文章核心观点 - 当前AI人才市场呈现“流动性幻觉”，表面繁荣（岗位数量飙升、求职人数暴增、顶尖人才天价薪资），但实际机会高度集中于塔尖极少数人，而处于职场中段的从业者正面临被掏空和架空的困境，整个行业的人才漏斗开口极窄且不会变宽 [5][9][15][22] AI人才市场的结构性矛盾 - 市场呈现“一将难求，万卒厮杀”的两极分化格局，塔尖的稀缺人才（如顶级AI博士生）被天价争抢，一个互联网大厂为AI背景应届博士生提供了60个年薪300万人民币以上的岗位，而塔底大量求职者涌入（脉脉数据显示AI岗位数量飙升29倍，智联招聘称求职人数暴增200%）却面临激烈竞争 [5][7][9] - 近半数（47%）的AI职位要求硕博学历，且近半数企业只认可985/211高校背景，招聘门槛极高 [7] - 传统基于学历和履历的招聘方式（如LinkedIn）在AI领域逐渐失效，顶尖人才可能年轻、非名校出身，招聘方转向通过GitHub代码贡献、顶会论文引用、技术社区活动等“实绩”来挖掘“水下”人才 [7][8] 薪资定价逻辑与资源流向 - 薪资定价遵循“杠杆”原则：离AI模型内核（核心技术）越近，能撬动的价值越大，薪资越高。大厂P7级别，AI技术岗薪资可达150万至200万人民币，跳槽涨幅普遍达50%甚至翻倍，而非技术岗天花板约100万人民币，跳槽涨幅仅为10%-30% [11] - 在应用层，技术岗与非技术岗的薪资差距可达两到三倍以上 [11] - 宏观上，拥有稀缺技能（如做过十万张卡以上训练）的顶尖技术人才薪资是天价；微观上，具体公司的创始团队基因决定了是技术人才还是商业化人才更值钱 [11] - 整个行业的薪资叙事由几十个顶尖人才的稀缺性定义，导致市场普遍存在薪资预期与现实的落差 [11] 职场经验与年龄面临的挑战 - AI行业表现出对“年轻”的偏好和对“经验”的重新评估，存在“拒绝老登”的现象，认为在旧技术浪潮（如旷视、商汤时代）积累的经验可能成为适应新时代的包袱 [13] - 部分投资机构开始寻找00后创业者，甚至出现“95后已经老了”的论调，资源有限时招聘市场明显向年轻人倾斜 [13] - 行业需要快速执行和落地，组织趋向于组建“特种部队”而非“大方阵”，导致对纯管理岗位的需求下降 [13][15] - 矛盾在于，将AI技术转化为商业价值往往依赖行业经验、隐性知识和踩坑教训，这些多存在于较成熟的从业者身上，但资金的流向并未充分体现这部分价值 [13] 组织变革与中层危机 - AI正在推动组织架构变得极度扁平化，依赖层层汇报的金字塔结构被能直接打仗的小团队取代，管理岗位被压缩 [15] - 各职能（如产品经理、运营、工程师）之间的边界因AI工具的应用而变得模糊，一个人利用AI就可能完成一个产品的最小可行版本（MVP） [15] - 职场中段（拥有五到十五年经验）的从业者正面临被“架空”的风险，例如管理者头衔被降级、团队被拆散，职业阶梯的中间层级被抽掉，职业生涯从“坐电梯”变为“跳伞”模式 [15][16] 市场幻觉的制造与受益者 - 招聘平台通过“AI岗位暴增29倍”、“2030年中国AI人才缺口达400万”（麦肯锡预测）等数据吸引流量和加剧求职者焦虑 [19] - 部分企业将AI作为裁员的“遮羞布”，Resume.org调查显示59%的企业承认把裁员包装成“AI驱动”，Forrester Research发现55%的雇主后悔因AI裁员，因为被替代的AI能力并未准备好 [19] - 一些案例（如Klarna裁员700名客服后因服务质量暴跌又悄悄招回）显示，部分“AI替代”并非有效，Forrester预测半数AI裁员最终会以更低薪资或外包形式重新招聘 [20] - 企业普遍缺乏对员工的AI技能培训，员工主要靠自学，导致整体AI就绪度低（仅16%员工具备高就绪度），而最容易受AI冲击的入门级岗位员工（如Z世代，就绪度22%）却最先面临失业风险 [20] 行业本质与个人应对 - AI技术快速迭代（约每半年一次），导致技术方向和人才需求持续变化，加剧了职业发展的不稳定性 [22] - 衡量资历的标准从“时间长度”转向与“AI交互的密度和深度”，深度投入的新人可能比浅尝辄止的“老人”更具竞争力 [22] - 应对之道在于主动创造价值，如通过“build in public”（公开构建项目）展示能力，或像案例中的陈蕾一样，自发利用Agent框架开发工具，为自己“凿洞”寻找出路，但这需要极强的能力和意愿 [8][23] - 行业人才漏斗的开口不会变宽，绝大多数处于中段的从业者既无法获得塔尖的天价，也难有决心和能力彻底重构职业生涯 [22][23]