300 萬搶博士，95 後已「老」：AI 招募正在「活埋」中間層
撰文：Ada，深潮 TechFlow
“一個互聯網大廠，今年 offer 了 60 個 300 萬年薪以上的 AI 背景應屆博士生。”服務過 1500 多家語氣公司的肖肖公司在這個數字公司很平淡。
同月，脈脈數據顯示 AI 職位數量飆升 29 倍，智聯招聘說求職人數暴增 200%。 29 倍的崗位，200%的湧入，數字美得像牛市 K 線。
但這組數字藏著一個秘密：大量資金和注意力正湧入一個開口極窄的漏斗。 塔尖的幾十個人哄抬了整個市場的薪資預期，塔底的幾十萬人承接了所有焦慮。
而漏斗中段，那些在職場走了五年、十年的人，正在被悄悄掏空。
人才市場的繁榮是假，流動性幻覺才是真。
一將難求，萬卒廝殺
獵聘報告顯示，47% 的 AI 職位要求碩博學歷，近半數企業只認 985/211。
獵頭 Eva 說得更直接：「大廠招人，211 已經勉強，起碼得是 985，沒有垂直專案經驗的履歷基本上不看。」
塔尖是什麼樣子？
阿里千問的林俊暘離職消息發出當天，「各家大公司的人都來找我們，說能不能幫聯繫上林俊暘。」肖瑪峰迴憶道。
這種等級的人才全國可能就幾十個。 為了找到他們，獵人頭早就不翻履歷了。 他們泡在 GitHub 查程式碼提交記錄，在Google學術上追論文作者，混進播客聽友群和 AI 創業社群。 Eva 甚至加入了清華某 AI 創業比賽群，裡面都是二十一、二歲的年輕人。 「現在提前聊，兩三年後他們有工作需求，先佔坑。」
另一位獵頭 Steve，2022 年開始 AI 方向的招聘，說了句意味深長的話："我相當懷疑未來可能沒有簡歷。"
履歷在貶值，傳統招募管道在失效。
有人從這個裂縫中捕捉到了機會。
DINQ 的聯合創始人 Sam 創業的起點是一個類似的觀察：OpenAI 那些最牛的論文作者往往不是名校出身，有的甚至輟學，年輕，沒有 Title，不是技術人根本看不出他們牛在哪兒。 LinkedIn 看學歷看履歷的邏輯，放到 AI 人才身上是失靈的。
所以，Sam 創建了一個「AI 科學家和開發者的 LinkedIn」DINQ，不看履歷看實績，頂會論文引用數、GitHub 程式碼貢獻度、合作者是不是技術大牛。 HR 在 DINQ 上輸入"Sora 2"，平台會延展到相關技術的論文作者，而不是局限在 Sora 2 相關經歷上，把水下的人挖出來。
肖瑪峰給的替代方案是 build in public：把你的產品直接拋出來，就是能力最好的證明。
雖然 621 所大學已經開設人工智慧本科專業，麥肯錫預測 2030 年中國 AI 人才缺口 400 萬。 但缺口這個詞有欺騙性，缺的是做過十萬張卡片訓練的實驗科學家，是既懂大模型能力邊界又能找到商業場景的複合型人才。 聽了兩期播客就說"我對 AI 特別感興趣"的人，市場裡從來不缺。
牛客創始人葉向宇概括得很準：塔尖“一將難求”，塔底“萬卒廝殺”。 脈脈那句“每兩個 AI 職位就能匹配到一位合適候選人”，說的是塔尖。 塔底呢？ 沒人統計，因為塔底的履歷沒機會進系統。
槓桿定價：離模型越近越值錢
那錢到底流向了誰？
Eva 給了一組數字。 大廠 P7 級別，非技術崗天花板約 100 萬。 同級 AI 技術崗，150 萬到 200 萬。 跳槽漲幅差距更大，技術崗漲 50% 算普遍，翻倍的也有；非技術崗漲 10% 到 20%，最高不超 30%。
Steve 用了一個字來解釋這個定價邏輯：槓桿。
把模型想像成太陽。 離內核越近的人，能撬動的槓桿越大，身價越高。 一個核心研究員所做的模型能力提升，對大廠市值的影響可能是數十億。 他運轉的十萬張卡片成本遠超過自己的薪水。 從這個角度看，給他一億都不貴。
離太陽遠的人呢？ 產品經理、營運、銷售，槓桿效應沒那麼直接，薪資自然受限。 Steve 估算，在應用層，技術和非技術職位的薪資差距在兩、三倍以上。
肖瑪峰補了一個關鍵變數。 他認為這條「鄙視鏈」本質是供需，而且分兩層。 宏觀上，做過十幾萬卡訓練的人就那幾個，薪資就是天價。 但微觀上取決於創始團隊基因。 如果創辦人自己是清華教授，實驗室裡技術人才多的是，反而是能搞商業化的人更值錢。
幾十個人的稀缺性，定義了整個產業的薪資敘事。 剩下的人拿著這個敘事當標尺，量出來的只有落差。
一場對“老登”清洗
“AI 時代拒絕老登”，肖瑪峰給出了犀利的點評。
上一波 AI 浪潮裡的人，經歷曠視、商湯時代，現在大概四十多歲，他們的經驗反而成了包袱。
Steve 的說法更委婉但指向一致：「我們不相信用舊地圖能找到新大陸。在一個行業工作太久的人，勢能和慣性會大。大腦的直接反應是強化訓練的結果，但時代變了，正確反應可能截然到每一個年齡層。」
「現在比拼的是執行和落地的速度，大家養的是特種部隊，不是大方陣。」Steve 說。 特種部隊不需要那麼多指揮官。
但這裡有一個沒人願意正面回答的矛盾。
真正把 AI 產品落地、把技術轉化為商業價值的，靠的恰恰是行業經驗、隱性知識、踩過的坑。 Steve 自己也承認，這些隱性知識存在在比較成熟的人身上。 他們不一定知道未來能從哪條路走到，但他們知道哪些路肯定走不了。
業界需要年輕人的衝勁，也需要老手的判斷力。 這兩句話誰都會說，但錢的流向只講了前半句。
中間層被吞掉了
三位獵頭不約而同提到一個變化：管理層正在被壓縮。
「純粹做管理的人可能已經挺難了。大量的事情在被顛覆，你建的那套體系說不定明天就被推翻。」Steve 說。
組織變得極度扁平，不再需要層層匯報的金字塔，而是需要每個人都能打仗的小隊。 你去依賴人去幹一件事情，不如依賴一個 Agent 去乾。 原來強調管理能力強、管的團隊複雜，但這件事情正在被挑戰。
產品經理、營運、前後端工程師之間的邊界在模糊。 一個人用 AI 就能跑完一個產品的 MVP。
陳蕾（化名）在一家中型 AI 公司做了三年產品總監，管一個八人團隊。 今年初公司重組，她的團隊被拆散，四個人轉去做 Agent 產品，兩個人被優化。 她自己的 title 從“總監”變成了“高級產品經理”，向一個比她小五歲的技術負責人報告。
「我不是被裁了，但我知道這比被裁更難受。」她說，「你在這個公司待了三年建起來的東西，一個組織架構調整就沒了。而且你沒法抱怨，因為人家會說，你不是這場流動性嗎？」
誰在製造這個幻覺？
這場流動性幻覺，誰是受益者？
招聘平台用「AI 崗位暴增 29 倍」「人才缺口 400 萬」收割流量，每一次轉發都在把更多焦慮的求職者推進漏斗。
企業用 AI 當遮羞布，Forrester Research 發現，55% 的雇主承認後悔因 AI 裁員，那些被替代的 AI 能力根本沒準備好。 Resume.org 的調查更直接：59%的企業承認把裁員包裝成“AI 驅動”，理由是跟利益相關方解釋起來更好聽。 說因為 AI，聽起來像是策略升級；說因為績效不好，聽起來像管理失敗。 AI 成了最好用的遮羞布。
Klarna 砍了 700 人說 AI 取代了客服，結果服務品質暴跌，客戶造反，又悄悄招回來。 這不是個案。 Forrester 預測，半數 AI 裁員最終會被悄悄重新招聘，但用更低的薪資，或外包到海外。
Steve 精準概括了當下老闆們的心態：「他們現在先問第一個問題，要不要招人？然後才是招什麼人。」
據 Forrester Research 統計，全球只有 16%的員工就緒。 企業不投入培訓，員工靠自學。 Z 世代 AI 就緒度最高，有 22%，卻最先被從入門級崗位上趕走，因為入門級崗位正是最容易被 AI 吞掉的。 Mercer 調查顯示，員工對 AI 導致失業的焦慮從 2024 年的 28%飆升到 2026 年的 40%。
AI 既是搶人的理由，也是裁人的藉口。 定義權在誰手裡，遊戲的莊家是誰。
漏斗不會變寬
回到最開始那組數字。
29 倍的職位增長，200%的求職湧入，300 萬的年薪，400 萬的人才缺口。 每一個數字都是真的，但拼在一起，講的是截然不同的故：崗位在增長，開口極窄；求職在湧入，絕大多數連篩選都過不了；薪資在飆升，只屬於金字塔尖那幾十個人；缺口在擴大，缺的東西和供給的東西根本對不上。
但這個漏斗不會變寬。 AI 技術每半年迭代一次，今天最火的方向半年後可能成為遺跡。 你以為離太陽很近，一個新模型發布，你可能就被甩到了外圍。
Steve 說了一句話，既可以當這個行業的墓誌銘，也可以當入場券：「用時間長度來衡量資歷可能已經不夠了。重要的是你跟 AI 交互的密度和深度。有人四年前你得精 justify;">三位獵人頭自己也正在被這個產業重塑。 Eva 在學演算法原理，Steve 在研究 Agent 框架，肖瑪峰剛從一個 00 後創業家的會議上出來，感嘆「人家的認知已經到了下一個層次」。 賣鏟子的人也得跟著淘金的節奏跑。
陳蕾最近在 GitHub 上開始做一個小項目，用 Agent 框架寫了個法律文書自動生成工具。 沒人讓她做，也沒人給她錢。 她說自己想明白了一件事：與其等著被漏斗篩選，不如自己鑿一個洞出來。
這可能是全文裡唯一接近樂觀的部分，但也只是接近。
絕大多數人既不是那 60 個拿到 300 萬的博士，也不是陳蕾這樣還有能力和意願去鑿洞的人。 他們是漏斗中段那些沉默的大多數，不夠頂尖可以被天價爭搶，不夠決絕可以推倒重來。
這個漏斗，不會變寬。
