价、千百遍试错、甚至暴力击破,所有人头上仿佛悬着一个倒计时,要在秒表归零前找到那条引爆的正确引线。

杨涵知道,按下倒计时的那只无形的大手,叫 " 金钱 "。

作为当前最烧钱的赛道,2025 年全球风险投资每投出去 10 元,就有 6 元流入 AI 企业的口袋。今年进一步加剧,一季度 AI 初创企业融资规模已占到全球 VC 的 81%;中美科技巨头更是不断抬高资本开支上限,砸下千亿又千亿。

投入的规模惊人,回报却迟迟没有兑现。麻省理工曾分析 300 多个企业 AI 项目,发现 95% 没有可量化的利润影响。

" 大家已经坐在了这辆高速行驶的列车上,没有人想被甩下。" 杨涵愈发感受到,随着时间拉长,投入加大,回本的焦虑持续膨胀,不管做哪个方向的团队,都渴望尽快做出成绩。

去年,ChatGPT 和 Claude 用 coding 赚到钱后,国内应用层玩家也一窝蜂涌入;而 coding 脱胎于更聪明的模型,因此主攻基模等团队,也要面对承受越来越大的研发压力。

于是,内部赛马在各个公司密集上演:多个团队同时探索方向,哪怕工作已经推进到 80%,只要效果比不过,随时可能被叫停,整条业务线说没就没。但技术还在持续迭代中,每一次更新都会让之前做的所有事情变得没有意义。

而且," 技术要真正跑起来,必须结合用户需求、解决真实问题、拿到数据做下一代优化。" 杨涵说,但没人能准确说出一年以后 AI 会以什么方式介入生活,当前 AI 眼镜、AI 耳机等创新都只是探索,谁也无法给出一个清晰的答案。

这是 AI 当下的困境,也是所有往里砸钱的人最焦虑的事。

落在杨涵和同事们身上,就是原本排好三个月、半年的规划,可能下个月就被一个新出的模型效果掀翻,团队做事方式、架构、职位频繁变动,尤其是中层管理者,成了 AI 行业里率先崩塌的一环。

" 最开始中层是香饽饽,技术不用顶尖、收入却很高,大厂人纷纷转做 AI 中层。" 然而,一次次项目中断、路线更改带来巨大的挫败感,以及始终难以够到的业绩指标,让中层们一个比一个憔悴。

所以她退出了一线,不去卷最顶尖的 title、branding 或产品,往 AI infra 等底层走,毕竟模型训练等事情永远在做。

去年才毕业的 Mike,也 " 求稳 " 进了国央企。彼时,大厂还在扩招,身边朋友一门心思想进去,他的选择被不少人认为是 " 浪费学历 "。

但在 AI 研发实习过的他,尝过产品攻关阶段连续通宵梳理文档、功能升级的滋味,也清楚这些呕心沥血的付出,可能只是领导一次心血来潮的尝试。

" 在做出成功的东西之前,肯定要经历反复尝试、转向、推翻计划,重新出发。过程中的痛苦是必然代价。" 他不少朋友每天熬通宵、随时准备被裁,抱着做 " 日结工 " 的心态上班,那不是 Mike 想要的生活。

他选择在更长的周期里理解 AI,把它想成一个黑盒——抱着一种对黑盒有期待,但是谨慎观望的态度。国央企 AI 相关管理岗成了一个好去处,那里离 AI 不远,也能让他走得更稳、看得更宽。

尽管代价是,年收入只有 20 万,但 Mike 反而成为了朋友们羡慕的对象:" 在这个越上进越焦虑的行业里,大家都想慢下来。"

(特别鸣谢博主 " 托马斯回旋 " 对本文的支持。)

觉得文章不错,微信扫描分享好友

扫码分享

企业资讯

查看更多内容