AI行业的高薪神话仅属于金字塔尖,真实的职场B面是不断抬高的入行门槛、极快的技术迭代与频繁的项目波动。大厂校招难度激增,开发者正沦为“AI校对员”,行业泡沫正倒逼从业者重新寻找定位。
晚上11点,杨涵合上电脑,12小时的连轴转暂告一段落。尽管离开了工位,但神经依旧紧绷,数据波动意味着她需24小时待命。
杨涵毕业三年,拥有985计算机本科与QS前20院校硕士背景,深耕AI领域多年,曾在大厂积攒履历,也担任过初创公司AI负责人。按常理,这份扎实的简历与超高的工作强度本应换来傲人的收入。然而,她的月薪仅能追平先进制造领域的头部研发,在互联网大厂中也处于中游水平。
“急流勇退”回研究院深耕基模是原因之一,但她坦言:“AI从业者,真的没有外界想象中那么风光。”

当前AI叙事中,算法、智能体开发及AI Infra等岗位常伴随着“百万年薪”的标签。这些极高数值的头部案例,像一把巨大的拉力,拔高了公众对行业平均薪资的预期。但在聚光灯之外,普通从业者感受到的只有高强度的加班与薪资涨幅脱节的焦虑。
对于求职者而言,进入AI行业的门槛正变得前所未有的高。往年,凭借算法论文和实习经验,即便是专业不对口或非名校背景,也有机会挤进独角兽或大厂。如今,竞争逻辑已完全重构。
以秋招为例,即便投递近200个岗位,结果可能依然颗粒无收。企业不再像过去那样给予新人成长期,校招流程已实质演变为社招,要求候选人具备极强的项目实战能力。技术快速迭代下,智能体开发、提示词专家等新工种层出不穷,然而这些岗位往往还没捂热,就成了下一轮技术进化的牺牲品。

不仅如此,AI本身的进化正在重塑岗位需求。大厂开始裁撤传统前端、后端及测试岗位,转而招募具备Agent调动能力的AI全栈开发者,追求“一人抵三人”的效率。吴乐作为一名AI工程师,日常七八成的工作交由AI完成,自己则充当“高级校对员”。
这种工作模式看似高效,实则风险巨大。他需要时刻识别AI产生的逻辑偏差、边界漏洞甚至虚假数据。没有扎实的实战经验,根本无法进行有效的纠错。公司对交付预期的成倍提升,让开发者们不再是AI的驾驭者,而是被AI进度推着跑的“打工人”。
AI行业目前正处于“赛马”阶段。在同一家公司内部,多个团队往往同时探索相似的方向,尽管PPT各异,底层模型和应用场景却高度重叠。大家都在与秒表赛跑,试图在泡沫破裂前找到那条引爆增长的正确引线。

资本的高额投入与迟迟未兑现的利润之间,存在巨大的鸿沟。麻省理工的研究显示,超过95%的企业AI项目缺乏可量化的利润影响。这种焦虑传导至底层,导致了频繁的架构变动和项目终止。许多中层管理者因难以达成业绩指标而陷入崩溃,甚至放弃大厂的高职级转投底层基础设施方向,寻求一份确定性。
也有人选择了“求稳”。Mike在深度参与过攻关项目后,选择进入国央企管理岗位。尽管收入不及大厂,但在他看来,这是在更长的周期里理解AI的策略。他将AI视为一个黑盒,抱着谨慎观望的态度,在动荡的行业中为自己留出了一块相对安稳的阵地。
在一个人人都试图通过“上进”来缓解焦虑的行业中,慢下来,或许已成为一种奢侈的清醒。
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断