AI高薪叙事之外:985硕士投200个岗位零通关,校招正变成社招
加班和焦虑,跑赢了薪资涨幅。
晚上11点,杨涵才把电脑合上,12小时连轴转总算告一段落。可人离开了工位,神经还绷着——数据一旦出问题,她得24小时待命。
毕业3年,985计算机本科、QS前20院校硕士,杨涵一直在AI这条线上走,几家大厂的实习和履历攒了不少,还做过初创公司的AI方向负责人。
简历这么硬,活又这么重,收入照理该甩开同行一大截。可杨涵现在的月薪,也就勉强追平先进制造头部研发的水平,搁互联网大厂里只算中等。
这跟她“急流勇退”、回研究院做基模有关。不过就算撇开这一层,她也有句话不吐不快:“AI从业者,真没有外界想象的风光。”
如今围绕AI的叙事里,最让人羡慕的工作、最让人眼红的薪资都堆在这儿:大模型算法、智能体开发、AI Infra,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。

可热钱砸出来的高薪,只落在金字塔尖那一小撮人头上。这些极高数值像一股巨大的拉力,把整个AI行业的“平均薪资”往上拽。塔尖之下的人,尝到的是极大的落差。
投入和产出之间那个大缺口,还得靠所有人的身体去填。普通人的加班时长和焦虑指数,早就跑赢了薪资涨幅。
聚光灯照不到的B面,才是大多数人的日常。
1
门槛被抬高,校招变社招
身边同学TOP3硕士、校招零offer,陈墨每回说起这事总被人怼:“净骗人,人家只是没拿到满意的offer而已。”
往年确实是这样。陈墨的学长学姐揣着算法论文和实习经历,专业不太对口、本科双非,也有机会挤进AI独角兽或大厂。今年行情真变了:秋招他投了近200个岗位,大小公司都投,地域也不限,结果一个都没通关。
托马斯那边,许多同门和朋友海投之后同样颗粒无收。他能拿到4个offer,靠的是“985计算机本硕+AI相关论文+大厂对口实习”,每一环都没松劲,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。”托马斯这么感慨竞争的残酷。以前职场新人有成长期,现在企业没耐心了,校招变成了社招。
入行门槛一步步被抬高,Mike是亲眼看着过来的。
四年前他考研选方向,最热门的标签还是元宇宙和区块链。谁想到此后AI一路“狂飙”,从能对话到能作图、能生成视频,去年身边人求职的方向成了“智能体开发”,今年大家嘴里念叨的又换成“办公智能体”了。

技术迭代这么快,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捂热,转眼又成了进化的牺牲品。
更无奈的是,AI越来越聪明,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,把简历包装得更漂亮,第二年就能拿到更好的offer。
直到coding agent出现,手写代码的溢价被抹掉了。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。”
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:背景条件交给AI分析,任务让AI完成,再让AI写份文档供他学习,学完拿去跟领导汇报。
每天的工作里,七八成基础任务都由AI完成,剩下两三成是他给AI做判断、纠错。“说白了,我就是个高级校对员。”吴乐自嘲道。
可校对员也不是谁都能当。AI可能给出逻辑自洽却跟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。

公司给了AI工具之后,对产出的预期也跟着水涨船高。原来半天交付的工作,现在领导两小时就要看到,连吴乐都常觉得吃力——他觉得自己不是在用AI,而是被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,企业因此不愿招小白进来慢慢培养,更想要“进来就能上手”的能力者。
公司这么做也有冷酷的理由:它们自己的容错空间,也没剩多少了。
2
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”。
同一家公司里,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”。名字不同、PPT各异,可底层模型都一样,工具调用逻辑也差不多,落地场景甚至高度重叠。
“三个团队抢的是同一批客户、同一张订单。”Mike直言。不过,内部竞争在公司里早就是大家心照不宣的做法——拆出多个独立小组,让它们各自发展、彼此厮杀,最终只留下一个成熟项目。
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”。
眼下最烧钱的赛道非AI莫属:2025年全球风险投资每投出10元,就有6元进了AI企业的口袋。今年势头更猛,一季度AI初创企业拿到的融资已占全球VC的81%;中美科技巨头还在不断上调资本开支上限,千亿接着千亿地砸。

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。”杨涵的感受越来越强烈:时间越拉越长、投入越滚越大,回本的压力也跟着膨胀,不管团队做的是哪个方向,都盼着早点拿出成绩。
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。
结果就是,内部赛马在各家公司密集上演:多个团队同时探路,工作推进到80%也可能因为效果比不过别人而被随时叫停,整条业务线说砍就砍。可技术本身还在不停迭代,每更新一次,之前做的所有事情就都白费了。
另外,杨涵说:“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。”但一年以后AI会以什么方式介入生活,没人说得准;眼下AI眼镜、AI耳机这些创新都还只是探索,谁也给不出清晰答案。
这是AI当下的困境,也是所有往里砸钱的人最焦虑的事。
具体到杨涵和同事身上,就是原本排好的三个月、半年规划,可能下个月就被一个新出的模型效果推翻。团队做事的方式、架构、职位都在频繁变动,中层管理者尤其如此,成了AI行业里最先撑不住的一环。
“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。”可是一次次项目中断、路线更改带来的挫败感,加上始终够不着的业绩指标,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。
Mike去年才毕业,也“求稳”进了国央企。那时候大厂还在扩招,身边朋友一门心思想挤进去,他这么选,被不少人说成“浪费学历”。
可他毕竟在AI研发岗实习过,尝过产品攻关阶段连续通宵梳理文档、升级功能的滋味,也明白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。”他不少朋友天天熬通宵、随时准备被裁,上班抱着做“日结工”的心态,那并不是Mike想要的生活。
他宁愿在更长的周期里去理解AI,把它看成一个黑盒——对黑盒有期待,但谨慎观望。国央企的AI相关管理岗因此成了好去处: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。)
数据支持:洞见数据研究院