“AI 会不会抢我的工作？”“怎么进入 AI 行业？”是我们最常被问到的问题。我们不靠猜：2026 年 10 月 9 日，我们抓取了 14 家（以美国为主的）AI 公司的 4022 条岗位信息，另加 7 家中国公司的 293 条，逐条看它们要求什么。下面的数字是“提到的次数”，不是硬性要求；薪资是公开基本薪资区间的中位数，不是实际收入。
谁在要人
人数最多的几类是部署与解决方案岗（728）、商务岗（649）、AI 工程师（159）、研究岗（145）和产品经理（123）。4022 个岗位标题里，“提示词工程师”一个也没有，但 33% 的 AI 工程师岗位提到了提示词工程。评测无处不在：研究岗 71%、机器学习工程师 68%、AI 工程师 66% 都提到了它。AI 工程师公开基本薪资区间的中位数是 22 万–38.5 万美元，而美国软件开发者的中位数是 135,980 美元。Anthropic 的 643 个岗位里有 14 个提到博士；中国样本里 55% 要求至少本科。
这些工作实际做什么
- AI 工程师（159 个岗位）：智能体 72%、评测 66%、大语言模型 55%、TypeScript/JavaScript 52%、Python 49%、检索增强（RAG）42%。提到微调的只有 7.5%，PyTorch 只有 3%。在 73 个中国岗位里，智能体高达 93%。
- 前线部署工程师：728 个部署与解决方案岗位中，有 170 个用这个名称。它们提到面对客户（80%）、沟通（57%）和处理不确定性（31%），公开薪资中位数为 18.2 万–25.4 万美元。
- 评测工程师：只有 23 个岗位用这个名称，背后其实是三种不同的工作：研究评测、平台评测和安全风险。我们人工复核自己的关键词计数时，30 个命中都确实提到了评测，但只有 15 个真的是岗位职责。一个正确的数字，也可能误导人。
AI 工作的四种类型
岗位名称背后有四类工作：训练前沿大模型（最少见）、小数据上的应用统计、业务数据上的传统机器学习，以及基于基础模型做产品，从提示词、检索，到工具、评测、成本、护栏和监控。一个前沿实验室里有九类“房间”，包括鲜为人知的数据研究员。服务部署、评测、环境搭建和数据工程大多可以在外面学会；底层算子和分布式训练很难，预训练研究最难。作品集不等于一定会被录用。
这和我们自己的工作一致：我们做的是模型外面那一圈系统，而不是模型本身；从现成模型出发，并把每个假设写下来，而不是悄悄写死在代码里。有三个习惯适用于以上任何一种工作：先把数据层做好，弄清噪声有多大，然后去测量。