本文分析了AI时代就业市场的变化，指出传统验证性工作面临被替代的风险，而具备判断验收、领域纵深、与人直接相关等能力将更具竞争力。文章还探讨了政策导向和招聘数据，为程序员提供AI时代的学习方向和职业发展建议。

2026 年上半年，有两组数字同时成立。

一组是：机器人行业的应届生岗位数同比涨了 83.8%，新材料涨 60.1%，人工智能涨 24.4%（智联招聘 2026 年 1—5 月数据）。

另一组是：6 月不含在校生的 16—24 岁失业率 14.9%，比去年同期还高；2026 届高校毕业生 1270 万人；国考 371.8 万人通过资格审查，录取比约 98 比 1。

同一个劳动力市场，一边是新赛道在放量，一边是入口在收窄。两组数字看起来相反，实际是同一个结构在重新分配。

再往外看一层。METR 用"人类专家做完要多久"当尺子，量 AI 能不能独立完成任务：过去 6 年，AI 能 50% 可靠完成的任务时长每约 200 天（六个半月）翻一倍，2024 年以后加快到约 89 天翻一倍。今天的前沿模型在数小时量级的任务上刚刚过半，题库里超过 16 小时的测量还不可靠。

（AI 能 50% 可靠独立完成的任务，时长翻一倍所需的天数（METR））

这三件事指向同一个问题：AI 时代，什么能力不会过期，什么行业还在真招人。下面把实证研究、官方规划和招聘数据放在一起，凡是来源不支持的推论，都单独标出来。

一、先看清楚什么在贬值

---

先说被吃掉的是哪一类：难但能被验证的活。技术含量高不构成保护，只要结果能被快速验证、又不需要谁签字负责，哪怕活本身不简单，也在被压缩。

这一条有两组证据。

第一组来自 METR 的能力测量。前面已经说了，AI 能独立完成的任务时长在稳定指数增长。它的含义很简单：任何以"AI 还不会做某件事"为前提的职业规划，保质期就是那个翻倍时间。按长期趋势算约 200 天，按 2024 年以后的数据算约 89 天。

第二组来自 BCG 与哈佛商学院的实验。2023 年，758 名咨询顾问被随机分成三组做一批真实咨询任务。在 AI 能力覆盖范围内的任务上，用 AI 的顾问平均多完成 12.2% 的任务、快 25.1%、质量高出 40% 以上。但实验里还有一道刻意选在 AI 能力范围之外的题：对照组答对率 84.5%，两个用了 AI 的组只有 60% 和 70.6%，平均低了 19 个百分点。同一批人，在圈内是超人，在圈外是灾难，差别只在知不知道自己在圈内还是圈外。

（同一道 AI 能力圈外的题，三组顾问的答对率（BCG × 哈佛商学院））

落到就业上看，被挤掉的主要是入口岗。

斯坦福数字经济实验室用 ADP 的工资单数据追踪到：美国 22—25 岁在 AI 高暴露职业里的就业，比按同龄人增速推算的水平低 19%，这个缺口从 2025 年 8 月起持续扩大。机制主要在少招，不在多裁；替代型岗位下降最集中，补强型岗位持平或上升。

国内也是同一形状。智联招聘的数据显示，不需要经验或一年以下经验的初级岗位，从 2022 年 10 月起持续衰减，中级岗（1—5 年）不受影响还在增长，高级岗略有增长。编辑、翻译、教育培训类的招聘需求明显缩减；同时，明确要求"会用 AI 工具"的岗位比例在上升，一线城市约 72% 的企业招聘时会看这一点，新一线和二线降到 34%，三线及以下不足 10%。

（招聘时要求会用 AI 工具的企业占比，按城市层级（智联招聘））

需要说明的是，这条因果链并没有定论。伦敦政经的一篇论文用了 2.43 亿次新雇佣和 4.07 亿条招聘广告，把生成式 AI 和居家办公两个冲击拆开估计以后发现，GenAI 的系数大幅衰减、常常和零无法区分，早期职业招聘的下降主要由居家办公解释。所以更稳妥的说法是：这件事很可能在发生，但幅度和归因还没定。

二、有证据支撑的几类抗跌能力

---

判断与验收。AI 把产出变便宜了，瓶颈挪到了"在一堆看起来都合理的输出里，认出哪个是错的、哪个能上线"。BCG 那个实验正反两面都说明了这一点。微软研究院和卡内基梅隆调查了 319 名知识工作者、收集了 936 个真实用例，结论是：对 AI 越有信心，人投入的批判性思考越少；对自己的判断越有信心，批判性思考越多。生成式 AI 把批判性思考的形态改成了核对信息、整合回答、对任务负责。

领域纵深。自动化是抬高还是压低一份工作的价值，取决于它替代掉的是哪一段。Autor 和 Thompson 在 NBER 的论文里把这件事讲清楚了：如果被自动化的是外行也能干的活，剩下的是更专业的部分，结果是工资涨、用人减少。如果被自动化的是专家干的活，剩下的被拆成流水线，结果是工资降、用人增加。同一项技术，在不同职业里可以同时是替补和放大器。

跟人直接相关的部分。MIT 斯隆管理学院用美国劳工部的 O*NET 任务库（约 950 种职业、1.9 万个任务）做了打分，结论是依赖共情、判断、伦理、希望的活最不容易被替代。同一份研究也列了 AI 的短板：小样本推断、超出训练分布的外推、有两个以上可行解的问题、依赖共同经验的决定、主观信念。

OpenAI 2026 年发布的一份转型框架把"人的必要性"拆成了三类约束：法定与责任（法官、律师这类必须有人签字负责的）、关系（教师、护士这类必须有人在场的）、物理的（水管工、理疗师）。900 多个职业按"AI 能力覆盖度 + 人的必要性 + 需求弹性"分成四类：46% 短期变化不大，24% 会被重组，18% 替代风险较高，12% 会随 AI 增长。

（900 多个职业按 AI 影响分成的四类占比（OpenAI））

技能传递这件事本身。加州大学圣巴巴拉分校的 Matt Beane 研究人怎么跟机器一起工作，结论有点反直觉：技能一直是靠"专家带新人"的绑定关系传下去的，智能技术正在切断这条链（他的实地研究包括机器人手术和远程医疗）。对个人来说这意味着，能贴到高手身边、拿到真实反馈的人会拉开差距，靠一个人刷题补不上这一块。

学习和适配。世界经济论坛《未来就业报告 2025》调查了全球雇主：2030 年前 39% 的核心技能会变（比 2023 年调查的 44% 还降了一些）。2025 年排第一的核心技能是分析性思维，十家公司里七家算"必需"，第二是韧性、灵活性、敏捷；增长最快的三类技能都是技术类：AI 与大数据、网络与安全、技术素养。这一条是雇主调查口径，不是"学了就涨薪"的绩效证据。

这些能力在招聘市场上确实有价。牛津互联网研究院的两位研究者分析了 2018—2023 年美国 1200 万条招聘广告：要求 AI 技能的岗位，同时要求韧性、敏捷或分析性思维的概率接近非 AI 岗位的两倍。数据科学家如果还带韧性或伦理能力，薪资高 5%—10%。某个行业的 AI 需求翻倍，会带动互补技能需求增长 5%，互补效应比替代效应大 1.7 倍。

普华永道 2026 年的全球 AI 就业晴雨表（27 个国家、10 亿条招聘广告）给出了分层：市场正在分成两条道，"专业化"岗位（AI 当专家的放大器，需要更多人类密集技能）在人数和工资上跑赢"平民化"岗位（AI 让外行也能上手）。要求 AI 技能的岗位增速是整体市场的近 8 倍（69% 对 9%），AI 技能平均薪资溢价 62%；最会用 AI 的公司招聘增长 52% 对 36%、工资增长 24% 对 17%。

三、中国这边，政策给了什么底盘

---

"十五五"规划纲要在 2026 年 3 月发布，这是未来五年最硬的一份文件，其中几个关键点：

主要目标里写着：城镇调查失业率低于 5.5%，人均预期寿命提高到 80 岁，劳动年龄人口平均受教育年限提高到 11.7 年，全社会研发经费投入年均增长 7% 以上。

产业篇点名了两组名单。战略性新兴产业：新一代信息技术、新能源、新材料、智能网联新能源汽车、机器人、生物医药、高端装备、航空航天。未来产业：量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信。

纲要还附了一张"新产业新赛道培育发展"的专栏清单，第一条是集成电路，后面跟着具身智能、生物制造、新型电池、商业航天、国产大飞机、低空装备。涉及低空的表述是"推进低空经济健康有序发展"，同时明确要"推进低空经济立法"“加强适航审定能力建设”，节奏由空域和适航决定。

科技篇的提法也很具体：全链条推动集成电路、工业母机、高端仪器、基础软件、先进材料、生物制造等重点领域关键核心技术攻关取得决定性突破。

数智化篇基本是"人工智能+"落地的操作手册：算力上论证建设超大规模智算集群，模型上鼓励多模态、智能体、具身智能、群体智能，数据上明确要加快建设人工智能语料库，面向能源、交通、制造、教育、健康、金融建高质量数据集。

就业篇是国务院 2026 年 6 月印发的《实施就业优先战略"十五五"规划》，九方面任务，其中一条专门叫"适应人工智能发展促进就业创业"。文件的专栏里写明：建立人工智能对就业影响的调查和应对机制，加强稳岗保障、转岗培训和就业支持。同一份文件还强调"慎重出台对就业有明显收缩效应的政策"。

七类可以免费读到的先行信号

判断方向不一定要等薪资和岗位数涨起来。下面几类信号都公开免费，而且多数比薪酬数据更早出现。前三类来自政策侧，第四到第六类来自市场侧的公开数据，最后一条是把它们交叉起来看。

一是国家职业分类大典的新职业目录。人社部 2026 年 9 月发布第八批新职业：11 个新职业、23 个新工种，包括具身智能机器人应用技术员、数字孪生工程技术人员、微电网管理员、氢燃料电池制造工、电解水制氢工、低空物流员、适老化改造设计师、智能体开发员、新能源汽车检测员。一个岗位能进目录，意味着培训补贴、职称评定、社保通道都会跟着安排。

二是规划文件里的专栏清单。专栏比正文短，指向却更具体，例如"新产业新赛道培育发展"专栏的第一条就是集成电路。

三是部委的"若干措施"类文件。有没有真金白银，看它列了多少条举措、朝谁发钱，例如 8 部门专门针对养老服务经营主体发的那份。

四是招投标公告。钱落地比招人早，政府采购和企业采购的公告都是公开的：中国政府采购网、中国招标投标公共服务平台可以按品目和关键词检索，企业侧还有天眼查、企查查这类渠道。2026 年有两个可核的例子。财政部公布 2025 年全国政府采购规模 33212.96 亿元，其中货物 7953.92 亿元、工程 13045.08 亿元、服务 12213.96 亿元，公开招标占 77.49%。总规模比 2024 年下降约 1.6%，工程采购降了近 800 亿元，所以这一条要看结构而不是总量。算力是另一头：据新华社《经济参考报》转引的统计，2026 年前 7 个月单个中标金额亿元以上的智算中心、数据中心项目至少 158 个，合计中标金额超 1130 亿元，项目数与金额同比均增长超 18%。低空同样是这个形状，2026 年公开的中标公告里，枝江市低空基础设施及配套场景建设 EPC 中标 2.89 亿元，宿城区低空全域智慧运营体系 1.49 亿元，巴彦淖尔市低空项目 2.27 亿元。

五是上市公司财报里的研发费用和资本开支。2026 年半年报，A 股全市场研发投入有三个口径：中国上市公司协会口径 8473 亿元、同比增长逾 3%；Choice 口径研发费用合计 7926.81 亿元、同比增长 5.49%，科创板以 14.47% 的同比增速最快。Wind 口径超 8100 亿元、研发强度 2.25%。口径不同，看趋势不看绝对值。研发投入超过 100 亿元的 6 家公司里，汽车产业链占一半，通信行业占 2 家，建筑行业 1 家。一家公司说要转型，看它的研发费用和资本开支有没有真变化，比看新闻可靠。

六是官方统计。统计局每年 5 月发布上一年的分行业平均工资：2025 年城镇非私营单位平均 129441 元、名义增长 4.3%。水平最高的仍是信息传输、软件和信息技术服务业 248752 元，金融业 211164 元，科学研究和技术服务业 182064 元。增速靠前的是农、林、牧、渔业 10.3%，电力、热力、燃气及水生产和供应业 7.1%，教育 5.8%，制造业 5.2%。唯二负增长的是房地产业 -2.4% 和租赁和商务服务业 -0.2%。研发投入也有官方数字：2025 年研发经费投入强度 2.8%，首次超过 OECD 国家平均水平；总额 39262 亿元、增长 8.1%，其中基础研究 2778 亿元、增长 11.1%。统计局还有一套年度"经济发展新动能指数"，2025 年为 153.0、比上年增长 12.5%。从业人数在《中国统计年鉴》和《中国劳动统计年鉴》的分行业表里，官方免费，但滞后一年以上，适合验证趋势，不适合抢跑。

（2025 年各行业年平均工资名义增速（国家统计局））

（2025 年工资最高的六个行业（国家统计局））

七是把上面六条与招聘平台数据交叉验证。政策点名但招聘数据没有同步变化的方向，说明从投钱到用人之间还有距离；反过来，招投标金额和研发投入都在涨、招聘也在涨的方向，才是真的在扩表。

四、市场验证：钱和人往哪里走

---

政策是方向，招聘数据是当下。两者交叉的地方，是第五节筛选的口径。

应届生这条线（智联招聘 2026 年 1—5 月）：机器人行业职位数同比 +83.8%，新材料 +60.1%，光电子 +30.7%，航空/航天/船舶制造 +29.7%，汽车零部件 +28.4%，人工智能 +24.4%。职业维度上，人工智能工程师 +31.1% 居首。需求绝对量最大的行业是另一批：互联网、培训/辅导服务、医药制造、电子/半导体/集成电路、电气机械/电力设备、零售/批发、快速消费品。

（2026 年 1—5 月应届生职位数增速最快的六个行业（智联招聘））

新经济这条线（脉脉 2026 春招报告）：新发岗位量同比 +22.6%，平均月薪 49608 元（涨 12.13%），人才供需比从 2.45 降到 2.09。AI 领域岗位量同比涨 8.7 倍，具身智能岗位量涨 15 倍，具身智能平均月薪升到 6.2 万元。

☰☰☰IMG
除了行业名，还有三条可核的判据：第一，供需比，3 比 1 以上说明缺口是真实的；第二，这个岗位要不要人签字、在场、担责；第三，它踩在政策投钱的哪一年。"十五五"第一年是布局年，投资传导到岗位通常滞后一到两年。

六、关于学习的实验证据

---

学了怎么用 AI，人的能力会被放大还是被替代？PNAS 上有一个近千人的高中实验，正好把这件事测了一遍。

先用普通 GPT-4 界面的那组：练习阶段成绩提高 48%；等 AI 被收走以后再考，成绩比从头到尾没用过 AI 的对照组低 17%。

不直接给答案、只给老师预设提示的那组：练习阶段成绩提高 127%；AI 被收走以后，掉队的现象基本消失。

两组的差别只在练习时拿到的东西：提示、反例、检查清单，还是现成的答案。

这类"检查 AI 给出的结果"的能力，已经写进企业的招聘口径。雇主侧的 AI 技能框架里，除了 AI 素养和提示词，还列了"评估并改进输出质量"和"工作流评估与重设计"两项。

会用 AI 工具本身也还值钱：这一类的平均薪资溢价是 62%，说明当下稀缺。

这部分稀缺性能维持多久，本轮资料里还没有可以判定的证据。

七、边界和不确定

---

以下几点限制了上面的结论。

政策方向不等于岗位薪酬。低空经济岗位多，但薪资按学历和经验分层，本科岗和博士岗的平均年薪差近一倍。

缺口数字大多来自招聘平台和付费咨询报告，不是官方统计，口径彼此不一致，而且招人方报缺口天然偏乐观。所谓"百万年薪"，通常是头部公司抢极少数人的价格，不代表行业普遍水平。

监管是低空和具身智能的真实风险。纲要写的是"健康有序发展"，要立法、要审适航，节奏不由资本决定。

决策层已经把 AI 对就业的冲击当成需要对冲的风险：就业规划里专门写要建立影响调查和应对机制、要慎重出台有明显收缩效应的政策。这句话的另一面是：收缩已经在发生。

另外，缺口预测类数据没有可独立验证的第三方来源，基本都出自招人方口径；斯坦福那组"年轻人入口岗下降 19%"是描述性证据，作者自己也写明不是因果估计。

结论

把"政策在投钱、市场在放量、缺口填不满"三个条件叠在一起，同时亮灯的位置是：AI 应用落地与评测验收、具身智能与机器人应用、低空运营与算法、银发照护、半导体工程口。能力侧，被不同来源反复指到的有判断与验收、领域纵深、跟人直接相关的那部分，以及能拿到真实反馈的学习方式。

这些能力有一条共同线索：稀缺性决定价值，难度不决定价值。Autor 和 Thompson 给出的机制是，被自动化替掉的是外行也能干的活，剩下那部分就更值钱；替掉的是专家干的活，整条职业就被拆成流水线。OpenAI 把替代速度最慢的部分归到三类约束上：法定与责任、关系、物理在场。用"很难"当护城河的能力，可能被下一轮模型吃掉；落在这三类约束里的，慢得多。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？