跳至主要內容
即時新聞

AI行業裡 被高薪敘事平均掉的人

文|表外表裏 陳梓潔

編輯|曹賓玲

晚上11點,楊涵合上電腦,12小時連軸轉暫告一段落。但人下班了,神經沒下,一旦數據有問題,她要24小時待命。

楊涵畢業已經3年,是985計算機本科、QS前20院校碩士,始終在AI這條線上,在幾家大廠攢過實習和履歷,還當過初創公司AI方向負責人。

這扎實的簡歷,配上超高的工作強度,按理說收入該傲視羣雄。但眼下楊涵的月薪,勉強追平先進制造的頭部研發,放在互聯網大廠只能排到中等。

這和她“急流勇退”回研究院做基模有關,但拋開這一層,她仍有句話要說:“AI從業者,真沒有外界想象的風光。”

眼下的AI敘事,匯聚了最讓人羨慕的工作、最令人眼紅的薪資,大模型算法、智能體開發、AI Infra等動輒幾十萬起步,上不封頂;大廠的人才計劃,百萬年薪不過是起步價。

但熱錢砸出來的高薪,只屬於金字塔尖那一小撮人,這些極高數值像一把巨大的拉力,拔高了整個AI行業的“平均薪資”。塔尖之下的人,感受到的是極大的落差。

而投入與產出之間巨大的缺口,卻要用所有人的身軀來填補,普通人的加班時長和焦慮指數,早已跑贏了薪資漲幅。

聚光燈照不到的B面,才是大多數人的日常。

一、門檻被抬高,校招變社招

每次說起身邊同學TOP3碩士、校招零offer,陳墨總被懟回來:“淨騙人,人家只是沒拿到滿意的offer而已。”

往年的確如此,陳墨的學長學姐揣着算法論文和實習,哪怕專業不怎麼對口或雙非本科,也有機會擠進AI獨角獸或大廠。但今年行情真的變了:他秋招期間投了近200個崗位,大小公司都有,也不限制地域,但沒有一個通關。

託馬斯許多同門和朋友,海投之後同樣顆粒無收。他能收獲4個offer,在於“985計算機本碩+AI相關論文+大廠對口實習”,每一個環節都沒有松懈,卷生卷死四五年,才最終脫穎而出。

“互聯網開始像金融行業了,講究‘配資’,所有的經歷一定要強相關。”託馬斯感嘆競爭的殘酷,以往職場新人有成長期,現在企業失去了耐心,校招變成了社招。

Mike親眼見證了入行門檻一步步被抬高。

四年前他考研選方向時,元宇宙和區塊鏈還是最熱門的標籤。沒想到此後AI一路“狂飆”,從能對話演變到能作圖、能生成視頻,去年身邊人求職的方向變成了“智能體開發”,今年大家嘴裏念叨的又變成“辦公智能體”了。

技術快速迭代下,智能體開發、提示詞專家、工作流搭建……這些被追捧的新工種,還沒有捂熱,轉眼又成了進化的犧牲品。

更無奈的是,AI越變越聰明,越來越像真能幹活的人,許多舊崗位也在加速被替代。

前兩年,Mike的同學不愁就業,大廠AI瘋狂擴張,開出的薪資一年比一年高。同學們甚至會主動延畢——晚畢業一年半載,多攢兩段實習、多發兩篇論文,把簡歷包裝得更完美,第二年就能拿到更好的offer。

直到coding agent的出現,抹去了手寫代碼的溢價。大廠開始停招初級、清外包、合並中臺,“以前一個部門要招前端、後端、測試三個人,現在可能只招一個AI全棧開發,在agent幫助下一個人幹三個人的事。”

在這一過程中,錢沒漲多少,要求卻拔高了一大截。

AI工程師吳樂現在接到領導派下來的任務,第一反應就是打開AI:把背景條件交給AI分析,任務讓AI完成,再讓AI寫一份文檔供他學習,學完拿去向領導匯報。

不僅如此,公司給了AI工具之後,對產出的預期也水漲船高。原來半天交付的工作,現在領導兩小時就要看到,連吳樂都常常感到喫力,覺得自己不是在使用AI,而是在被AI的節奏推着跑。

“候選人不僅要有傳統開發經驗,還得有‘AI native’(使用AI的經驗、駕馭AI的能力),二者缺一不可,剛進入職場的新人根本辦不到。”他坦言,因此企業不願意招小白進來慢慢培養,更想要“進來就能上手”的能力者。

當然,公司也有冷酷的理由:它們自己的容錯空間,也沒剩多少了。

二、擠“泡沫”倒計時,人重新找位置

在AI大會取了一上午的經,Mike感覺自己陷入了“無限循環”。

同一家公司,團隊A打造了“雲端桌面智能體”,團隊B“用AI重構了行業工作流”,團隊C說“原生AI一鍵幹活”,盡管名字不同、PPT各異,但底層模型都一樣,工具調用邏輯也差不多,甚至落地場景也高度重疊。

“三個團隊搶的是同一批客戶、同一張訂單。”Mike直言,但“賽馬”早已成爲業內心照不宣的共識,一家公司分出很多獨立小組,任憑自由發展競爭,最後留下一個成熟項目。

不惜代價、千百遍試錯、甚至暴力擊破,所有人頭上仿佛懸着一個倒計時,要在秒表歸零前找到那條引爆的正確引線。

楊涵知道,按下倒計時的那只無形的大手,叫“金錢”。

作爲當前最燒錢的賽道,2025年全球風險投資每投出去10元,就有6元流入AI企業的口袋。今年進一步加劇,一季度AI初創企業融資規模已佔到全球VC的81%;中美科技巨頭更是不斷抬高資本開支上限,砸下千億又千億。

投入的規模驚人,回報卻遲遲沒有兌現。麻省理工曾分析300多個企業AI項目,發現95%沒有可量化的利潤影響。

“大家已經坐在了這輛高速行駛的列車上,沒有人想被甩下。”楊涵愈發感受到,隨着時間拉長,投入加大,回本的焦慮持續膨脹,不管做哪個方向的團隊,都渴望盡快做出成績。

去年,ChatGPT和Claude用coding賺到錢後,國內應用層玩家也一窩蜂湧入;而coding脫胎於更聰明的模型,因此主攻基模等團隊,也要面對承受越來越大的研發壓力。

於是,內部賽馬在各個公司密集上演:多個團隊同時探索方向,哪怕工作已經推進到80%,只要效果比不過,隨時可能被叫停,整條業務線說沒就沒。但技術還在持續迭代中,每一次更新都會讓之前做的所有事情變得沒有意義。

而且,“技術要真正跑起來,必須結合用戶需求、解決真實問題、拿到數據做下一代優化。”楊涵說,但沒人能準確說出一年以後AI會以什麼方式介入生活,當前AI眼鏡、AI耳機等創新都只是探索,誰也無法給出一個清晰的答案。

這是AI當下的困境,也是所有往裏砸錢的人最焦慮的事。

落在楊涵和同事們身上,就是原本排好三個月、半年的規劃,可能下個月就被一個新出的模型效果掀翻,團隊做事方式、架構、職位頻繁變動,尤其是中層管理者,成了AI行業裏率先崩塌的一環。

“最開始中層是香餑餑,技術不用頂尖、收入卻很高,大廠人紛紛轉做AI中層。”然而,一次次項目中斷、路線更改帶來巨大的挫敗感,以及始終難以夠到的業績指標,讓中層們一個比一個憔悴。

所以她退出了一線,不去卷最頂尖的title、branding或產品,往AI infra等底層走,畢竟模型訓練等事情永遠在做。

去年才畢業的Mike,也“求穩”進了國央企。彼時,大廠還在擴招,身邊朋友一門心思想進去,他的選擇被不少人認爲是“浪費學歷”。

但在AI研發實習過的他,嘗過產品攻關階段連續通宵梳理文檔、功能升級的滋味,也清楚這些嘔心瀝血的付出,可能只是領導一次心血來潮的嘗試。

“在做出成功的東西之前,肯定要經歷反復嘗試、轉向、推翻計劃,重新出發。過程中的痛苦是必然代價。”他不少朋友每天熬通宵、隨時準備被裁,抱着做“日結工”的心態上班,那不是Mike想要的生活。

他選擇在更長的周期裏理解AI,把它想成一個黑盒——抱着一種對黑盒有期待,但是謹慎觀望的態度。國央企AI相關管理崗成了一個好去處,那裏離AI不遠,也能讓他走得更穩、看得更寬。

盡管代價是,年收入只有20萬,但Mike反而成爲了朋友們羨慕的對象:“在這個越上進越焦慮的行業裏,大家都想慢下來。”

About Us · 關於我們