调研显示，过去一年多，招聘市场上明确要求 AI 技能的岗位占比始终在 1.6% 到 1.92% 之间窄幅波动。这个数字看起来很小。小到很多人觉得 AI 离自己的工作还很远。但就是这不到 2% 的岗位，正在拉动整个劳动力市场的薪资分化。它们重新定义了什么是值钱的技能，也悄悄改写了职场的收入阶梯和竞争规则。
从全国范围看，AI 技能岗位的分布呈现出极端的不均衡。京津冀长三角粤港澳大湾区成渝长江中游这五大城市群，包揽了全国九成左右的 AI 技能需求。剩下的广大地区，只能分享剩下的一成机会。这种地理上的集聚，背后是产业结构和创新资源的巨大差距。只有拥有顶尖高校雄厚资本和丰富应用场景的核心经济区，才能支撑起 AI 技术的研发与落地。
2024 年上半年，长三角城市群还占据着全国 44.76% 的 AI 技能岗位。仅仅一年时间，这个数字就暴跌到 19%。珠三角城市群的占比从 25.99% 一路飙升到 47%，一举成为全国 AI 人才需求最旺盛的地区。
这种此消彼长的背后，是珠三角制造业转型的强大推力。全球电子信息新能源汽车智能家居产业的集中，让 AI 加制造业的需求在这里集中爆发。每一次重大的技术突破，都会进一步放大这种区域差异。2025 年第一季度先进 AI 应用的发布，极大降低了企业的人工智能布局成本，珠三角的需求也随之迎来了新一轮的激增。
技术岗和非技术岗之间，已经出现了一条清晰的数字鸿沟。技术类岗位的 AI 技能渗透率始终维持在 8% 上下。非技术类岗位的渗透率则一直在 1.5% 以下徘徊。两者相差五倍还多。
在当前阶段，AI 首先是技术岗位的核心生产工具。对于广大非技术岗位来说，它更多是提升效率的辅助手段。很多企业虽然已经在日常工作中广泛使用 AI 工具，但并没有把这些要求明确写进招聘描述里。这也导致显性的需求数据，在一定程度上低估了 AI 实际的渗透深度。
非技术岗内部的分化同样剧烈。管理设计咨询教育这几类岗位，成为 AI 技能渗透最快的领域。2025 年上半年，这四类岗位的 AI 渗透率都超过了 2%。
它们有一个共同的特点，就是高度依赖信息处理逻辑推理知识整合和内容生成。AI 在这些场景下的生产力倍增效应，已经被市场充分认可。其中设计创意影视类岗位的渗透率，在一年时间里从 1.29% 翻倍增长到 2.74%。这直观反映了 AIGC 技术在内容创作领域的爆发式应用。与之形成对比的是传统工程类岗位，它们的 AI 渗透率反而出现了小幅下降。在制造业领域，AI 的应用更多体现在设备和系统的智能化升级上，而不是直接转化为对工程师个体的技能要求。
整个市场对 AI 技能的需求，正在发生一场根本性的转向。重心正从造工具快速转向用工具。2024 年第一季度，82.33% 的 AI 相关岗位要求的是开发技能。只有 17.67% 的岗位关注应用技能。到 2025 年第二季度，开发技能的占比已经降到 65.31%。应用技能的占比则几乎翻倍，达到 34.69%。
这个变化的速度超出了很多人的预期。它意味着 AI 技术已经走出了实验室和研发部门，开始大规模进入各个业务环节。企业现在最缺的，不是能从零开始搭建模型的科学家，而是能把现成的 AI 工具嵌入业务流程，真正解决实际问题的人。
即便是在核心的开发领域，技能要求也已经彻底变天。大模型技能正在成为开发岗的标配。市场不再满足于只会单一技术的专才，而是更青睐能打通传统算法和大模型技术的复合型通才。数据显示，同时要求传统与新兴 AI 开发技能的岗位占比，从 2024 年第一季度的 15.86% 稳步攀升到 2025 年第二季度的 25.60%。仅要求新兴 AI 技能的岗位占比，也已经接近 50%。
算法岗位的结构变化，最能体现这种从专才到通才的趋势。过去一年，广义 AI 算法岗位的占比从 14% 快速增长到 24.22%，一举成为占比最高的算法细分门类。这类岗位不再明确要求某一种特定的算法，而是更看重候选人综合运用 AI 技术解决问题的能力。多个传统的细分算法岗位出现了明显萎缩。图像算法的占比从约 11% 降到约 8%。视觉算法的占比更是从约 10.5% 大幅降至约 4.5%。只有自然语言类算法多模态算法和数据标注算法，因为大模型浪潮的推动，保持了增长的势头。
中国职场的 AI 影响路径，呈现出与美国截然不同的特征。美国市场出现了明显的剪刀差效应。AI 的广泛应用导致高级人才需求激增，同时替代了大量初级岗位。中国市场则完全相反。高级岗位的占比出现了明显回落，而初级岗位却保持了惊人的韧性。2024 年第一季度，全部岗位中高级岗位的占比是 22.64%。到 2025 年第二季度，这个数字已经降到 15.40%。而初级岗位的占比，在整个观察期内始终稳定在 7% 左右。
造成这种差异的原因主要有两个。首先是劳动力成本结构的不同。美国初级岗位的年薪中位数高达 5 万到 8.5 万美元。用 AI 替代初级员工具有明显的成本优势。而在中国，初级劳动力的成本相对较低。企业更倾向于利用 AI 为初级员工赋能，通过人机协同提升产出效率。这比直接替代或者聘请高薪专家，投入产出比要高得多。
中美也处于不同的 AI 产业发展阶段。美国依然聚焦于底层大模型的研发与快速迭代，对高级科学家和架构师的需求持续增长。中国市场则已经加速转向场景应用落地阶段。对能够将 AI 技术落地到具体业务的应用型工程型人才需求更为广泛，这也支撑了初级和中级岗位的稳定性。
不同职级对 AI 技能的需求结构也完全不同。高级岗位更看重 AI 开发技能。初级岗位则更侧重 AI 应用技能。企业希望高级人才能够主导 AI 技术的研发和架构设计。而对于入门级员工，只要求他们能够熟练运用现成的 AI 工具，提升日常工作的效率。这种分工模式，正在成为很多企业的标准配置。
AI 岗位呈现出鲜明的精英优先特征。它对高学历人才有着极强的吸附效应。在全部岗位中，要求大学本科及以上学历的只占 24%。而在具备 AI 技能要求的岗位中，这个比例高达 71%。要求大学本科以下学历的岗位占比，从全市场的 39% 大幅压缩到 21%。不限学历的岗位更是从 37% 骤降至仅 8%。硕博群体在 AI 岗位中的合计占比达到 11.85%，远超他们在全国人口中不到 1% 的比例。
不过这种唯学历论的倾向，正在出现松动的迹象。2024 年第三季度，AI 岗位要求本科及以上学历的占比达到 80.11% 的峰值。之后就开始逐步回落，到 2025 年第二季度已经降到 70.59%。对低学历和不限学历的包容性正在提升。市场对 AI 人才的评估正在趋于务实。实际的技能和应用能力，正在慢慢取代学历，成为更重要的评判标准。
工作经验同样是 AI 岗位的核心门槛。79% 的 AI 相关岗位要求具备工作经验。这个比例比全市场高出 21 个百分点。在明确要求工作经验的岗位中，AI 技能要求岗位的平均经验年限，始终比市场基准高出 1 到 1.5 年。企业要找的不是纯粹的 AI 新手，而是已经具备特定行业领域知识的专业人士。溢出的经验年限，正是对从业者原有行业经验的价值认可。AI 只有和深厚的行业积累结合，才能发挥出最大的效用。当然，经验门槛也在缓慢降低。经验不限的 AI 岗位占比，已经从 2024 年第一季度的 15.36% 上升到 2025 年第二季度的 21.25%。
掌握 AI 技能最直接的回报，体现在薪资上。在整个观察期内，要求具备 AI 技能的岗位平均月薪，始终比非 AI 技能要求岗高出 7000 元到 9500 元。薪资溢价比例几乎一直在 40% 以上。2025 年第二季度，全市场的平均薪资出现了明显下滑。但 AI 岗位薪资的下降幅度要小得多。这直接导致两者之间的差距被拉大到了整个观察期的最高点。AI 技能的薪资溢价达到了惊人的 79%。
这种溢价不是少数天价岗位拉动的结果。中位数薪资的对比，同样验证了这一趋势。AI 技能要求岗位的月薪中位数，始终比全部岗位高出 8000 元以上。薪资结构的差异更加明显。2025 年第二季度，全样本岗位中薪资在 20000 元及以上的占比只有 15.34%。而在 AI 技能要求岗位中，这个比例仍然维持在 42%。在 50000 元及以上的顶尖薪酬区间，AI 岗位的占比是 6.24%，是全市场的 3.4 倍。
AI 技能还展现出了极强的抗跌性。2024 年第二季度到 2025 年第二季度，全样本岗位中 20000 元及以上高薪区间的占比大幅回落了 54%。而 AI 岗位同一区间的占比虽然也有所下降，但收缩幅度仅为 25%。在劳动力市场整体承压的时候，具备 AI 技能的人才拥有更强的议价能力和职业稳定性。企业在进行薪资调整时，往往会优先调整普通岗位的薪酬投入。对于掌握核心 AI 技能的人才，由于其较高的技术门槛和替代成本，企业会表现出明显的薪资粘性。
2026年，AI 没有像很多人预言的那样，引发大规模的失业潮。它带来的是一场深刻的结构性重塑。它没有消灭工作，而是在重新定义工作。它没有让所有人都失业，而是在拉大不同技能人群之间的收入差距。对于劳动者来说，AI 已经从某些岗位的专业技能，演变为影响大多数岗位质量与收入水平的通用能力。同一岗位内部，会用 AI 和不会用 AI 的员工，在效率和报酬上的差距已经开始显性化。
关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
