近日，優必選以年薪1500萬—1.24億元面向全球招聘“具身智能首席科學家”，再次將AI人才招聘推上熱潮。

AI人才招聘當前現狀如何？未來將呈現什么趨勢？招聘生態有何痛點？對此，科銳國際輪值CEO曾誠近日接受證券時報記者專訪時表示，千萬元以上薪酬招聘并非行業常態，往往只出現在少數頭部公司且多是特定窗口期的個別案例。這一舉動恰恰說明，AI人才競爭正在從通用能力轉向場景落地，當具身智能進入關鍵拐點，企業爭奪的，已不只是人才本身，而是那些能夠推動技術真正落地、并定義未來格局的關鍵少數。

她同時預計，2026年AI產業鏈招聘熱度結構性持續，不會再是“所有AI崗位都熱”，而是“該熱的更熱，不該熱的自然降溫”，進入“理性繁榮”新階段。

三類AI崗位的薪酬具有明顯溢價

證券時報記者：咱們觀察到的當前AI產業鏈的招聘態勢如何？

曾誠：從科銳國際數據中臺的實時監測來看，當前AI產業鏈的招聘需求確實保持著旺盛態勢，且AI人才需求呈現三個較明顯的變化：一是圍繞垂直行業模型的優化和多模態能力的升級，企業在核心算法與模型工程化人才上的投入大幅增加。像大模型算法工程師、算法研究員，以及能實現模型部署和性能優化的工程師，這類崗位的需求長期處于高位，招聘難度也相對較大。

二是隨著具身智能和人形機器人進入規模化驗證階段，相關前沿崗位迅速成為招聘熱點。比如， VLA/L4/世界模型方向，具身智能算法工程師、多模態融合算法專家，還有機器人智能控制方向的人才，以前這類崗位需求比較零散，現在已經成為企業爭奪的重點，薪資溢價也很明顯。

三是AI加速向實體行業深度滲透，特別是智能體的落地,帶動了行業應用側崗位的需求增長。企業招人更青睞既懂技術又懂業務的復合型人才，比如智能體開發工程師、AI解決方案架構師等。與此同時，能把技術轉化為商業價值、精準洞察不同場景用戶需求的AI產品經理和產品解決方案專家，也成了市場上稀缺的關鍵崗位。

此外，隨著AI在企業核心業務場景中的應用越來越深，企業對模型可靠性、數據質量和業務安全的重視程度也明顯提升，這也帶動了數據治理、AI安全評估與合規審核等崗位的熱度持續上升。

證券時報記者：AI產業鏈招聘的薪酬水平是否出現明顯上漲？

曾誠：整體來看，AI產業鏈薪酬水平并非全面上漲，核心漲幅集中在稀缺賽道和核心崗位，優秀人才跳槽薪資漲幅普遍集中在20%—30%之間，企業對關鍵技術與領軍型崗位則表現出更大的薪酬彈性。

真正有明顯溢價的，主要集中在三類崗位：第一類是多模態與具身智能方向，尤其是兼具算法、系統、控制能力的復合型人才，相關核心崗位的薪酬溢價顯著；大模型算法資深專家年薪處于100萬—200萬元之間，AI Agent技術高級工程師年薪在40萬—70萬元之間。

第二類是模型工程化與規模化部署方向，簡單說就是能把實驗室里的模型，真正落地到實際業務中、穩定運行的工程人才，這類人才需求旺盛，薪酬漲幅也很突出。

第三類是“技術+行業+產品”的復合型角色，比如AI產品經理、解決方案架構師，這類人才既要懂技術，又要懂行業業務，還能對接商業需求，薪酬水平也在持續走高。例如AI產品高級經理薪酬可達80萬—100萬元。

AI產業招聘熱度保持高位但增速趨穩

證券時報記者：您預測2026年AI產業鏈的招聘熱度是否會持續，還是趨于平穩，或者是有所降溫？判斷依據是什么？

曾誠：我認為2026年AI產業鏈招聘熱度結構性持續，整體保持高位但增速趨穩，有望進入“理性繁榮”新階段。無論是在中國，還是在全球主要經濟體，AI都已經被放在核心競爭力的位置。政策、資本和產業資源的持續投入，決定了這不會是一個短周期的熱點。從技術本身來看，人工智能仍然處在代際演進的早期階段。多模態大模型、具身智能、AI for Science這些方向已經取得了一些初步成果，但離真正成熟還有很長一段路要走。只要技術還在快速演進，對高質量人才的需求就不會停。

同時，AI正在各行各業加速滲透。過去主要集中在互聯網、金融這些數字化程度高的領域，但現在正加速向制造、能源、農業、醫療等實體行業滲透。每一個傳統行業的數字化、智能化升級，背后都會形成持續、穩定的人才需求。

但從趨勢上看，未來不會再是“所有AI崗位都熱”，而是“該熱的更熱，不該熱的自然降溫”。對企業和人才來說，這其實都是一件好事。

證券時報記者：對企業和人才是一件好事，如何理解？您如何評價當前AI產業鏈招聘生態？

曾誠：我認為當前AI產業鏈的招聘生態正在從早期的高熱度、強情緒，進入一個更偏理性、也更具結構性的階段。一方面，人才需求開始回歸價值導向。過去一段時間，市場上確實存在過“只要跟AI沾邊就搶人”的情況，但現在企業越來越清楚，真正決定競爭力的不是崗位數量，而是人才是否能支撐業務落地。這種變化，正在推動招聘從“拼噱頭”轉向“拼能力”，對整個產業是一次必要的糾偏。

人才結構正在升級，復合型能力成為主流方向。企業已經很少再單點招聘只懂算法或只懂業務的人，而是更需要既理解技術原理，又能對接行業場景、具備產品意識的復合型人才。某種意義上，這也推動了人才從傳統的“T 型”結構，向多維度的“兀型”結構演進，這對提升整個AI產業的人才質量是長期利好。

敏捷用工形態正在從補充選項變成戰略工具。這是我們近兩年非常明顯的觀察。隨著AI技術迭代加快，企業很難用傳統編制去覆蓋所有高端能力需求，于是越來越多公司開始通過項目制專家、獨立顧問等方式，引入關鍵能力。這種模式一方面降低了企業的人力成本和試錯風險，另一方面也為資深的專家人才提供了更靈活、多元的職業路徑。以我們服務的一家跨界進入AI產業鏈的公司為例，我們基于對創始人所進入賽道包括他本人的深度了解， 通過業務與組織診斷，幫助創始人梳理業務發展方向和關鍵人才需求，沒有說按照常規去吸引和挖獵行業頂尖人才，這從時間周期和成本來說都不適合這個賽道和這個企業的實際情況的，而是讓創始人將產品設計、研發、供應鏈、海外營銷等關鍵模塊拆解為項目任務，支持他3個月內快速組建起跨領域專家團隊，形成“核心創始人+外部專家網絡”的敏捷組織，大幅縮短產品開發周期，目前產品即將率先登陸海外市場，實現從0到1的突破。

建議“搶人”轉向“育人+用人”并重

證券時報記者：偏理性、更具結構性的AI產業招聘生態，是否也有需要注意的風險？

曾誠：當前的招聘生態確實更趨理性，但也存在一些需要警惕的風險。一是高端人才過度集中，中小企業“一將難求”。頂尖AI人才被頭部大廠及明星初創公司壟斷，中小企業的人才獲取難度提升，可能在一定程度上削弱產業整體的創新活力，甚至形成“頭部主導”的格局。

二是企業偏好“即插即用”，初級人才成長空間被壓縮。不少企業在招聘時明顯傾向8年以上經驗的資深人才，而對1—3年的初級人才投入不足。同時部分企業缺乏完善的人才培養體系，挖來人才后無法提供合適的發展平臺，導致人才流失率居高不下。如果長期缺乏系統化培養機制，未來可能出現人才斷層的問題。

三是短期逐利心態上升，存在資源錯配風險。部分企業和個人過度關注短期薪酬回報，而忽視長期能力建設和業務價值創造，一旦市場環境變化，容易形成“高成本、低產出”的局面。

證券時報記者：針對這種情況，您有什么建議？

曾誠：對產業生態而言，建議建立更開放的人才流動機制，鼓勵大廠人才向中小企業、傳統產業流動，通過人才共享、技術顧問等模式，讓AI能力更廣泛地賦能實體經濟。對企業而言，建議從“搶人”轉向“育人+用人”并重，一方面通過靈活用工、獨立顧問等方式快速獲取稀缺能力，另一方面加大內部培養投入，建立“AI+業務”的復合型人才培養體系，同時要反向驗證，用真實業務問題來定義崗位，保持理性招聘，完善人才培養和留存體系。

招聘企業一定要把需求想清楚，再開始招人。很多企業最大的誤區，是“看到別人招，我也得招”，但并沒有想清楚這個崗位到底是為了解決什么問題。是技術卡住了？產品需要突破？還是已經到了商業落地的關鍵階段？如果這個問題沒想明白，即便把人招進來，最后也很容易變成“人很貴，但不知道該干什么”。

高端人才不一定一開始就要“買斷”。對于非常稀缺、級別又高的人才，其實完全可以通過項目制、顧問制先合作一段時間。這樣既能驗證能力和匹配度，也能降低企業一次性投入的風險。在瘋狂搶成熟人才的同時，企業也需要建立一套識別高潛人才的機制。有些人未必現在就“能打硬仗”，但學習能力強、系統思維好、對技術和業務都有熱情，這類人一旦給到合適的環境，成長速度往往超出預期。

對人才而言，應構建“Π型”能力結構，一定要有一條足夠深的技術縱軸，比如算法、系統、工程中的某一個方向；同時，也要橫向去理解行業、業務、產品，知道技術最終是用來解決什么問題的。單點能力很容易被替代，但連接能力會越來越值錢。同時，保持動手與思考的平衡，既要能躬身入局寫代碼、跑實驗，也要能跳出技術，思考行業趨勢、用戶價值和商業本質。