AI人才市场两极分化：预训练专家与交付工程师身价上涨，中间层能力标准化导致溢价消失

事件概述

2026年9月，AI行业人才市场出现结构性变化。以姚星丞从腾讯跳槽至由OpenAI前CTO Mira Murati创办的Thinking Machines Lab为例，其薪资大幅上涨，反映出顶尖预训练研究员的高价值。与此同时，OpenAI在新加坡招聘Forward Deployed Engineer (FDE)，强调模型在真实业务场景中的部署与效果。这两端人才的涨价，与中间层AI应用开发能力的“掉价”形成鲜明对比，标志着行业从“全行业溢价”转向“两端分化”。

核心信息

1. 顶层预训练研究员：经验壁垒高，薪资逆势上涨

• 案例：姚星丞此前负责腾讯混元大语言模型预训练，跳槽后薪资远超其在腾讯时的数千万元年薪包。
• 核心价值：尽管开源模型和论文日益普及，但完整跑过大规模预训练（涉及数据配比、Loss异常排查、训练稳定性控制等）的经验难以通过理论复制。这类人才在海外前沿实验室被重新定价，且中国大厂培养的人才开始反向流动至海外机构。
• 现状：腾讯等大厂仍在扩大预训练规模，此类人才并未因Agent热潮而贬值，反而因稀缺性维持高位。

2. 底层/应用层 FDE：从演示到生产，价值重估

• 岗位定义：Forward Deployed Engineer (FDE) 不负责基础模型训练，而是深入客户现场，参与从需求发现、系统设计到生产上线的全流程。
• 衡量标准：不再看模型跑分，而是关注生产采用率、工作流改善及业务结果。OpenAI新加坡岗位要求50%出差比例。
• 驱动因素：企业不缺能演示的模型，缺的是能将模型接入权限、数据、流程并稳定运行的能力。OpenAI数据显示，截至2026年6月，Codex在企业客户中产生的Token占比达64%，头部企业人均输出量是典型企业的8.3倍，表明AI已深入核心业务流程。
• 趋势：FDE成为研究、产品和客户之间的关键接口，非技术部门（如法务、财务）也开始使用AI工具，进一步推高了此类人才的需求。

3. 中间层能力：标准化导致溢价消失

• 现象：过去被视为“AI能力”核心的Prompt编写、RAG搭建、Agent组装等技能，正迅速变成普通软件工程的一部分。
• 技术背景：MCP（Model Context Protocol）协议SDK月下载量接近5亿次，TypeScript和Python SDK累计下载超10亿次。连接模型、数据和工具的复杂性被基础设施层吸收。
• 市场影响：LinkedIn报告显示，美国要求AI literacy的职位同比增长70%，全球新增约130万个AI-enabled岗位。但这并不意味着中间层人才更值钱，而是AI素养成为软件工程师、产品经理等角色的基础能力。
• 结论：只会调用API或按教程搭建Agent的工程师，面临来自更强模型、更完善SDK和标准化协议的挤压，“我会用AI”不再是长期高溢价的标签。

值得关注

• 人才结构重塑：行业不再简单区分“研究型”与“应用型”，而是向两端拉伸。一端是能推动模型上限的研究员，另一端是能解决复杂生产部署问题的FDE。中间地带（通用Agent搭建、框架封装）正在被工具吞没。
• 企业用人逻辑变化：企业愿意为能真正产生业务结果的人支付高价，而非仅为掌握特定工具语法的人付费。未来，能够处理非标准化问题（如训练调优、复杂系统集成）的人才将持续受益。