文 / 智云互联AI应用讲师
这篇文章写于2026年初，重点关注2025年全年和2026年初的国内AI岗位变化。
先说明一个问题：我不会给出一个精确到个位的“全国AI岗位增减统计”，因为这类统计很难验证。更值得看的信号藏在JD的动词里。
1. 招聘数据没有说清的：JD里的动词换了
2023年的NLP算法工程师JD，高频词是这些：文本分类、实体抽取、意图识别、语义相似度、标注规范、小模型微调。
2026年初再搜同类岗位，名称大多已经变成“大模型应用工程师”或“Agent应用开发”，JD里写的是：搭建RAG检索链路、调试Agent工具调用、建立评测集、分类bad case、分析多轮会话失败原因。
岗位还是那批岗位，公司也还是那批公司，但核心任务从“训练模型”变成了“让模型按预期工作”。
岗位收缩或爆发，不是因为某个职业名称本身多值钱，而是因为它所代表的那一组任务，是否还在组织内部有定价权。
所以我的基本判断是：AI行业不是不招人了，而是招人预算从模型训练挪向模型应用与效果评估。
这个转移速度，比多数转行教程更新得还要快。
| 岗位方向 | 过去一年需求 | 任务重心正在转向 |
|---|---|---|
| NLP算法工程师（小模型微调方向） | 收缩明显 | 大模型应用开发、Agent工作流设计、模型评测 |
| 数据标注员（纯重复标注方向） | 收缩 | 数据质量验收、评测集制作、AI训练数据项目管理 |
| 大模型预训练/对齐工程师 | 趋稳 | 预训练编制收缩，后训练与对齐预算增加 |
| AI产品经理 | 明显增加 | 业务流程拆解、模型行为边界与兜底规则设计 |
| AI运营 | 明显增加 | 用户反馈分类、评测集沉淀、内容与社区增长 |
2. NLP和数据标注岗：消失的是任务，不是学科
前两年有一种说法，“NLP工程师彻底没了”。
真实情况没那么悲观，但确实在换皮。
过去在算法团队内部完成的文本分类、相似度匹配、情感分析、实体识别，现在用API或开源模型就能覆盖大多数场景。原来围绕这些语义任务建立的小团队，自然开始松动。
纯NLP算法岗位收缩，不意味着懂NLP的人没有价值。真正的问题在于：过去一个算法工程师的价值靠“拿到更高的F1分数”来体现，现在业务方问的是“准确率变化对业务指标有什么帮助”。能回答好后面这个问题的人，不管挂在算法部还是产品部，薪资都不会差。
数据标注岗感受到的寒意更直接。
2023年最热的时候，一批外包基地靠人力规模接单。到2025年，生成式模型已经可以直接为另一批模型生产训练数据；同时，强化学习开始从“人类偏好标注”转向“规则可验证奖励”，代码对错、数学结果、裁判模型都在替代一部分人工标注。这是公开可见的技术趋势，不是某家公司的单独决策。
我看到的变化是：数据标注的需求并没有归零，而是明显上移。
低端重复的执行岗在收缩，但能制定质检规范、能对脏数据归因、能设计多轮对话评测集的人，依然有市场。只会用标注工具画框或打标签的人，议价能力会越来越弱。
3. AI产品经理和AI运营：从边缘岗位进入核心部门
AI产品经理的需求井喷，不是公司在为“AI概念”买单，而是在为两件事买单：
- 模型一定会出错，产品需要有人设计兜底；
- 模型有大量长尾问题，需要有人持续整理并推动迭代。
举例：一个合同审核AI，哪些条款可以让模型直接给判断？哪些必须转人工？模型判断的置信度阈值设多少？如果模型给出错误结论，用户在界面上怎么申诉？这些设计直接决定产品能不能交给客户。
这不是传统产品经理画原型图就能搞定的，它要求你理解模型的概率行为。只会画原型的人很快会发现，原型画得再好，模型该胡说还是胡说。
AI运营的热度，几乎和AI客服类项目数量直接挂钩。
过去运营的核心是拉新、留存、促活；2026年AI公司运营多了一件事：把用户反馈变成模型迭代信号。
比如智能客服复盘会，现在不是只看满意度打分，而是从对话记录里挑出10条bad case，分析是模型不会、知识库缺文档，还是产品入口给错信息。这个分析结果会直接变成知识库补丁或评测集样本。
一个能把用户模糊描述还原成具体问题、并归类到“知识缺失/上下文错误/指令冲突”的运营，实际上已经在参与模型迭代。
这种岗位以前不存在，现在很多AI公司抢着要。
4. 提示工程师和模型微调专家：薪资真相不在标题上
提示工程师在2025年上半年还是热门词，到下半年，单独招聘提示词工程师的岗位就少了很多。
原因不复杂：模型变强之后，很多曾经惊艳的提示词技巧，很快被模型默认能力覆盖，或者被产品框架固化成预设模板。提示词经验会持续贬值，除非你能不停跑到模型能力前面。
2026年初检索招聘平台，独立提示工程师岗已大量并入“Agent应用工程师”或“AI产品专家”。如果你看到一份写着“提示工程师”的高薪JD，保留一点怀疑：它要的更可能是一个既能写prompt又能写代码的复合角色。只靠提示词去面试，很容易卡在工程问题上。
模型微调专家不一样。
它不是新职业，但在2025年经历了一次价值重估：只会用开源模型跑LoRA的人，竞争越来越激烈；真正懂数据分布、知道该微调还是该检索增强、能对微调后的效果做系统评估的人，薪资持续走高。
从招聘市场看，模型微调相关岗位的报价下限，普遍高于独立提示词岗位。原因是微调工程师要背模型效果，而提示词岗位很难单独背KPI。
| 对比维度 | 提示工程师 | 模型微调专家 |
|---|---|---|
| 岗位独立性 | 极少单独设岗 | 常见于大模型公司与垂直行业AI团队 |
| 面试考察点 | 提示词设计、bad case定位与改进 | 数据处理、训练配置、效果评估、成本控制 |
| 薪资浮动因素 | 行业和项目差异极大，不稳定 | 技术栈和业务结果决定，整体呈上升 |
| 替代风险 | 能力被模型和产品框架吸收 | 被自动化训练平台部分替代，但判断力仍稀缺 |
5. 技能迁移：从“我做过这个岗位”到“我能交付某种结果”
裁员真正的杀伤力，不是今天没工作，而是你基于旧经验理解的行业规则突然失效。
但国内AI行业有一个特点：模型层岗位少，应用层岗位多，交付层岗位更多。旧经验不一定作废，但需要把它翻译成新岗位能听懂的语言。
几个比较现实的切换路径：
- 原来做NLP算法或小模型训练的人，优先看“大模型应用开发”“Agent应用工程师”“AI评测工程师”，而不是继续和大厂预训练团队卷。
- 原来带数据标注项目或做数据质量管理的人，往“AI数据运营”“AI训练数据产品”方向走，你的质检策略和流程管理经验，比标注量更有谈判力。
- 传统产品经理想转AI产品经理，先别急着学一堆模型名词，找一个你业务里的小闭环，画出“模型做初稿、人来终审”的流程，做成作品。
- 运营或市场背景的人，可以尝试“AI运营”，但重点不是写公众号，而是把用户反馈整理成模型评测信号。
把自己上周的工作内容拆成30分钟以内的任务颗粒，比如“回复客户邮件”可以拆成：读邮件、查知识库、判断客户情绪、拟回复、检查风险。
然后给这些任务颗粒标颜色：
- 红色：必须由人做决定并承担责任的；
- 蓝色：大模型可以完成初稿、人来做终审的；
- 绿色：规则固定、可以自动化的。
正是这种能力，现在被市场挂在“AI产品经理”和“AI运营”的岗位名称下面。
第一步可以先做一件很小的事：
打开招聘平台，删掉你以前常搜的岗位关键词，换成“Agent应用”“AI评测”“AI运营”“大模型应用”这几个词，浏览20个新岗位JD。不用马上投递，只记录一个信息：这些岗位反复问的能力，跟你现在手头哪一项工作最接近。
那大概率就是你未来三个月要补齐的方向。
免责声明：以上内容基于2026年初公开招聘JD和行业公开动态的个人观察，不构成求职或投资建议；文中观点仅代表作者写作时的判断。