专访科锐国际轮值CEO曾诚：不再是“所有AI岗位都热” AI人才竞争正从通用能力转向场景落地

（原标题：专访科锐国际轮值CEO曾诚：不再是“所有AI岗位都热” AI人才竞争正从通用能力转向场景落地）

图片来源于网络，如有侵权，请联系删除

近日，优必选以年薪1500万―1.24亿元面向全球招聘“具身智能首席科学家”，再次将AI人才招聘推上热潮。

AI人才招聘当前现状如何？未来将呈现什么趋势？招聘生态有何痛点？对此，科锐国际轮值CEO曾诚近日接受证券时报记者专访时表示，千万元以上薪酬招聘并非行业常态，往往只出现在少数头部公司且多是特定窗口期的个别案例。这一举动恰恰说明，AI人才竞争正在从通用能力转向场景落地，当具身智能进入关键拐点，企业争夺的，已不只是人才本身，而是那些能够推动技术真正落地、并定义未来格局的关键少数。

她同时预计，2026年AI产业链招聘热度结构性持续，不会再是“所有AI岗位都热”，而是“该热的更热，不该热的自然降温”，进入“理性繁荣”新阶段。

三类AI岗位的薪酬具有明显溢价

证券时报记者：咱们观察到的当前AI产业链的招聘态势如何？

曾诚：从科锐国际数据中台的实时监测来看，当前AI产业链的招聘需求确实保持着旺盛态势，且AI人才需求呈现三个较明显的变化：一是围绕垂直行业模型的优化和多模态能力的升级，企业在核心算法与模型工程化人才上的投入大幅增加。像大模型算法工程师、算法研究员，以及能实现模型部署和性能优化的工程师，这类岗位的需求长期处于高位，招聘难度也相对较大。

二是随着具身智能和人形机器人进入规模化验证阶段，相关前沿岗位迅速成为招聘热点。比如， VLA/L4/世界模型方向，具身智能算法工程师、多模态融合算法专家，还有机器人智能控制方向的人才，以前这类岗位需求比较零散，现在已经成为企业争夺的重点，薪资溢价也很明显。

三是AI加速向实体行业深度渗透，特别是智能体的落地,带动了行业应用侧岗位的需求增长。企业招人更青睐既懂技术又懂业务的复合型人才，比如智能体开发工程师、AI解决方案架构师等。与此同时，能把技术转化为商业价值、精准洞察不同场景用户需求的AI产品经理和产品解决方案专家，也成了市场上稀缺的关键岗位。

此外，随着AI在企业核心业务场景中的应用越来越深，企业对模型可靠性、数据质量和业务安全的重视程度也明显提升，这也带动了数据治理、AI安全评估与合规审核等岗位的热度持续上升。

证券时报记者：AI产业链招聘的薪酬水平是否出现明显上涨？

曾诚：整体来看，AI产业链薪酬水平并非全面上涨，核心涨幅集中在稀缺赛道和核心岗位，优秀人才跳槽薪资涨幅普遍集中在20%―30%之间，企业对关键技术与领军型岗位则表现出更大的薪酬弹性。

真正有明显溢价的，主要集中在三类岗位：第一类是多模态与具身智能方向，尤其是兼具算法、系统、控制能力的复合型人才，相关核心岗位的薪酬溢价显著；大模型算法资深专家年薪处于100万―200万元之间，AI Agent技术高级工程师年薪在40万―70万元之间。

第二类是模型工程化与规模化部署方向，简单说就是能把实验室里的模型，真正落地到实际业务中、稳定运行的工程人才，这类人才需求旺盛，薪酬涨幅也很突出。

第三类是“技术+行业+产品”的复合型角色，比如AI产品经理、解决方案架构师，这类人才既要懂技术，又要懂行业业务，还能对接商业需求，薪酬水平也在持续走高。例如AI产品高级经理薪酬可达80万―100万元。

AI产业招聘热度保持高位但增速趋稳

证券时报记者：您预测2026年AI产业链的招聘热度是否会持续，还是趋于平稳，或者是有所降温？判断依据是什么？

曾诚：我认为2026年AI产业链招聘热度结构性持续，整体保持高位但增速趋稳，有望进入“理性繁荣”新阶段。无论是在中国，还是在全球主要经济体，AI都已经被放在核心竞争力的位置。政策、资本和产业资源的持续投入，决定了这不会是一个短周期的热点。从技术本身来看，人工智能仍然处在代际演进的早期阶段。多模态大模型、具身智能、AI for Science这些方向已经取得了一些初步成果，但离真正成熟还有很长一段路要走。只要技术还在快速演进，对高质量人才的需求就不会停。

同时，AI正在各行各业加速渗透。过去主要集中在互联网、金融这些数字化程度高的领域，但现在正加速向制造、能源、农业、医疗等实体行业渗透。每一个传统行业的数字化、智能化升级，背后都会形成持续、稳定的人才需求。

但从趋势上看，未来不会再是“所有AI岗位都热”，而是“该热的更热，不该热的自然降温”。对企业和人才来说，这其实都是一件好事。

证券时报记者：对企业和人才是一件好事，如何理解？您如何评价当前AI产业链招聘生态？

曾诚：我认为当前AI产业链的招聘生态正在从早期的高热度、强情绪，进入一个更偏理性、也更具结构性的阶段。一方面，人才需求开始回归价值导向。过去一段时间，市场上确实存在过“只要跟AI沾边就抢人”的情况，但现在企业越来越清楚，真正决定竞争力的不是岗位数量，而是人才是否能支撑业务落地。这种变化，正在推动招聘从“拼噱头”转向“拼能力”，对整个产业是一次必要的纠偏。

人才结构正在升级，复合型能力成为主流方向。企业已经很少再单点招聘只懂算法或只懂业务的人，而是更需要既理解技术原理，又能对接行业场景、具备产品意识的复合型人才。某种意义上，这也推动了人才从传统的“T 型”结构，向多维度的“兀型”结构演进，这对提升整个AI产业的人才质量是长期利好。

敏捷用工形态正在从补充选项变成战略工具。这是我们近两年非常明显的观察。随着AI技术迭代加快，企业很难用传统编制去覆盖所有高端能力需求，于是越来越多公司开始通过项目制专家、独立顾问等方式，引入关键能力。这种模式一方面降低了企业的人力成本和试错风险，另一方面也为资深的专家人才提供了更灵活、多元的职业路径。以我们服务的一家跨界进入AI产业链的公司为例，我们基于对创始人所进入赛道包括他本人的深度了解， 通过业务与组织诊断，帮助创始人梳理业务发展方向和关键人才需求，没有说按照常规去吸引和挖猎行业顶尖人才，这从时间周期和成本来说都不适合这个赛道和这个企业的实际情况的，而是让创始人将产品设计、研发、供应链、海外营销等关键模块拆解为项目任务，支持他3个月内快速组建起跨领域专家团队，形成“核心创始人+外部专家网络”的敏捷组织，大幅缩短产品开发周期，目前产品即将率先登陆海外市场，实现从0到1的突破。

建议“抢人”转向“育人+用人”并重

证券时报记者：偏理性、更具结构性的AI产业招聘生态，是否也有需要注意的风险？

曾诚：当前的招聘生态确实更趋理性，但也存在一些需要警惕的风险。一是高端人才过度集中，中小企业“一将难求”。顶尖AI人才被头部大厂及明星初创公司垄断，中小企业的人才获取难度提升，可能在一定程度上削弱产业整体的创新活力，甚至形成“头部主导”的格局。

二是企业偏好“即插即用”，初级人才成长空间被压缩。不少企业在招聘时明显倾向8年以上经验的资深人才，而对1―3年的初级人才投入不足。同时部分企业缺乏完善的人才培养体系，挖来人才后无法提供合适的发展平台，导致人才流失率居高不下。如果长期缺乏系统化培养机制，未来可能出现人才断层的问题。

三是短期逐利心态上升，存在资源错配风险。部分企业和个人过度关注短期薪酬回报，而忽视长期能力建设和业务价值创造，一旦市场环境变化，容易形成“高成本、低产出”的局面。

证券时报记者：针对这种情况，您有什么建议？

曾诚：对产业生态而言，建议建立更开放的人才流动机制，鼓励大厂人才向中小企业、传统产业流动，通过人才共享、技术顾问等模式，让AI能力更广泛地赋能实体经济。对企业而言，建议从“抢人”转向“育人+用人”并重，一方面通过灵活用工、独立顾问等方式快速获取稀缺能力，另一方面加大内部培养投入，建立“AI+业务”的复合型人才培养体系，同时要反向验证，用真实业务问题来定义岗位，保持理性招聘，完善人才培养和留存体系。

招聘企业一定要把需求想清楚，再开始招人。很多企业最大的误区，是“看到别人招，我也得招”，但并没有想清楚这个岗位到底是为了解决什么问题。是技术卡住了？产品需要突破？还是已经到了商业落地的关键阶段？如果这个问题没想明白，即便把人招进来，最后也很容易变成“人很贵，但不知道该干什么”。

高端人才不一定一开始就要“买断”。对于非常稀缺、级别又高的人才，其实完全可以通过项目制、顾问制先合作一段时间。这样既能验证能力和匹配度，也能降低企业一次性投入的风险。在疯狂抢成熟人才的同时，企业也需要建立一套识别高潜人才的机制。有些人未必现在就“能打硬仗”，但学习能力强、系统思维好、对技术和业务都有热情，这类人一旦给到合适的环境，成长速度往往超出预期。

对人才而言，应构建“Π型”能力结构，一定要有一条足够深的技术纵轴，比如算法、系统、工程中的某一个方向；同时，也要横向去理解行业、业务、产品，知道技术最终是用来解决什么问题的。单点能力很容易被替代，但连接能力会越来越值钱。同时，保持动手与思考的平衡，既要能躬身入局写代码、跑实验，也要能跳出技术，思考行业趋势、用户价值和商业本质。