930
12当我听说了校招生拿到350万年薪，实习生也有4800一天的薪资时，谁不想当个AI牛马呢……
本播客为「非标玩家UnDefined」AI人才系列首期。
我找了三位一直深耕科技行业的一线猎头，分别来自京津冀、长三角、珠三角。他们每天都在处理最真实的人才流动：谁在招人，谁在离开，什么岗位火热，什么人才失宠。
很多时候，我们是通过新闻、融资、产品来理解一个行业，但这些信息都有滞后，并且都带着各方的身份立场，很难真的真实客观中立。
所以，我想到了猎头，尤其是我采访的这几位过去陪伴现在的大厂成长、也在AI这波做的风生水起，他们是少数能同时看到三件事的人：公司在想什么、市场在变什么、人正在往哪里流。
所以我想通过这个系列来和各位听众一起探索：
在AI这波浪潮里，人才结构到底发生了什么变化。
这是第一期，我们从上海开始。
（粤港澳的下周发，京津冀的下下周发，请期待~）
这一期，我邀请从业20年的AI猎头沈嘉，围绕AI浪潮下的人才市场变化、岗位需求、求职创业建议展开深度讨论，覆盖从应届生到职场老人、从大厂到创业公司的多维度问题，分享了最新的行业观察与行动建议。
文字版，我会在三期一起发布之后一起出一篇梳理行业的文章，发布在公众号。
嘉宾：
沈嘉：21年猎头，上海人，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。小宇宙@HuntNEXT猎头早知道
主持：
与桐：人才流动是了解行业变化的重要渠道，所以我也建议每个身在职场的人都要跟几个猎头保持好关系。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined
shownotes
22分钟到77分钟，是求职者/候选人/打工人视角
77分钟之后，是企业主/管理者/创业者视角
大家可拉动进度条，自取所需
播客节目「非标玩家」推出AI人才系列选题，邀请三位分别来自京津冀、长三角、珠三角的一线科技猎头，从人才流动视角解读AI浪潮的行业变化。本期为第一期，邀请从业20年、从2022年锚定AI方向、已服务超过800家AI相关公司的猎头沈佳，分享上海地区的AI人才市场观察。
沈佳介绍个人背景：拥有3年技术相关工作经验，从事高科技招聘20年，2021年创业成立面向科技创业者的猎头公司，从数据和机器学习方向平滑转型到人工智能领域，已经和国内外创业社区、技术核心角色建立长期联系，目前服务的AI相关公司数量接近800到1000家。
沈佳分享了三位印象深刻的创业者：第一位是DeepSeek的梁文峰，其团队在上一代AI时代完成商业化迭代，在新的大模型浪潮中对人才、组织、产品的定义符合第一性原理，值得研发同学参考。第二位是陈天桥，从盛大到脑科学前沿研究再参与AI浪潮，代表了有前沿思考和强执行力的领导者类型。第三位是追觅创始人，能够在时代趋势下利用自身优势做好技术和产品。三位创业者的共性是坚持能力大于经验，更关注解决从未有人做过的新问题。
2026年猎头业务核心逻辑不变，依然是寻找关键核心人才，但核心人才的关注方向发生变化：2023年关注大模型基座，2026年关注Agent，需求范围从少数人扩展到更多人，但真正掌握Agent能力的依然是很小的群体，始终只招聘两类人：奥赛出身的天赋型选手、有大量实践经验的熟手。
2023年：大模型浪潮起步，核心叙事是大模型基座创业，市场需求集中在有大模型开发经验的从业者。
2024年：多个大模型发布并推广免费使用，市场对基础设施infra的需求变得非常突出。
2025年：DeepSeek带动强化学习RL完成商业化验证，推理能力的提升加速了AI全民普及，市场对强化学习侧技术人才需求大幅增长。
2026年：Agent（养虾）成为主叙事，大厂和硬件云厂商推动全民Agent，需求覆盖云计算、容器、存储、记忆等多个领域，范围扩展到产品、运营、增长等非技术岗位。
2026年年初以来，Agent领域两类人才价值快速上升：第一类是非技术背景但有大量Agent实践经验的用轮子实践者，第二类是提前搭建过多智能体框架的工程人员。当前行业需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程是基础能力，这类全站Agent工程师的价值上升速度比大基座算法工程师更快。这类人才主要被两类企业招聘：一类是大厂改造传统业务做内部提效，另一类是大厂创新业务和AI原生创业公司搭建新业务。
沈佳提出核心观点：模型会吞噬整个数字世界，所有工作的形态都会发生变化，AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人，AI替代是渐进过程，会经历很长的硅碳共生阶段，不会在短时间内彻底颠覆。目前客服领域已经完成初步替代，只有高价值用户才能直接接入真人客服，真人一对一服务的价值会越来越高，和成衣与高定的关系类似。
基础工程师做功能实现、bug修正的工作会最先被替代，需要大量协同的产品、运营岗位替代速度稍慢，但也在被替代过程中。同时产品经理也会长出新的能力，现在AI coding可以帮助产品经理快速生成产品demo，很多产品经理已经可以完成自闭环的全流程工作。两端的工作同时在被替代：数字领域的基础开发工作和物理世界的简单重复劳动，比如林场植保、矿山自动驾驶、仓储堆栈卸货等，最终都是被更会用AI的人替代。
中国产业的迭代速度远快于美国，核心原因是中国数字化渗透率更高，渗透速度更快，国内市场加外贸市场规模大，分工足够细，产业全链路闭环速度是美国的6倍到10倍以上，比如华强北的电子产业、重庆的摩托产业都是全站闭环，迭代速度远快于美国。哪怕大模型的核心突破最早出现在美国，中国AI应用的普及速度也会远快于美国。
AI coding加速了全站工程师的普及，原来大厂分工精细只了解自己细分领域的工程师，会被上下左右全领域通透的工程师替代。工程师群体也在扩展能力边界，原来需要找产品、设计协同的工作，现在可以通过AI coding直接在数字世界完成，工程师的工作边界在扩展，同时也在被AI重构。初级边角料学徒工程师、大厂边缘业务的中年工程师（比如大龄P6、P7）受到的冲击最大，这类人群再就业难度较高，更多会转向数字化渗透率较低的传统产业寻找机会。
现代服务业的基础技能岗位需求下降非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位大幅减少。AI相关岗位总量相比前三年快速膨胀，但是竞争难度也同步快速上升，早期大模型公司招人难度低，现在哪怕普通岗位也很难通过简历筛选，头部大模型公司的HR每天处理海量简历，已经接近人力处理的边界。
技术层面数据、算法、基础架构会持续火爆，应用层面产品、运营、增长需求非常大，覆盖投放、素材生产、监测分析全增长链路。2026届头部校招中，优秀同学可以拿到100万-200万现金年薪，最高可到350万-380万不含期权，核心岗位实习工资可达4500-4800元一天，头部薪资主要由大厂提供，创业公司相对较少，头部效应非常明显，现在候选人选择offer不仅看薪资，更关注团队和细分赛道的成长性。普通院校的年轻同学如果有较长的AI实践工龄，哪怕非技术岗位薪资差异也会拉的很大，学生没有负担，迭代速度比资深从业者更快，更容易拿到不错的薪资。
当前薪资不高但未来价值会很高的方向是情绪价值提供者，比如细分方言脱口秀、特定人群的情绪陪伴、女性向游戏剧情等，AI解决了物质生产效率问题后，人们会愿意为情绪价值付费，情绪价值目前很难定价，但未来价值会快速增长。
沈佳做猎头20年，不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己决定。从比例上看，创业项目跑出来的概率非常低，通常会劝阻大部分人加入创业，真正想创业的人会直接行动，不需要咨询猎头。S级人才要么去大厂核心部门，要么自己创业，A+级人才两条路都可以选，最终选择取决于个人的价值观。现在初创和大厂之间人才流动形成旋转门，创业者可以去大厂创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。
大厂光环早就祛魅，大家不会神话大厂背景，只会理性判断价值。大厂光环只存在于明星业务团队，雇主买的是团队已经交过的学费和前置经验，大厂边缘业务的背景没有额外光环。AI native带来所有范式重构，市场更关注候选人的实际能力，不会单纯看厂牌，厂牌的溢价越来越少。
显性的好机会越来越少，职场非共识的差异快速拉大，选择变多导致竞争变得更激烈，好机会的竞争强度比过去大很多。非共识的隐性好机会确定性其实更高，但需要候选人自己判断，普通人拿到显性好机会的概率越来越低。
任何时候转AI都来得及，核心取决于个人对自己下手的狠度，和年龄、原来的背景无关。文科生不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板就可以，核心是提升自己的迭代速度，跨界跨产业招聘现在非常多，行业区别没有想象中大，核心看个人的迭代速度能不能匹配业务需求。
创业公司招人要求一直没变，都是既要也要：要求学校好、有大厂经验熟悉成熟体系、有创业经验懂0-1搭建、绩效好同时ego不能太高。现在候选人简历发生了明显变化，越来越多候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出，越年轻这种情况越多，00后中占比约50%，这种方式能直观展示自驱能力，降低组织摩擦，更容易通过筛选，这种变化和区域无关，是年轻一代自我意识觉醒的体现。
创业公司不需要和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问满足需求，不需要全职招人。核心岗位招聘要长期跟进观察，不要仓促做决定，初次创业很容易招错核心岗位，因为旧经验不适合新业务，招聘错是大概率，需要谨慎决策。推荐试工一天的背调替代方式，试工提前谈好报酬，设置具体任务，当面协同完成，能直观判断候选人能力。
海外人才供给相对不足，大部分区域更明确区分工作和生活，非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性要求更高，现在全球细分赛道人才跨区域流动的比例越来越高。想做全球产品的创业者，不需要一开始就建海外物理团队，核心是先搭建符合全球化协作的内部机制，适配不同地区的工作习惯，而不是单纯在海外开办公室招人。
国内不同城市的人才差异核心源于产业集群的不同：北京海淀是AI核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群。同时不同区域的文化差异也会影响产业发展逻辑，每个区域都会慢慢形成自己的产业定位，不同定位吸引不同特质的人才。
AI确实可以帮助企业实现用更少的人做更多的事，AI coding提升工程效率是最容易落地的方向，现在很多传统企业都在找专家探讨AI coding的提效空间。AI coding的发展速度非常快，未来18个月内，全球新产生的代码中95%-98%都会由AI生成，工程团队的工作形态和组织形态都会发生巨大变化，所有企业都必须面对这个必选题，只是时间早晚的问题。
takeaway
AI对就业的整体影响判断
AI替代规律：AI会按数字化渗透率顺序逐步替代工作，数字化程度越高的工作越先被替代，所有工作最终都会被改变形态。AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人。
硅碳共生阶段：AI替代不会是0-1的颠覆性革命，会经历很长的硅碳共生阶段，这个过程的长度和业务数字化渗透率、AI供给能力直接相关。
18个月AI代码预测：未来18个月内，全球新产生的代码中，95%-98%以上都会由AI coding驱动生成，总量会远超人工手写代码。
AI浪潮下历年人才需求变化
2023年人才需求：2023年AI浪潮初期，市场核心关注大模型基座人才，主要需求是有6B模型相关开发经验的算法从业者。
2024年人才需求：2024年模型落地推广阶段，因为模型尺寸变大，对基础设施infra的需求变得非常突出，覆盖训练和推理全链路。
2025年人才需求：2025年随着DeepSeek带动RL强化学习商业化验证，市场对强化学习侧技术人才的需求大幅增长。
2026年人才需求：2026年Agent（养虾）时代到来，需求覆盖云计算、容器、存储、记忆等全链条，范围从技术岗扩展到产品、运营、增长等非技术岗。
2026年Agent（养虾）热点人才类型
价值快速上升的两类人才：一类是非技术背景但有大量Agent实践经验的用轮子实践者，另一类是提前搭建过多智能体框架的工程人员（脚手架搭建者）。
全站化人才趋势：当前Agent领域需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程能力是基础要求，这类人才被称为全站Agent工程师。
招聘主体与方向：这类人才主要被两类企业招聘，一类是大厂对传统业务做AI提效改造，另一类是大厂创新业务和AI原生创业公司做新产品建设。
不同人群的就业冲击与机会
对工程师群体的影响：基础功能实现、bug修正类的初级工程师工作会最先被替代，只了解自己细分领域的大厂工程师也会被全领域通透的工程师替代，初级小白工、大厂边缘业务的中年工程师受到的冲击最大。
需求明显下降的岗位：现代服务业里依赖基础技能的岗位消失速度非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位需求大幅减少。
应届生就业现状：AI相关岗位总量相比前三年快速膨胀，但竞争难度也同步快速上升，头部大厂核心岗位简历投递量已经超过HR处理边界。
当前头部校招薪资水平：2026届头部校招中，优秀同学拿到100万-200万现金年薪非常常见，最高可到350万-380万（不含股票期权），核心组实习工资可达4500-4800元/天。
差异化的岗位价值判断
持续火爆的岗位方向：数据、算法、基础架构这类技术核心岗位会持续火爆，同时Agent应用方向的产品、运营、增长等岗位需求也非常大，覆盖从投放、素材生产到数据分析的全增长链路。
低薪高潜力的方向判断：当前薪资不高但未来价值会很高的方向是情绪价值提供者，这类岗位针对特定人群提供情绪共鸣，目前很难定价，但随着物质生产效率提升，人们对情绪价值的付费意愿会快速增长。
求职者选择建议：大厂 vs 创业公司
猎头分享的原则：猎头不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己做决定。
创业成功概率判断：从比例上看，创业项目能跑出来的概率非常低，猎头通常会劝阻大部分人主动加入创业，真正决心创业的人会直接行动，不需要找猎头咨询。
当前人才流动趋势：初创团队和大厂之间的人才流动已经形成旋转门，不是对立关系，创业者可以去大厂的创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。
AI转型的可行性与路径
转型时间判断：任何时候转AI方向都来得及，核心取决于个人对自己下手的狠度，和原来的背景、年龄无关。
非技术背景转型机会：非技术、文科背景的人不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板即可，核心是提升自己的迭代速度。
创业公司招人相关建议
创业公司看重的候选人特质：创业公司始终要求候选人既有大厂经验熟悉成熟体系，又有创业经验懂0-1搭建，要求候选人学校好、绩效高，同时ego不能太高。
00后简历新趋势：现在越来越多00后候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出、开源贡献等，越年轻的候选人这种情况越多，00后中占比约50%，这种方式能更好展示自驱能力，降低组织摩擦，更容易通过筛选。
创业公司抢人策略：创业公司不用和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问，同时要长期跟进候选人，核心岗位招聘需要长期观察，不要仓促做决定，建议采用试工一天的替代背调方式，试工提前谈好报酬，能更直观判断候选人能力。
不同区域人才与招人差异
中美产业迭代速度差异：中国产业的迭代速度远快于美国，优势在于数字化渗透率高、渗透速度快，市场规模大，分工细，全链路闭环速度是美国的6倍-10倍以上，AI应用普及速度会远快于美国。
海外公司招人风格差异：海外人才供给相对不足，大部分区域更明确区分工作和生活，晚上非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性的要求更高，当前全球范围内细分赛道人才跨区域流动的比例越来越高。
国内不同城市人才差异：国内不同城市的人才差异核心源于产业集群的不同，北京海淀是AI产业核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群，同时不同区域的文化差异也会影响产业发展逻辑。
传统企业AI落地相关判断
减人提效的结论：AI确实可以帮助传统企业实现用更少的人做更多的事，AI coding提升工程团队效率是最容易落地的方向，所有规模的企业都必须面对这个必选题，只是时间早晚的问题。
非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。
欢迎有认知的商业决策者联系、合作~
