
本文来自微信公众号: 表外表里 ,编辑:曹宾玲,作者:洞见数据研究院
晚上11点,杨涵合上电脑,12小时连轴转暂告一段落。但人下班了,神经没下,一旦数据有问题,她要24小时待命。
杨涵毕业已经3年,是985计算机本科、QS前20院校硕士,始终在AI这条线上,在几家大厂攒过实习和履历,还当过初创公司AI方向负责人。
这扎实的简历,配上超高的工作强度,按理说收入该傲视群雄。但眼下杨涵的月薪,勉强追平先进制造的头部研发,放在互联网大厂只能排到中等。
这和她“急流勇退”回研究院做基模有关,但抛开这一层,她仍有句话要说:“AI从业者,真没有外界想象的风光。”
眼下的AI叙事,汇聚了最让人羡慕的工作、最令人眼红的薪资,大模型算法、智能体开发、AI Infra等动辄几十万起步,上不封顶;大厂的人才计划,百万年薪不过是起步价。

但热钱砸出来的高薪,只属于金字塔尖那一小撮人,这些极高数值像一把巨大的拉力,拔高了整个AI行业的“平均薪资”。塔尖之下的人,感受到的是极大的落差。
而投入与产出之间巨大的缺口,却要用所有人的身躯来填补,普通人的加班时长和焦虑指数,早已跑赢了薪资涨幅。
聚光灯照不到的B面,才是大多数人的日常。

门槛被抬高,校招变社招
每次说起身边同学TOP3硕士、校招零offer,陈墨总被怼回来:“净骗人,人家只是没拿到满意的offer而已。”
往年的确如此,陈墨的学长学姐揣着算法论文和实习,哪怕专业不怎么对口或双非本科,也有机会挤进AI独角兽或大厂。但今年行情真的变了:他秋招期间投了近200个岗位,大小公司都有,也不限制地域,但没有一个通关。
托马斯许多同门和朋友,海投之后同样颗粒无收。他能收获4个offer,在于“985计算机本硕+AI相关论文+大厂对口实习”,每一个环节都没有松懈,卷生卷死四五年,才最终脱颖而出。
“互联网开始像金融行业了,讲究‘配资’,所有的经历一定要强相关。”托马斯感叹竞争的残酷,以往职场新人有成长期,现在企业失去了耐心,校招变成了社招。
Mike亲眼见证了入行门槛一步步被抬高。
四年前他考研选方向时,元宇宙和区块链还是最热门的标签。没想到此后AI一路“狂飙”,从能对话演变到能作图、能生成视频,去年身边人求职的方向变成了“智能体开发”,今年大家嘴里念叨的又变成“办公智能体”了。

技术快速迭代下,智能体开发、提示词专家、工作流搭建……这些被追捧的新工种,还没有捂热,转眼又成了进化的牺牲品。
更无奈的是,AI越变越聪明,越来越像真能干活的人,许多旧岗位也在加速被替代。
前两年,Mike的同学不愁就业,大厂AI疯狂扩张,开出的薪资一年比一年高。同学们甚至会主动延毕——晚毕业一年半载,多攒两段实习、多发两篇论文,把简历包装得更完美,第二年就能拿到更好的offer。
直到coding agent的出现,抹去了手写代码的溢价。大厂开始停招初级、清外包、合并中台,“以前一个部门要招前端、后端、测试三个人,现在可能只招一个AI全栈开发,在agent帮助下一个人干三个人的事。”
在这一过程中,钱没涨多少,要求却拔高了一大截。
AI工程师吴乐现在接到领导派下来的任务,第一反应就是打开AI:把背景条件交给AI分析,任务让AI完成,再让AI写一份文档供他学习,学完拿去向领导汇报。
每天的工作,七八成的基础任务都是由AI完成的。剩下的两三成是他给AI进行判断、纠错。“说白了,我就是个高级校对员。”吴乐自嘲道。
但校对员也不是谁都能当的,AI可能给出逻辑自洽却与业务实际脱节的方案、在边界条件上悄悄埋雷,甚至一本正经地编造数据。这些错误没有几年实战经验,根本分辨不出来。
不仅如此,公司给了AI工具之后,对产出的预期也水涨船高。原来半天交付的工作,现在领导两小时就要看到,连吴乐都常常感到吃力,觉得自己不是在使用AI,而是在被AI的节奏推着跑。
“候选人不仅要有传统开发经验,还得有‘AI native’(使用AI的经验、驾驭AI的能力),二者缺一不可,刚进入职场的新人根本办不到。”他坦言,因此企业不愿意招小白进来慢慢培养,更想要“进来就能上手”的能力者。
当然,公司也有冷酷的理由:它们自己的容错空间,也没剩多少了。

挤“泡沫”倒计时,人重新找位置
在AI大会取了一上午的经,Mike感觉自己陷入了“无限循环”。
同一家公司,团队A打造了“云端桌面智能体”,团队B“用AI重构了行业工作流”,团队C说“原生AI一键干活”,尽管名字不同、PPT各异,但底层模型都一样,工具调用逻辑也差不多,甚至落地场景也高度重叠。
“三个团队抢的是同一批客户、同一张订单。”Mike直言,但“赛马”早已成为业内心照不宣的共识,一家公司分出很多独立小组,任凭自由发展竞争,最后留下一个成熟项目。
不惜代价、千百遍试错、甚至暴力击破,所有人头上仿佛悬着一个倒计时,要在秒表归零前找到那条引爆的正确引线。
杨涵知道,按下倒计时的那只无形的大手,叫“金钱”。
作为当前最烧钱的赛道,2025年全球风险投资每投出去10元,就有6元流入AI企业的口袋。今年进一步加剧,一季度AI初创企业融资规模已占到全球VC的81%;中美科技巨头更是不断抬高资本开支上限,砸下千亿又千亿。

投入的规模惊人,回报却迟迟没有兑现。麻省理工曾分析300多个企业AI项目,发现95%没有可量化的利润影响。
“大家已经坐在了这辆高速行驶的列车上,没有人想被甩下。”杨涵愈发感受到,随着时间拉长,投入加大,回本的焦虑持续膨胀,不管做哪个方向的团队,都渴望尽快做出成绩。
去年,ChatGPT和Claude用coding赚到钱后,国内应用层玩家也一窝蜂涌入;而coding脱胎于更聪明的模型,因此主攻基模等团队,也要面对承受越来越大的研发压力。
于是,内部赛马在各个公司密集上演:多个团队同时探索方向,哪怕工作已经推进到80%,只要效果比不过,随时可能被叫停,整条业务线说没就没。但技术还在持续迭代中,每一次更新都会让之前做的所有事情变得没有意义。
而且,“技术要真正跑起来,必须结合用户需求、解决真实问题、拿到数据做下一代优化。”杨涵说,但没人能准确说出一年以后AI会以什么方式介入生活,当前AI眼镜、AI耳机等创新都只是探索,谁也无法给出一个清晰的答案。
这是AI当下的困境,也是所有往里砸钱的人最焦虑的事。
落在杨涵和同事们身上,就是原本排好三个月、半年的规划,可能下个月就被一个新出的模型效果掀翻,团队做事方式、架构、职位频繁变动,尤其是中层管理者,成了AI行业里率先崩塌的一环。
“最开始中层是香饽饽,技术不用顶尖、收入却很高,大厂人纷纷转做AI中层。”然而,一次次项目中断、路线更改带来巨大的挫败感,以及始终难以够到的业绩指标,让中层们一个比一个憔悴。
所以她退出了一线,不去卷最顶尖的title、branding或产品,往AI infra等底层走,毕竟模型训练等事情永远在做。
去年才毕业的Mike,也“求稳”进了国央企。彼时,大厂还在扩招,身边朋友一门心思想进去,他的选择被不少人认为是“浪费学历”。
但在AI研发实习过的他,尝过产品攻关阶段连续通宵梳理文档、功能升级的滋味,也清楚这些呕心沥血的付出,可能只是领导一次心血来潮的尝试。
“在做出成功的东西之前,肯定要经历反复尝试、转向、推翻计划,重新出发。过程中的痛苦是必然代价。”他不少朋友每天熬通宵、随时准备被裁,抱着做“日结工”的心态上班,那不是Mike想要的生活。
他选择在更长的周期里理解AI,把它想成一个黑盒——抱着一种对黑盒有期待,但是谨慎观望的态度。国央企AI相关管理岗成了一个好去处,那里离AI不远,也能让他走得更稳、看得更宽。
尽管代价是,年收入只有20万,但Mike反而成为了朋友们羡慕的对象:“在这个越上进越焦虑的行业里,大家都想慢下来。”
(特别鸣谢博主“托马斯回旋”对本文的支持。)
如对本稿件有异议或投诉,请联系 tougao@huxiu.com。