BLOG
AI 人才三年三波大迁徙：现在入场，该站在哪条河里？
大模型浪潮狂飙三年半，国内 AI 人才也经历了三波大迁徙。
这个判断来自雷峰网 9 月初的一篇深度调研——他们采访了多位专做 AI 算法人才生意的猎头，把这段时间的人才流动捋成了三波：先是百度文心团队被疯抢，然后是”六小虎”人才被瓜分，现在是推理、Agent、Infra 人才成了新宠。
里面有个数字很扎眼：AI 人才的平均司龄，已经从 2-3 年跌到了 1-1.5 年。 也就是说，这个行业里的人，平均一年多就换一次工作。
作为一个带团队十几年、亲身经历过移动互联网到 AI 两轮技术周期的人，我想聊聊这三波迁徙背后的逻辑，以及一个更实际的问题：现在想进 AI 行业的人，该站在哪条河里。
三波迁徙，浪头打在行业节奏上
第一波，2023 年，抢预训练人才，风向标是百度。
ChatGPT 上线后百度反应最快，2023 年 3 月文心一言打响国内第一枪，把多年积累的 NLP 精锐做了”战时重组”。结果就是——谁简历上有”文心”两个字，身价直接暴涨。据雷峰网采访的猎头回忆，同一个人这家给 200 万、那家给 300 万、另一家给 500 万，竞相加码。
挖人的两类：刚成立的”六小虎”（月之暗面、百川、阶跃、零一万物这些），和紧急跟进的阿里、字节、腾讯。据猎头估算，70-80% 的预训练人才被字节、小红书、拼多多及六小虎瓜分。
第二波，2025 年初，六小虎分化，字节和腾讯成为流入方。
DeepSeek 冲击加上竞争拥挤，百川转向医疗垂直、零一万物把训练团队并入阿里云联合实验室——初创阵营收缩，大批预训练人才再次进入市场。这时候字节连续三阶段挖人，腾讯也在姚顺雨加入前后完成两批人才引进。
第三波，2025 年春节后到现在，抢后训练、Agent、Infra 人才。
DeepSeek R1 让全行业看清推理的性价比，2026 年 Agent 全面爆发——Manus 爆火、Claude Coding Agent 成功之后，围绕 Coding Agent 的团队人才流动极其剧烈。与此同时，预训练的招聘需求比高峰期下滑了三到四成。
看出规律了吗？每一波人才流动的浪头，都精准打在行业竞争的节奏上。 基座模型卷不动了，预训练人才就流动；推理性价比被验证了，后训练人才就涨价；Agent 起飞了，能做工程落地的人就被疯抢。
行业在每个阶段最缺什么，人才就往哪跑——薪资只是结果，不是原因。
为什么大厂留不住人？三个杀伤力
猎头总结了三股力量，我按自己看到的杀伤力排个序。
第一是股价与市值。 大厂核心技术人员的薪酬一半以上是股票，股价不温不火，人才留存就难。调研里点名了快手——股价承压，文本模型团队核心成员早早流失；美团也类似。钱没到位，理想主义撑不过两个发薪日。
第二是战略导向。 最典型的是华为——核心业务是卖昇腾芯片和算力硬件，大模型更多是配套定位，这直接影响模型团队的投入预期，成了流出方。百川转向医疗垂直也是同理：公司战略一掉头，整个团队的方向感就没了，走得比谁都快。
第三是组织架构适配，这个最隐蔽也最致命。 传统大厂的层级架构，适配不了大模型的研发节奏。猎头原话说得很透：“面对新业务、新战略，组织架构的调整往往需要最先做，但能快速下定决心的公司并不多。”
我补充一个我亲眼见过的版本：老员工占位、汇报线层层叠叠、一个决策三个月出不了会议室——真正的一线 AI 人才是市场硬通货，他不会陪你耗。
有意思的是，阿里是个反例：通义基模人才绝大部分靠校招和内部自培，极少社招，反而成了人才结构最稳的一家。挖人能解决”有没有”，解决不了”留不留得住”。
年龄焦虑：一半真一半假
调研里有两个细节很戳人。
一是预训练人才很少转型做后训练——猎头说原因是”分工壁垒”加上”技术执念”，做底座的人骨子里不愿意转头去做微调。
二是 AI 上半场的 30-40 岁人才，开始回流高校和公共研究院——前快手副总裁王仲远 2024 年初就去做了智源研究院院长。同时市场明显更青睐 20 多岁创造力巅峰的年轻人。
年龄焦虑是真的吗？我的判断是：“纯执行力”的年龄焦虑是真的，“判断力”没有年龄焦虑。
你细看回流高校的那批人，不是被淘汰的，是最顶尖的一批——他们去的是研究院，做的是前沿探索，靠的是积累出来的判断力。而市场偏爱的 20 多岁年轻人，抢的是”体力+学习速度”型的岗位：高强度预训练、快速迭代的工程活。
所以真正的问题不是”30 岁还能不能干 AI”，而是：30 岁之后，你的价值是还停留在”我能扛”，还是已经积累成”我知道该干什么、不该干什么”？
前者在 AI 行业确实贬值很快——因为 AI 本身就在把”扛”的部分自动化掉；后者反而越来越值钱——因为行业节奏快到没时间试错，判断力成了稀缺品。
下一波抢什么人
先看现在最抢手的两类：
AI Infra 人才——GPU 集群调度、推理框架优化、FPGA 编译这些岗位。为什么？算力贵，同样的卡，调度做得好不好，效率差几倍。这类人直接决定”卡跑不跑得满”。
数据人才——算力成了固定的客观项（有钱就能买），模型架构走到阶段性平台期（大家拉不开差距），于是行业共识变成了”高质量数据才是下半场的核心壁垒”。字节等大厂近期对数据团队的集中调整就是信号。
下一波抢什么？我的推断是两类：
“AI + 业务”的翻译人才。 Agent 全面爆发后，瓶颈从”模型够不够聪明”变成”能不能落进业务”。既懂业务流程、又懂 AI 能力边界、还能设计落地路径的人，现在严重稀缺——这恰恰是大多数职场人最现实的切入点，比转算法路线现实得多。
AI 质量与安全人才。 大模型发版周期已经从 4.5-6 个月压缩到 3.5 个月，出事的概率跟着涨。模型上线谁负责验证？幻觉谁兜底？合规谁过？这些岗位现在还没形成明确的职级序列，但需求已经在涨——就像十年前没人知道”测试工程师”会变成一个庞大工种一样。
判断框架就一句话：看行业的瓶颈往哪移，人才就往哪贵。 基座时代瓶颈在算法，推理时代瓶颈在效率，应用时代瓶颈在落地——你把自己的技能对准下一个瓶颈，比在任何风口里追涨都强。
现在想进 AI 行业，三条路
按门槛从低到高，对号入座。
第一条路：不转行，先”AI+“你现在的岗位。 这是我最推荐大多数人的。你不需要跳进 AI 公司才能沾 AI——你把你岗位上的活，用 AI 重新做一遍，做出可量化的效率提升，你就已经是”AI + 业务”翻译人才了。这比裸转算法现实一百倍，而且垂直行业大规模部署自己的后训练模型正是现在进行时——金融、医疗都在建自己的 AI 团队，他们最缺的不是算法，是懂业务又会用 AI 的人。
第二条路：转 AI 工程，从 Agent 应用层切入。 如果你是开发者，别一上来就碰预训练（那个窗口已经关了，需求还跌了三四成）。从 Agent 应用开发入手——工作流编排、工具调用、RAG、评测，这些是当下需求最旺、门槛相对友好、且短期内不会被模型进步覆盖的方向。参考调研：围绕 Coding Agent 的团队现在挖人挖得最凶。
第三条路：应届生或深度转行，走 Infra 或数据。 如果你是学生或决定深度转，Infra（GPU 调度/推理优化）和数据工程是未来三年的硬通货——壁垒高、人才少、需求刚性。但要认清：这条路学习曲线陡，需要真下功夫，不是刷两个月课能解决的。
最后泼一盆冷水：司龄 1-1.5 年的行业，波动是常态。 别把”进 AI”当成一次性动作——入场只是拿到门票，能不能留在牌桌上，靠的是每半年校准一次自己的方向和行业瓶颈的对齐度。
这也是我为什么总说：比起追热点，先把”判断力”练出来——它是唯一不随年龄贬值、不随风口转移的资产。
浪头打在哪不由你决定，但站在哪条河里，你说了算。
参考：雷峰网 2026-09-07《AI 人才 3 次大迁徙：百度先行、六小虎分化、腾讯”腾笼换鸟”》（文中人才流动数据与猎头观点均引自该调研，署名为化名；行业判断部分为个人观点，仅供参考。）
作者：永亮，17 年软件从业者，7 年 AI 从业经验，多项国际知名企业认证。AI 技术总监，讲 AI 时代的职场与教育实话。