AI人才市场两极分化：预训练专家与部署工程师身价上涨，中间层技能溢价消退

事件概述

随着AI行业技术成熟度提升，人才市场的结构性变化日益显著。以姚星丞（腾讯混元大模型预训练负责人）跳槽至Thinking Machines Lab并获得更高薪资为例，AI人才的价值重心正从通用的应用开发层，向模型上游训练端和客户下游部署端两极转移。过去两年中具备高溢价的“中间层”技能（如Prompt编写、基础RAG搭建、通用Agent封装）因工具链标准化和门槛降低，其稀缺性正在快速消退。

核心信息

1. 上游：大规模预训练经验构成极高壁垒

尽管开源模型和论文公开程度提高，但真正拥有大规模模型训练实战经验的人才依然极度稀缺。

• 实战经验不可替代：知道Transformer架构与让数千张GPU连续稳定运行数月是两回事。数据配比、Loss异常排查、训练稳定性判断及Scaling失效点识别等关键知识，难以仅通过论文获取。
• 头部人才流动方向：姚星丞从腾讯加入由OpenAI前CTO Mira Murati创办的Thinking Machines Lab，薪资大幅高于其在腾讯时的水平。这表明中国大厂积累的算力与团队经验，正被海外前沿实验室重新定价。
• 结论：预训练人才并未因Agent热潮贬值，顶端研究员因处理非标准化难题，价值持续走高。

2. 下游：FDE（向前部署工程师）成为新贵

在模型能力不再是唯一瓶颈的背景下，将模型接入企业真实系统的能力变得至关重要。

• 角色转变：Forward Deployed Engineer (FDE) 不再仅仅是解决方案或交付角色，而是连接研究、产品与客户现场的接口。OpenAI在新加坡招聘FDE，要求参与从需求发现到生产上线的全过程，并以生产采用率和业务结果而非模型跑分为考核标准。
• 企业应用深化：截至2026年6月，OpenAI企业客户中Codex产生的输出Token占比已达64%；使用AI最深的前10%企业，人均输出Token是典型企业的8.3倍（年初为2.6倍）。非开发者组织用户自2025年8月以来增长了189倍。
• 结论：谁能将模型能力送进生产环境并解决权限、数据、流程对接问题，谁就更具价值。

3. 中间层：技能标准化导致溢价消退

曾经拉开与普通开发人员差距的技能，正逐渐变为基础设施的一部分。

• 工具链标准化：模型连接协议（如MCP）快速发展，新版规范发布后Tier 1 SDK月下载量接近5亿次。原本需要工程师手动搭建的循环、工具、状态、权限和执行环境，现在由模型公司、SDK和协议层逐步封装。
• 技能泛化：LinkedIn 2026劳动力市场报告显示，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。会调API、写Prompt、搭基础RAG将成为软件工程师、产品经理甚至运营人员的基础能力，而非长期的高溢价标签。
• 结论：“我会用AI，所以我比别人贵”的逻辑不再成立。中间层面临的最大风险不是失业，而是发现这些能力已大众化，无法再支撑高额薪酬溢价。

值得关注

AI人才市场并非简单地从“研究型”转向“应用型”，而是呈现出明显的两头拉锯态势：

1. 一端是能继续推动模型能力上限、处理复杂训练问题的顶尖研究员。
2. 另一端是能深入业务现场、解决生产落地难题的部署专家。
3. 中间地带（Prompt、RAG、通用Agent搭建等）正从稀缺能力退化为普通工程能力，其市场价值回归理性。