科技人才洗牌期？值錢的3年經驗、350萬的校招生和滑坡的大廠P7

當前的科技人才市場正經歷一場前所未有的洗牌。從企業端荒誕不經的招聘需求，到頂尖應屆生年薪突破三百五十萬，再到傳統大廠中層職位的價值滑坡，背後反映的是技術快速迭代下，企業對人才定義的根本性改變。 「非標玩家 UnDefined」近期觀察到，部分企業開出的招聘條件近乎矛盾：他們要求 AI 崗位應試者具備五年以上 AI 產品使用經驗，但 ChatGPT 在 2022 年底才問世，至今滿打滿算不到四年；也有公司招聘高級 HR，年齡須在三十歲以內，且需頂級海外名校背景，同時要對人性理解極其通透，但一位三十歲以內的年輕人可能連自身都尚未完全理解。這些看似荒謬的職位描述，其實折射出一個核心問題：當技術變化太快，企業已經不知道未來需要什麼樣的員工，於是開始描繪一個現實中幾乎不存在的人——既要年輕又要老練，既要有大廠經驗又不能有大廠包袱，既要有創業精神又要低自我感、隨叫隨到。 為了探討人才結構的深層變化，該媒體採訪了三位資深獵頭：賦獵諮詢創始人沈嘉（深耕獵頭行業二十一年，服務過多家互聯網大廠與科技創業公司）、連續陪跑具身智能公司多年的獵頭 A 姐，以及擁有二十年 HR 與獵頭經驗、服務過上百家硬件與機器人創業公司的鄭楠。他們同時觀察到企業在想什麼、市場在變什麼、人正在往哪裡流。 從宏觀數據來看，企業正在用更少的人來解決更大的不確定性。智聯招聘數據顯示，自 ChatGPT 正式上線以來，白領職業中高級職位（五年以上工作經驗）的招聘佔比略有增長，中級職位（一至五年工作經驗）平穩微漲，但初級職位（零至一年工作經驗）開始持續減少。另一組第三方數據也指出，到 2025 年 9 月，二十二至二十五歲軟件開發者的就業相比 2022 年底的峰值下降了近 20%。原因在於，AI 可以快速沿著錯誤方向生成一堆錯誤結果，因此企業更願意為能正確判斷方向、拆解邊界、提前攔住風險的資深人才買單。這些人在武裝 AI 之後，產能急速放大；而被擠壓的，則是基礎整理、重複執行、標準化測試等入門級崗位，這些過去用來培養新人的任務正被 AI 取代。 越來越多的公司在招人前會先問：這件事一定要招人嗎？AI 能不能做？顧問或外包能不能做？一個更強的人能不能順手接掉？崗位減少、組織變小，複合崗位開始出現。去年阿里雲內部設立過類似「AI 產品設計前端工程師」的職位，一個人同時承擔產品、設計、前端開發；菜鳥國際也有內部消息稱部分後端研發被迫轉型全棧；近期阿里集團內部成立全棧小組，將前端、後端、測試推向全棧工程師。沈嘉指出，2026 年 Agent 這一波裡，漲價最快的是兩種人：一種是非技術背景但大量使用 Agent 解決問題的人（用輪子的人），另一種是提前搭建過多智能體框架的工程師（搭腳手架的人），他們不一定是大模型基座算法人才，但離模型很近，會調效果、會接工具。 在具身智能領域，人才的定價邏輯又不同。A 姐表示，最搶手的是具有三至五年垂類經驗、真正摸過真機的人，甚至一至兩年經驗的年輕高潛人才也有機會。十年以上互聯網或自動駕駛領域的高階人才，如果沒有早期下場陪跑，到了 2026 年再進入具身智能，就很難拿到頭部公司的核心管理崗。因為大模型人才沒有摸過真機，虛擬仿真數據經驗無法直接遷移到不同形態的機器人身上。年齡不等於經驗，只有和新問題正面交手過才叫經驗。另外，具身智能的數據崗位在 2025 年幾乎無人問津，但到了 2026 年，原有數據被用到極致，模型需要持續迭代，資金充足的企業開始自研算法模型，這類人才順勢漲價。 在 AI 硬件方向，公司想要的是「能把東西賣出去的人」。華強北的供應鏈讓 AI 眼鏡可以從方案商 PPT 中直接選型、定造型、計算 BOM，品牌主只需決定首批產量，幾天後就能面世。當硬件生產不再神秘、成本極低，那些善於發現用戶隱藏需求、手握流量的人，就成為市場中漲價最快的人。整體而言，大廠要的是能把 AI 接入現有業務的人；創業公司要的是能從 0 到 1 跑通的一人多用者；硬件公司要的是懂供應鏈和上市策略的人；具身智能公司要的是摸過真機、有實戰項目經驗的人。企業付費的對象，是那些少數能跨邊界、能自驅、能把技術落到業務和物理世界裡的人。同時，企業越來越擔心招錯人，因此開始採用非面試場景看人、付費試工一天等方法來驗證候選人的真實能力。 市場的標籤也在變化。過去互聯網增量時代，騰訊、百度背景的創業者容易拿到天使融資，廠牌本身就是信用。如今，同樣的光環正在轉移到追覓、大疆、Insta360 等新硬件大廠身上。追覓科技被視為機器人領域的「黃埔軍校」，多位高管離職創業後早期獲得大額融資；大疆系同樣外溢，衍生出拓竹科技、正浩創新等知名公司。市場已經開始用新的標籤給人定價：從移動互聯網變成 AI 加物理世界，從廠牌業務線變成產業項目的實踐和閉環能力，從全職僱傭變成更高槓杆的能力組合。 這些變化帶來幾個明顯的體感。第一，顯性的好機會越來越少，但 AI 也創造了隱性的好機會，可能藏在尚未形成市場共識的早期團隊裡，考驗職場人的判斷力。第二，頂尖人才與普通人的收入差距被拉大。沈嘉指出，2026 屆頭部 AI 校招中，優秀學生年薪可達一百萬至兩百萬現金，頂尖學生可達三百五十萬至三百八十萬，核心崗位實習日薪四千五百至四千八百元；與此同時，初級工程師、大廠邊緣業務的大齡 P6/P7、現代服務業基礎技能崗位，都在被 AI 壓縮。第三，項目含金量開始壓過單一履歷，參與過公開亮相、有含金量產品的候選人會被全行業關注。第四，組織邊界變鬆，顧問、試工、Agent、自由工作者、方案商都進入「團隊」的定義，公司購買的對象從固定員工變成一組能力網絡。 人才流向也揭示出清晰的路徑。第一股流向是 AI 硬科技，尤其具身智能。據 IT 桔子數據，2026 年上半年國內具身智能賽道融資總額達 935 億元，較 2025 上半年提升 5 倍；融資事件 322 筆，同比增長 137%。春招期間機器人算法工程師崗位需求同比增長 57%，具身智能相關崗位招聘量同比增長 15 倍，平均月薪接近 6.2 萬元，較過去兩年上漲 50% 至 100%。頂尖博士畢業生年薪可達兩三百萬，優必選甚至開出最高 1.24 億元年薪招聘首席科學家。過去兩年，近四十位智駕領域核心高管跨界進入具身智能，包括原理想汽車自動駕駛研發副總裁郎鹹朋創立崑崙行機器人、原 CTO 王凱聯合創立至簡動力、原小鵬汽車首席科學家郭彥東創立智平方等；華為系至少十五位前高管離職創辦或加入具身智能企業，如稚暉君創辦智元機器人。 第二股流向是往產業閉環最短的地方。北京憑藉 AI 和科研密度專攻具身智能的「大腦」和「小腦」；上海周邊一百五十公里半徑內可配齊人形機器人核心零部件，扮演「總裝車間」；深圳擁有供應鏈、方案商、工廠和量產經驗，成為具身智能的「身體」。許多總部在北京、上海的具身智能公司已到深圳設立分部，海外創業團隊也選擇在中國搭建硬件團隊。鄭楠建議 AI 硬件早期團隊一定要聚在深圳，核心成員最好住在同一區域，以便高頻溝通產品定義細節，因為早期磨合中的眼神交流與能量傳遞是遠程辦公無法替代的。A 姐觀察到，95 後、00 後具身智能人才沒有成家定居的顧慮，只要機會滿意，換城市、換 base 都願意，項目才是根。 第三股流向是順著能讓履歷升值的標籤方向流轉。人才從 BAT 流向大疆、Insta360、追覓、具身智能頭部公司；從單點崗位流向 Agent、GTM、真機、全棧、商業化的複合現場。在 Agent 領域，人才在大廠內部轉向提效崗位或創新業務，或流向 AI 原生創業公司；在具身智能領域，流向有真機、有公開亮相產品、有高含金量項目的團隊；在 AI 硬件領域，流向深圳供應鏈和出海 GTM。不加入洪流的人，則被迫從互聯網行業流向數字化滲透率更低的傳統產業或物理產業。沈嘉認為，AI Coding 會先衝擊基礎工程師、單一細分領域工程師、初級學徒工程師以及大廠邊緣業務的大齡打工人，他們若繼續留在純數字化互聯網行業，將很難再就業，只能去傳統產業鏈尋找機會。 三位獵頭看到的，是同一個變化：人才市場正在圍繞 AI 與物理世界的融合進行重組，經驗的定義、標籤的價值、組織的邊界都在被重新書寫。