AI时代技能趋势报告发布现场实录文字版
报告发布时间：2026年6⽉17⽇ 报告发布⼈：徐⼼-清华⼤学经济管理学院副院⻓、史带讲席教授、清华经管学院⼈⼯智能与管理研究中⼼主任 今天我⾮常⾼兴，也倍感荣幸，能够代表研究团队向⼤家发布并解读本次研究成果。⾼兴在于，历经半年专项研究，我们如期完成这份报告；荣幸在于，本次研究由郭迅华教授牵头，联合多位教授、博⼠后、博⼠⽣共同完成，由我来代表团队对外分享成果，我深感荣幸。 本次研究核⼼围绕两⼤板块展开：第⼀，搭建科学框架，界定AI时代技能定义、分类标准，确⽴完整研究⽅法论，依托海量市场数据，研判各类AI技能在劳动⼒市场的分布规律与演化趋势；第⼆，聚焦AI技能在不同⾏业、不同职业的渗透差异，重点对标北京、上海、深圳、杭州四座AI标杆城市，拆解区域⼈才需求差异化特征。 本次研究采⽤演绎+归纳双向研究逻辑。演绎层⾯，我们对标国际成熟AI技能分类、⼈才层级划分体系，结合国内企业⾛访、⾏业专家研讨，完成国际理论本⼟化适配；归纳层⾯，我们依托国际通⽤ICM技能数据库，结合猎聘全域招聘⼤数据，完成技能聚类核验，⽤这个聚类的结果去验证我们提出的框架是否是合理。同时，我们也密切关注当下热⻔的技术相关社区和论坛，例如知乎，因为在这些论坛上，⼀些新的技能不断涌现。将所有的这些素材集合在⼀起，经过沉淀讨论，我们提出7×4AI技能研究理论框架。 所谓“7”，代表七⼤AI技能领域，分别为：AI基础算法与模型、⽣成式AI应⽤、AI智能体构建、AI多模态理解与⽣成、物理AI、AI数据算⼒⼯程化部署、AI伦理安全与合规。 所谓“4”，代表每⼀个AI技能领域划分四层⼈才能⼒等级，由低到⾼分为⼊⻔级、进阶级、专家级、领军级： 第⼀，L1⼊⻔级：可熟练使⽤成熟AI⼯具和模板，依托现有能⼒完成基础AI协作⼯作； 第⼆，L2进阶级：掌握AI全流程⼯具能⼒，可在单⼀垂直业务场景中，独⽴完成AI项⽬落地；这⾥强调的是全流程，但只需要在⼀个独⽴的业务场景下。 第三，L3专家级：打破具体流程界限，在组织中可统筹多场景AI落地，适配当下企业OPD单⼈部⻔、OPC⼀⼈公司所关注的打破业务场景； 第四，L4领军级：搭建⾏业AI应⽤标杆，构筑企业技术护城河，研判⾏业AI⻓期发展趋势。 这套7×4框架，依托两⼤底层逻辑搭建⽽成。 第⼀，这七个AI的技能领域，它反映了⼈⼯智能发展的⼀个⼤趋势：第⼀阶段为感知式AI，以AlphaGo为典型代表，依托图像识别完成指令判断；第⼆阶段为⽣成式AI，实现⼈机⾃由语⾔交互，打通全域数字世界；第三阶段为AI智能体，实现⾃动化⾃主作业，最终⾛向物理AI。⼈⼯智能总的发展趋势就是数字连接，对应这个⼤趋势，本次七⼤AI技能领域就覆盖了基础技术与算法、多模态理解与⽣成、⽣成式AI应⽤、AI智能体构建以及物理AI这5个领域。 第⼆，贴合AI⽣产⼒落地治理逻辑。学界⼀直存在AI⽣产⼒悖论，技术迭代不⼀定⾃动转化为产业效能。想要让AI真正赋能⽣产⼒，必须发展与治理两⼿并⾏。中共中央政治局第⼆⼗次集体学习明确强调：⼈⼯智能发展要坚持⾃⽴⾃强，突出应⽤导向，推动⼈⼯智能健康有序发展。总书记特别强调突出应⽤，AI要转化成⽣产⼒，⼀定要推动产业创新和赋能应⽤。所以我们讲⼈⼯智能不仅是要从感知到⽣成式，再到PhysicalAI的技术发展，更重要的是要落地。AI价值最终落脚产业落地，算⼒、数据、⼯程化部署是落地必备底座，这也是我们新增AI数据算⼒⼯程化部署作为第六个独⽴领域的核⼼原因，这是我们提出来的⼀个新的独⽴的技能，该板块在国际同类研究框架中，尚未被独⽴单列。总书记讲，⼈⼯智能的发展⼀定要健康有序。合规发展是产业底线，因此AI伦理安全与合规成为第七⼤核⼼领域。 依托这套框架，结合2022-2026年Q1猎聘平台招聘数据，我分享本次研究⼗⼤核⼼观察。 观察⼀：从聚焦基础算法⾛向“算法+应⽤+智能体”的复合结构 第⼀个观察就是这七个领域在今天的劳动⼒市场上的相对需求各⾃有多⼤？我们倒推四年，从2022年开始，我做了两个标记，⼤家看到这两个logo，分别是ChatGPT和DeepSeek。2022年ChatGPT⾯世前，蓝⾊的AI基础算法与模型⼈才需求，占据AI岗位总需求半壁江⼭。直到⽣成式AI的出现，其他的AI相关的能⼒快速增⻓，基础的AI算法与模型基本上保持稳定。再⼀次快速的增⻓，是DeepSeek。我这⾥没有任何的因果推断，但它们是在某⼀个时间点同时出现的。这背后的因果关系，⼤家可以进⼀步讨论。我们看最新的数据结果是，其余六⼤领域⼈才需求快速爆发。截⾄2026年Q1，AI基础算法与模型岗位需求占⽐仅剩20%。 在这背后意味着什么？也许回答了我们很多⼈脑⼦⾥的问题，AI是取代⼈的吗？AI和⼈的关系是什么？前⾯Rick的演讲中提到AI衍⽣出了⼀系列新的⼯作岗位。物理AI，我们要能驾驭机器⼈；⽣成式AI的应⽤，不是⽣成式AI的基础算法⽽是应⽤等等相关的新的岗位。所以我们今天看到AI的能⼒⽣态圈变得更加多元化。 我们来看⼀下七个技能领域，每⼀个季度的环⽐增⻓情况。其中AI智能体构建四年季度环⽐增速达40%，⽣成式AI应⽤环⽐增速30%；值得关注的是，AI伦理安全类技能需求，连续四年稳居市场需求前三。 我们研究团队也定义了什么叫AI职位。在同道猎聘平台上每个职位都会有JD，这个JD⾥如果出现了⾄少七个AI技能领域中的⼀个，我们就把这个岗位叫做AI岗位。我们看到有不少的或者说⼤量的岗位要求是要求多个技能。就是技能共现，从另外⼀个⻆度，我们叫复合技能。 那哪些技能会同时出现呢？我们做了⼀个图形化的表述。我们发现AI基础技术与算法和⽣成式AI应⽤、物理AI以及算⼒⼯程化部署，在很多情境下是同时出现。当两个技能经常共现的时候，连接他们这条边就会更强，强度就会更⼤。由此我们得出我们第⼀个观察，在AI劳动⼒市场，需求已经从单⼀底层算法，转向算法+应⽤+智能体复合型结构。 观察⼆：总体需求向中⾼层级汇聚 刚才向⼤家报告的是7个技能领域结构与演化，下⾯我来报告4个技能层次，分别是⼊⻔级、进阶级、专家级和领军级。在2022年，蓝⾊和橙⾊，就是⼊⻔级和进阶级占绝⼤多数。⽣成式AI出现之后，⼊⻔级、进阶级和专家级，基本的趋势都是增⻓，直到⼀年前，2025年Q3成为关键拐点，此后企业逐步缩减⼊⻔级、进阶级AI岗位招聘，但专家级、领军级⼈才需求持续上⾏。其中领军级⼈才基数偏⼩，但近两年市场需求实现倍增，AI⼈才需求整体向中⾼层级汇聚。 我们总体的观察趋势是，AISkill的需求正在向中⾼层级汇聚。结合7×4的框架，我们可以做⼀个矩阵分析。纵坐标是7个领域，横坐标是4个层次。我们看到，对⽣成式AI应⽤⽽⾔，最多需要的⼈才是初级，体现了AI平权。对于很多岗位来讲，这是⼀个好消息，技术平权了，更多⼈都可以去做应⽤。⽬前对于数据算⼒⼯程化部署、物理AI、AI的智能体构建，更⼤的需求是在L2和L3，就是中间层。⽽对于AI的伦理和治理，我们市场上需要是领军⼈才。 所以我们总结出清晰⽤⼈规律：应⽤平权、⼯程中坚、治理领军。⽣成式AI偏向⼊⻔⼈才，实现技术普惠平权；算⼒⼯程、物理AI、智能体岗位，核⼼需求为中阶进阶、专家⼈才；AI伦理合规领域，市场极度稀缺领军⾼端⼈才。 观察三：市场为复合能⼒⽀付⾼溢价 第三个观察是从市场的价值判断的视⻆进⾏分析，说的更直⽩⼀点，市场愿意为不同类型的⼈才付多么⾼的薪酬呢？这张图的横坐标是薪资区间，我们以年薪10万元为⼀个区间，标出⼩于10万、10万到20万，⼀直到80万及以上。我做⼀个注解，这张图背后的数据是我刚才报告的四个有代表性的城市，北京、上海、深圳和杭州的。所以⼤家在解读这个薪酬的时候，注意就是这四个城市，⽽不是全中国的薪酬情况。 蓝⾊柱⼦代表的是AI职位数，就是在某⼀个薪酬区间，如果⼀个招聘岗位要求了7个AI技能领域中的⾄少⼀个，我们就把它定义为AI职位。出于⼀些数据的考虑，蓝⾊柱⼦没有标注绝对值数字，但是⼤家可以看到相对的趋势。⻩颜⾊柱⼦是我们研究中提到的“AI的渗透率”。它是⼀个⽐率，分⼦ 是AI职位数，分⺟是在这个区间内的所有的职位数。所以它反映了在这个区间⾥⾯，多⼤⽐例的⼯作岗位是要求AI技术的。 明确了这两个定义，我们看数据分布很有意思。数据呈现双峰错峰特征：AI岗位体量峰值集中在30-40万薪酬区间，是市场供给最⼤的AI⼈才区间；但AI渗透率和薪酬呈完全正相关，薪酬越⾼的岗位，任职者使⽤AI、掌握AI技能的⽐例越⾼。那背后反映的规律是，你的薪酬更⾼，你负的责任更⼤，也许你更资深，这⼏个事通常是联系在⼀起的，那么这⼀批⼈使⽤AI的⽐率是最⼤。 看到这个统计结果，我⾃⼰觉得很有意思，因为我联想到⼀个⽉前我读到的斯坦福⼤学和美国美联储共同做的⼀项在美国的企业家的调研。他们调研了2000个企业，其中有⼀个统计数字是，美国的管理⼈员⼀周为了⼯作使⽤AI的⼩时数。虽然我们这两个研究的统计指标不⼀样，但是背后也许有⼀些规律可以探讨。美国管理者⼀周为了⼯作⽬的使⽤AI10⼩时，这个数字⽐我想象的要⼩。然⽽我们在中国看到，随着你的薪酬增⻓，这些⾼区间⾥⾯的⼈，AI渗透率会更⾼。这背后还可以怎么解释，我想⼤家都富有经验，会从⾃⼰的⻆度给出你⾃⼰的story。也许是市场对于AI使⽤赋予它更⾼的价值评估，也许是我们中国的⾼层管理⼈员确实更多地在使⽤，会有不同的解释，我们也会持续的去研究。 我们还想看⼀个问题：市场是为更深的能⼒储备在付钱，还是为某⼀个领域在付钱？我们看到很清晰的⼀个规律，并没有某⼀个横向的领域，它的薪酬明显⾼于其他的领域。我们这⾥是7×4的框架，每⼀个格⼦⾥的数字是这⼀个单元格中的岗位的薪酬中位数。所以我们看到并没有说哪⼀⾏明显优于其他，⽽是最后⼀列的颜⾊更深。我看到的规律是，我们不必去追求某⼀个热⻔的领域。我们现在可以做什么？静静地去学和做，成为专家，市场会给予回报。 我们还会看到市场对于复合能⼒有特别⾼的溢价，所谓溢价就是Everythingmustbeequal。如果你具备某⼀种能⼒。那你得到的薪酬要⾼于其他，这是我们定义的溢价。我们尤其看到这种复合型，就是有多个AI能⼒，溢价格外明显。我们把⾼溢价的能⼒组合放在这⾥，发现了⼀个规律。 ⾼溢价的能⼒组合通常包含两类，蓝⾊柱⼦包含物理AI，绿⾊柱⼦是包含AI伦理，同时包含两者的是红⾊。所以我们得到的⼀个结论是，⾼溢价来⾃适配世界场景符号。这个世界包含物理世界和关注安全伦理的⼈类世界。 观察四：具备3-5年⼯作经验的成⻓型⼈才成为AI⼈才市场最⼤的增⻓源 第四个观察是和⼯作经验区间相关，按⼯作年限划分：0-2年校招新⼈、3-5年成⻓型职场⼈、6年以上资深从业者。这些⼈群⾥，AI职位总数是怎么变化？我们很清晰的结论是，具备3~5年⼯作经验的成⻓型⼈才，当下是AI⼈才市场最⼤的增⻓点。这是当下的情况。我们也想持之以恒地做这样的研究，未来这个曲线会怎么样变化？ 观察五：AI需求出现向本硕学位延展的显著趋势 第五个观察是和学历相关的。我们看到四年前，绿⾊的这条线，要求博⼠学历的AI渗透率最⾼。DataScience当时要做基础算法，要做⼀些算法创新，需要博⼠我们完全能够理解。在过去的三年⾥，粉⾊这条线，也就是