Levels.fyi 2026年数据显示，美国科技大厂AI工程师中位总包约24.5万美元，但这只是普通战场的价码；
在OpenAI、Anthropic等frontier lab，工程师中位总包是60万-80万美元，核心基础模型团队可达80万-150万美元，L5级工程师已经是常态化突破百万美元。
中国市场也在快速抬价。
前程无忧数据显示，大模型与AIGC算法工程师年薪均值达65w；
字节2026届Top Seed校招计划，面向全球招募30名顶尖应届博士，提供年薪80万-220万，并承诺独立算力资源、扁平化管理及免考核机制；
连创业公司也豁出去了，猎聘平台上，某创业公司开价年薪150-225万元招聘CEO，要求候选人必须对AI技术有狂热信仰，且能转化为颠覆性的商业战略。
当这些数字聚在一起，你会发现，AI人才已经开始强分层、高溢价。
比起这个，更值得让人反思的是，为什么有些人被迅速抬价，企业到底在为什么能力付钱？
为了解开这个疑惑，我们采访了赋猎咨询创始人沈嘉。他在猎头行业深耕21年，曾经服务过某宇宙App工厂、某原来做海淘现在做内容社区的厂、六小龙里的几小龙、若干科技创业公司。
他看到，从2023年至2026年，随着技术主叙事不断迁移，市场对AI人才的需求不是简单变多，而是反复改写稀缺的能力清单。组织对人才的需求，已经从最初的单点技术专家转为能用AI为业务带来实际结果的人。其中，有两类人价值上升很快，一类是非技术背景，但有大量Agent实践经验的人；另一类是提前搭过多智能体框架的工程人员。当下，高效者会进入更核心的任务中，承担更高密度的工作；中间层的任务空间被压缩，逐渐退出核心执行环节；低效者则被推向边缘任务。
薪资只是最表面的，被重写的，是市场对人才的计价方式。
Part 1
技术换题，人才市场重考
在访谈中，沈嘉给过一个很清晰的时间切片：
2023年，市场关注大模型基座，最稀缺的是有大模型开发预训练经验的人；
2024年，模型尺寸继续变大，训练和推理侧的 infra 需求变得突出，infra人才迅速升温；
2025年，DeepSeek带动强化学习完成商业化开源增长的验证，RL相关人才被推到更核心的位置；
2026年，Agent成为新的主叙事，需求从技术岗位扩展到产品、运营、增长等更多岗位。
技术路线的变化会引起人才价值的重新排序：
这也是AI行业残酷的地方——技术不会等所有人准备好，一旦能力边界被推开，企业的用人标准就会跟着移动。上一阶段的核心能力，下一阶段可能退到背景里。经验还在，溢价却开始变薄。
所以我们会看到一些反直觉现象：资深从业者突然感到吃力，年轻人因为高频使用AI而备受欢迎。
问题不在年限，也不在岗位，而在能力是否迁移到新的技术阶段里。
沈嘉也提到，2026年Agent方向有两类人才价值上升很快。一类是非技术背景，但有大量Agent实践经验的人；另一类是提前搭过多智能体框架的工程人员。
换句话说，企业为能把模型接进真实流程现实场景并交付可预期结果的人才买单。
AI人才市场没有沿着原来的岗位体系平滑扩张，它更像一段一段台阶，每上一个台阶，市场都会重新判断什么能力更稀缺，什么经验开始失去溢价，什么人会被推到更核心的位置。
这就是技术扩散引起的人才市场周期性重置。
但技术换题之后，企业不会马上重写整个组织，而是思考如何利用新技术以及需要为此做出哪些调整和资源再分配，比如组织架构、业务流程、人力资源等。
Part 2
工作被拆开以后，技能开始重新值钱
变化自上而下，最终落到每一个岗位里。
或许还会有人疑问哪个职业会被AI替代？这种问法多半已经慢了半拍，因为职业名称通常不会先消失，工程师还叫工程师，产品经理还叫产品经理，运营还叫运营……
只是基础工程师做的功能实现、产品迭代、bug 修正……这类任务会先被AI吃掉。更残酷的是，这也是过去新人进入行业的入口。
这种取代也不只发生在工程岗位。沈嘉提到，四大的审计工作曾经是很多头部985学生的垫底offer，但模型出现以后，审计中的大量工作量被压缩。现代服务业里，靠基础技能进入职场的岗位，也在变薄。
AI接手原本要让实习生和应届生练手的脏活累活，即那些清晰、重复、可验证的任务。
产品经理的变化也很明显。他们借助AI coding，将原本需要设计、工程等岗位一起分工协作才能完成的任务迅速做成demo。没有变成工程师，但确实获得了一部分工程任务的执行能力。
工程师也在往外泛化。AI coding帮他们补上产品、设计、测试和验证环节，从一亩三分地向上下左右延展，能力边界也随之拉宽。
于是我们发现，Agent年代，要的就是这种全栈化人才——能理解模型、任务、工程约束和业务目标，并把它们组织成有效结果。
看到这里，你是不是也意识到，我们的岗位边界正在松动——职业开始从稳定结构，变成一组可以拆分、转交、重组的任务集合。
写代码、修bug、查资料、做方案、生成demo、跑数据、监测投放……每个任务都会被重新判断：哪些可以交给AI，哪些需要AI辅助，哪些必须由人判断，哪些需要人把几个环节接起来。
这一步发生以后，技能也会开始重新值钱。
AI没有平均抬高所有人。它更像放大器，谁用得更好，谁就会被放得更大。夹在中间、只负责执行的人，反而最尴尬。
这就是技能回报开始极化的地方：单点技能变便宜，组合能力变贵。
到了这里，劳动市场的计算方式已经变了，市场在用钱和位置给每一个人答案。并奖励率先完成自闭环的先行者。
Part 3
谁在变贵，谁会变强？
当任务被重构、技能回报被重写之后，变化会继续往外走。
它最后会落到两个地方，一个是人怎么被定价，一个是公司怎么组织人。
过去，人的价格很大程度上靠履历解释。名校、大厂、年限、项目、职级，都能支撑一个人的市场报价。它们今天仍然有用，但已经不能自动换来高溢价。
沈嘉在访谈中提到，大厂光环早已祛魅，市场更关注候选人的实际能力。对比大厂边缘业务的背景，市场更愿意为明星业务团队交过的学费和前置经验买账。
市场重新给经验估价，AI带来的通用能力开始变成核心资产。
所以我们会看到另一种变化。越来越多的年轻候选人会在简历里加上他们用AI做出来的小项目，他们的自媒体账号及收入数据介绍。
沈嘉表示，这种情况在年轻人中很多，00后占比达50%。这些东西看起来零散，但它们能直接展示一个人的自驱能力和真实产出。
接下来，分化会进一步扩大。
AI会放大少数具备系统能力的人。他们能拆任务、调模型、接流程、判断结果，他们可以把自己的产出拉到过去几个人的水平。这样的人会越来越贵，也会越来越靠近核心任务。
分化也被直接地体现在价格上。沈嘉提到，2026年毕业的头部校招生里，相对优秀的同学拿到100-200万元现金已经很常见，特别突出的，不算股票和期权的就可以到 350万-380万元。一些核心组的实习工资已经涨到 3000-5000元/天，甚至比一些城市的平均工资都高。
企业也想提前购买少数人的未来产出。
我们再切换一个视角，来看看公司变得如何组织人。
今年5月，Meta围绕AI进行了大规模重组，全球裁员10%，并将约7000名员工被转向AI workflow相关新项目，同时公司削减管理层级，受这次重组影响的员工数约占20%。
这种规模的组织架构调整不论在哪个国家和地区，都已经十分常态化。如果说大公司都开始主动缩小，那么小公司还有什么优化空间呢？
答案是肯定的。现在，很多创业公司不再只用全职岗位解决关键需求。
比如他们找懂AI的独立董事，从董事会层面推动AI落地；租用HR顾问、技术顾问、架构顾问、商业化顾问、营销增长顾问等；对一些关键岗位，创始人甚至会安排付费试工一天，把人放进一个脱敏但真实的任务里协同以评估候选人价值。
这一切都归咎于AI的平权，它让小团队也有勇气和机会可以去做过去大团队才能做到的事。
事实已经证明，人才不一定全都要招进企业来，因为能力可以被租用、拼接和验证。组织边界也因此开始变薄，而企业也不再盲目追求规模，更加关注能力密度。
总结这次对谈，人从经验累计走向能力组合，组织从规模扩张走向密度竞争；谁能快速重构自己，谁就会变贵；谁能用更少的人组织更多AI能力，谁就会变强。
所以，AI没有改变某一类职业具体的职业，但在潜移默化里，它改变了技术扩散的节奏、任务结构、技能回报、人力资本定价，以及组织边界。
这些变化叠在一起，才形成了新的AI人才市场。
很多人的不安，也来自这里：当技术不断换题，任务不断被拆开拆解与闭环，能力与经验不断被解耦，能力持续在被AI平权，经验持续在折旧，你还能不能把自己快速重新组织起来？在变化之后，你还能不能重新找到自己的位置。
