科技人才洗牌期？值钱的3年经验、350万的校招生和滑坡的大厂P7

在一个行业的早期，擅长既要又要的 HR，往往会把这个特征发挥到极致。

要求 AI 岗位应试者具备5 年以上 AI 产品使用经验、0-1 做过百万级用户的产品。但 2022 年底才面世的 ChatGPT，满打满算还不到 4 年，5 年 AI 产品使用经验从哪来？

大厂招聘高级 HR，年龄要在 30 岁以内，最好海外顶级名校背景（国内 C9 都不行），还要对人性理解极其通透。假设一位候选人 22 岁去美国留学，优秀到一年就毕业回国，可一个 30 岁以内的人，也许才刚刚完成自我理解，怎么替公司理解所有人性？

还有的公司要招全球销售负责人，要求候选人不能是超过 45 岁的「老人」。可老板已经 46 岁了，有没有人告诉老板他已经老了？

还有不少创业者提出想找一个「20 年前的蔡崇信」。与之对应的是，这位创业者是不是具备 20 年前马云的人格魅力？

这些真的不是段子，是「非标玩家 UnDefined」听到的一些荒诞招聘需求（JD）。

换个角度来看，这些「胡言乱语」的背后，更像是因为技术变化太快，导致公司已经不知道未来需要什么样的员工，所以开始描绘现实中几乎不存在的人：

既要年轻，又要老练；

既要有过去的产品成功经验，又要有未来的 AI 使用经验；

既要有大厂背景，又不能有大厂包袱；

既要有创业精神，最好还能低自我感、可管理、随叫随到……

为什么会有这些既要又要？人才结构到底发生了什么变化？为此，「非标玩家 UnDefined」采访了三位资深猎头。

赋猎咨询创始人沈嘉，他在猎头行业深耕 21 年，曾经服务过某宇宙 App 工厂、某原来做海淘现在做内容社区的厂、六小龙里的几小龙、若干科技创业公司。

连续陪跑具身智能公司三四年的猎头 A 姐，她陪伴数十家智能公司走完 0-1 团队从搭建到落地全流程，深谙人工智能、硬科技领域组织搭建、岗位配置底层逻辑。

有 20 年 HR 与猎头经验、服务过上百家硬件与机器人创业公司的郑楠，她在「大湾区猎头一姐」里分享了很多创业公司的组织管理经验。

他们过去陪伴现在的大厂成长、也在 AI 这波做得风生水起。

他们是少数能同时看到三件事的人：

公司在想什么、市场在变什么、人正在往哪里流。

本文试图解答这三个问题。

公司怎么想：用更少的人，解决更大的不确定性

光说案例没用，我们来看数据。

大家嘴上说利好 AI native 人才，实际上现在企业最想要的人是五年以上经验的，职场小白生存环境恶劣：

智联招聘数据显示，白领职业中高级职位（5 年+工作经验）的招聘占比自 2022 年 11 月底（ChatGPT 正式上线）略有增长，中级职位（1-5 年工作经验）平稳微涨，初级职位（0-1 年工作经验）开始持续减少；

另一组第三方数据也显示，到 2025 年 9 月，22-25 岁软件开发者的就业相比其 2022 年底的峰值下降了近 20%。

图注：白领职业中初中高级招聘占比变化 图源：智联招聘

经验丰富的人在 AI 时代变得更有优势，是因为 AI 可以更快地沿着错误的方向生成一堆错误的结果。所以公司开始为不确定性买单：在任务最开始，把方向判断对，把边界拆清楚，把风险提前拦住。

能做到这一点的人，武装 AI 之后，产能就会被急速放大。

被挤压的，是入门级岗位。

基础整理、重复执行、标准化测试、简单代码修补、初级运营支持，这些过去用来培养新人的边角料工作，正在被 AI 接走。

现在，越来越多的公司在招人前会先问自己：

这件事一定要招人吗？AI 能不能做？顾问能不能做？外包能不能做？一个更强的人能不能顺手接掉？

岗位减少，组织变小。

曾经有创业者提到，在公司敲钟那一刻，团队人数不会超过 50 人，如果超过 50 人，就是失败。

在 AI 应用和 Agent 方向，复合岗位早已开始出现。

去年，阿里云内部就设立过类似「AI 产品设计前端工程师」的岗位，一个人在 AI 辅助下，同时承担产品、设计、前端开发。

菜鸟国际也有内部爆料称，部分后端研发经过培训后被迫转型全栈。

近期，阿里集团内部成立一批全栈小组，前端、后端、测试，都被正式推向全栈工程师。

岗位边界被打碎，人才价格被重排。

沈嘉提到，2026 年 Agent 这一波里，涨价最快的是两种人。

一种是非技术背景，但大量使用 Agent 解决问题的人，他们就像刚才提到的全栈工程师，是「用轮子的人」。

另一种是提前搭过多智能体框架的工程师，也就是「搭脚手架的人」，他们不一定是传统意义上的大模型基座算法人才，但他们离模型很近，会调效果，会接工具，会处理超长对话、记忆、响应等工程问题。

图注：各大厂商人才风向 图源：2026 脉脉产研运人才黑皮书

在具身智能方向，人才的定价逻辑又变了，公司想要的是「真正在现场待过的人」。

A 姐说，具身智能圈子里最抢手的是具有 3-5 年垂类经验、真正摸过真机的人。

甚至 1-2 年也有机会，只要年轻、高潜，愿意跟企业一起成长就行。

10 年以上互联网、自动驾驶领域的高阶人才，如果没有早期下场陪跑，到了 2026 年再进具身智能，就很难拿到头部公司的核心管理岗了。

因为大模型人才可能很强，但如果没摸过真机，虚拟仿真数据经验就不能直接迁移到机器人身上。不同机器人有不同形态，轮式、双足、身高、体重、软硬协同都不一样，没有真机经验的人很难快速上手。

背景再亮，也要重新适配。

所以，年龄不等于经验，只有和新问题正面交手过，才叫经验。十年的资历，可能只是你努力积累的新系统不需要的旧经验而已。

具身智能的数据岗位，也在突然涨价。

A 姐还提到，在 2025 年，几乎没有公司大规模招具身智能数据平台、数据工程师；但到了 2026 年，原有少量数据已经被用到极致，模型要继续迭代，就要补数据、建平台、搭团队，因此资金更充足的企业，就开始自研算法模型，这类人才顺势变得值钱。

在 AI 硬件方向，公司想要的则是「能把东西卖出去的人」。

现在的华强北，强到一个 AI 眼镜可以直接从方案商 PPT 里选方案、定造型、算 BOM（材料清单），品牌主可以决定先做 500 副还是 5000 副，等待几天时间后，「非标玩家 UnDefined 牌」AI 眼镜就面世了。

香港消费电子展最后一天，一个商场里卖六七百元的精致风扇，清货价仅需 40 元。

宝安、东莞、惠州的大量工厂，可以用极低的成本快速交付几乎所有硬件品类，硬件生产环节强大到不再神秘。

当生产不再是难题，当成本已经低到极致，那些善于发现用户隐藏需求、手握流量的人，就成为市场中涨价最快的人。

到这里，公司心里的人才画像已经很清楚：

大厂要的是能把 AI 接进现有业务的人；创业公司要的是一人多用、能从 0 到 1 跑通的人；硬件公司要的是懂供应链和 GTM（go to market）的人；具身智能公司要的是摸过真机、有过实战项目经验的人。

公司付费的，是那些用 AI 抬高杠杆的人，那些少数能跨边界、能自驱、能把技术落到业务和物理世界里的人。

但公司们也有一个共同焦虑：招错人比招不到人更危险。

因此越来越多的创业者开始在非面试场景里看人，因为会议室里的候选人，知道自己是在被评估的人，而松弛场景里的候选人，才更接近真实的人。

还有一种越来越普遍的面试方法，就是付费试工一天。双方提前约定报酬，组织设置一些脱敏任务，让候选人和团队在一个具体的任务里协作，以此看看候选人的真实能力和与团队的匹配度。

履历只能验证过去，面试只能验证表达，试工才能检验现在。

市场怎么变：新大厂、新标签

在互联网还是增量的上个时代，人跟着平台水涨船高。

2011 年到 2015 年，腾讯、百度背景创业者很容易拿到 500 万元天使融资，因为他们懂市场规模、流量、增长和组织能力。厂牌本身，就是一种信用。

今天，同样的光环，正在转到大疆、追觅、Insta360 这些新硬件大厂身上。

追觅科技近年来被视为机器人领域的「黄埔军校」，多位高管离职创业后，早期就获得了大额融资。

前追觅中国区执行总裁郭人杰创立家庭具身智能机器人公司乐享科技，三轮天使轮融资总额约 5 亿元；前追觅人形机器人业务负责人喻超创立鹿明机器人，半年内完成近 2 亿元三轮天使轮融资。

大疆系同样在外溢。

原消费级无人机事业部负责人陶冶、前系统工程部负责人高修峰、前眼镜和 FPV 产品负责人刘怀宇等共同创立拓竹科技，A 轮融资 3000 万元；原电池业务负责人王雷创立正浩创新，初期团队多来自大疆，Pre-A 轮融资 3000 万元。

大厂光环没有消失，只是换了新主人。

这一轮变化中，关键的不是「谁成了新大厂」，事实上，因为时间尚短，市场还没对新大厂形成共识标价。

但市场已经开始用新的标签给人定价。

这些标签从移动互联网，变成 AI+物理世界；从厂牌业务线，变成产业项目的实践和闭环能力；从全职雇佣，变成更高杠杆的能力组合。

当标签一换，人的体感就开始变了。

第一，市场上显性的好机会越来越少。大厂、核心部门、明星团队，这类机会落到普通人身上的概率持续变低。

但 AI 也创造了隐性的好机会，只是可能藏在一个还没被市场共识的早期团队里，这十分考验职场人对未来趋势的判断。

第二，顶尖人才和普通人的收入差距被拉大。沈嘉提到，2026 届头部 AI 校招里，优秀学生能拿 100 万到 200 万现金年薪，顶尖学生可达 350 万到 380 万，核心岗位实习日薪 4500 到 4800 元。但与此同时，初级工程师、大厂边缘业务的大龄 P6/P7、现代服务业基础技能岗位，都在被 AI 压缩。

一个站在模型旁，一个站在旧系统里。一个被加价，一个被折旧。

第三，项目含金量开始压过单一履历。A 姐说，目前具身智能行业各家公司差距可能只有 3-6 个月，只要候选人参与过公开亮相、有含金量的产品，就会被全行业关注。当行业混战时，项目是人才的保命金牌。

第四，组织边界在变松。顾问、试工、Agent、freelancer、方案商，都开始进入「团队」的定义。全职雇佣不再是唯一答案。公司购买的对象，从工位上的固定员工，变成一组能被组合、能被调用、能被验证的能力网络。

不管你愿不愿意，市场已经揭开了新的战场，用新的组织形态和新的定价体系。

人才往哪流：AI 硬科技、产业现场、新厂牌

善战者，因其势而利导之。

人才沿着「新技术—新现场—新厂牌—新战功」一路迁徙。

第一股流向，是新技术的中心，AI 硬科技。

其中最热的细分赛道，是具身智能。

据 IT 桔子数据，2026 年上半年，国内具身智能赛道融资总金额已经达到 935 亿元，较 2025 上半年提升了 5 倍；融资事件数量达到 322 笔，同比增长了 137%。

钱进来了，人还没有长出来。

第三方数据显示，2026 年春招期间，机器人算法工程师的岗位需求就同比增长 57%。1-4 月，具身智能相关岗位的招聘量同比增长了 15 倍，岗位平均月薪接近 6.2 万元，较过去两年上涨 50%-100%。一些顶尖的博士毕业生能获得 200 万至 300 万元的年薪，而优必选甚至开出最高 1.24 亿元的年薪招聘首席科学家。

稀缺性人才直接货币化。

过去两年，有近 40 位智驾领域核心高管跨界进入具身智能领域，原理想汽车自动驾驶研发副总裁郎咸朋创立昆仑行机器人、原 CTO 王凯联合创立至简动力；原小鹏汽车首席科学家郭彦东创立智平方；原地平线 VP、软件平台总裁余轶南创立维他动力等等。

华为系也是如此，有媒体统计，至少 15 位华为前高管（包含 9 位天才少年）离职创办或加入了具身智能企业，比如众所周知的稚晖君创办了智元机器人、丁文超联合创办了它石智航、黄青虬联合创办了墨奇智能等等。

第二股流向，是往产业闭环最短的地方流。

北京凭借 AI 和科研密度，专攻具身智能的「大脑」和「小脑」；

上海 150 公里半径内可配齐人形机器人核心零部件，想做具身智能的「总装车间」；

深圳有供应链、方案商、工厂、量产经验，正在变成具身智能的「身体」。

所以，总部在北京、上海的具身智能公司，会去深圳设分部。以后要量产、建厂，就必须贴近供应链。

海外具身智能创业团队，也会选择在中国搭硬件团队。

郑楠也旗帜鲜明地建议，AI 硬件早期团队一定要聚在深圳，不一定强制坐班，但核心成员要住在同一区域，方便高频沟通产品定义细节，早期团队磨合过程中的眼神交互、情感流动、能量传递，是远程办公完全无法替代的。

A 姐提到，95 后、00 后具身智能人才尤其明显。这个年龄段的年轻人很多没有成家定居的顾虑，只要机会满意，就可以说走就走，换城市、换 base、去深圳、去杭州，都不是大问题。

城市不是根，项目才是根。

第三股流向，就是顺着能让自己履历升值的标签方向流转。

人才从 BAT，流向大疆、Insta360、追觅、具身智能头部公司；从单点岗位，流向 Agent、GTM、真机、全栈、商业化的复合现场。

在 Agent 里，人才在大厂内部转向提效岗位、创新业务部门，或者 AI 原生创业公司；

在具身智能里，人才流向有真机、有公开亮相产品、有高含金量项目的团队；

在 AI 硬件里，人才流向深圳供应链和出海 GTM。

不加入洪流，就被迫退出。

一部分人被迫从互联网行业，流向数字化渗透率更低的传统产业或物理产业。

沈嘉认为，AI Coding 会先冲击基础工程师、单一细分领域工程师、初级学徒工程师、大厂边缘业务的大龄打工人；这些人如果继续留在纯数字化互联网行业，会很难再就业，不得已去传统产业链里找机会。

三位猎头看到的，是同一个变化。

本文来自微信公众号“非标玩家UnDefined”，作者：程可乐，36氪经授权发布。