AI抢走工作？别慌！这7大新职业正在崛起，高薪等你来拿！

每次聊AI，就会有人问一句：它会不会把工作都抢走？

但现实正在朝另一个方向发展。

AI确实在替代一部分旧任务，也在催生一批以前根本没有的岗位。

这一期我们回答四个很现实的问题。

AI****时代到底冒出了哪些新职业？这些职业具体做什么？市场给多少钱？这些职业需要什么门槛？

一、AI新职业不是凭空冒出来的，它们已经有了几种明确信号

要判断一个岗位是不是真的新职业，我认为有三个标准：

第一，它有没有被认定或点名；

第二，它有没有真实的招聘增长；

第三，它有没有形成独立的能力要求和薪酬体系。

按这个标准看，AI时代最值得关注的新职业，已经不止一个。

它们大致可以分成五组。

第一组是**“教AI”的，比如AI****训练师和数据标注质检员。**

第二组是**“测AI”的，比如生成式人工智能系统测试员和多模态AI****测试工程师。**

第三组是**“把AI做成产品”的，比如AI****产品经理、AI产品运营。**

第四组是**“让AI真正去办事”**的，比如智能体开发工程师。

第五组是**“让AI长出身体”**的，比如具身智能算法工程师。

还有一组也在冒头。

那就是AI伦理合规官、AI风险与治理专员、AI内容合规师这类岗位。

它们目前还没有前面几类那么成型，但方向已经非常明确了。

表1：AI时代已经能看见的几类新职业

图1：WEF展示的2030年增长最快与下降最快岗位。来源：World Economic Forum。

图2：WEF展示的2030年增长最快技能。来源：World Economic Forum。

世界经济论坛（World Economic Forum，简称WEF）在《Future of Jobs Report 2025》里提到：增长最快的技能里，排第一的是AI and big data（AI与大数据），排第二的是networks and cybersecurity（网络与网络安全），但创意思维、韧性、终身学习也都排得很前。

这说明当前AI时代的新职业，不只是技术职业，更多是“人机交互”的职业。

二、AI训练师：最早成型，也最容易被低估的新职业

很多人第一次听到AI训练师，会以为这就是高级一点的数据标注员。

这话只对了一半。

AI****训练师确实要做标注、反馈、纠错。

但更高阶的训练师，已经不是给图片打标签这么简单，而是在教模型怎么推理、怎么表达、怎么判断专业问题。

Deel在2026年3月的文章提到，两年前AI trainer（AI训练师）这个职业几乎还不存在；到2025年底，全球已经有超过7万人、分布在600****多家机构里做这件事。

更夸张的是，2025年这类岗位的跨境招聘增长了283%****。

AI训练师薪酬差距也很大。

Deel的数据里提到，30.3%的AI训练师时薪在15到20美元之间，19.1%在50到75美元之间，6.1%甚至能超过100美元每小时。

为什么差这么多？

因为这个职业已经分层了。

做基础标注的人，更像流水线的喂数工；

做医学、翻译、法律、心理学等专业反馈的人，更像把自己的专业判断卖给模型的人。

国内招聘市场也能看到类似趋势。

智联招聘《2025年人工智能产业人才发展报告》提到，数据标注/AI训练师的需求仍在增长，城市上北京、西安、重庆、成都、杭州这几地更集中。

图3：智联招聘展示的AI训练师等岗位城市分布。来源：智联招聘《2025年人工智能产业人才发展报告》转引图。

但这个岗位的平均招聘月薪，明显低于AI产品经理和算法工程师。

按智联口径，AI训练师平均招聘月薪约6479元，北京大约9063元。

这说明它有很强的两极分化。

基础层岗位门槛低，薪资也低；一旦叠加医学、金融、心理学、翻译等领域知识，价格就会明显上去。

所以AI训练师其实更像一条职业带，而不是一个单点岗位。

表2：AI训练师这份工作，到底在卖什么能力

这个职业最重要的要求，不只是细心。

如果你只想做入门型岗位，耐心、专注、基本的数据处理能力就够；如果你想往高阶走，真正值钱的是你能不能用专业经验帮模型做判断。

三、生成式人工智能系统测试员：AI时代的**“质检员”和“守门人”**

如果说AI训练师是教模型的人，那生成式人工智能系统测试员就是“拦住模型出错的人”。

这个岗位官方已经点名了。

2025年5月，人力资源和社会保障部公示新增42****个新工种，其中就包括生成式人工智能系统测试员。

这意味着什么？

意味着AI测试这件事，已经从企业内部零散职责，开始长成独立工种。

这背后的现实很简单。

大模型一旦真进企业、进教育、进金融、进医疗，大家最怕的不是它**“不会说”****，而是它说得像真的，但其实是错的（**

所以这个岗位的工作，不只是测页面、测按钮、测接口。

它要测生成质量、测幻觉、测越权、测安全、测合规，还要测不同模态之间是不是一致。

公开报道提到，2024年人工智能测试岗位招聘量同比激增320%，远超传统测试岗位增长速度；多模态AI测试工程师的平均薪资，相比传统测试岗位高出35%。

因为AI应用越往真实业务里走，测试的重要性就越高。

很多企业以前觉得测试只是成本中心。

现在开始意识到，如果AI测不好，后面赔掉的可能是品牌、合规和客户信任。

从能力要求看，这个岗位明显比传统测试更复杂。

它既要懂软件测试，也要懂一点模型原理。

它既要会写测试用例，也要知道怎么设计提示词、怎么判断输出质量、怎么发现风险边界。

如果再往上走，很多岗位还会要求你理解法律、伦理和内容安全。

所以它其实是典型的**“测试+AI+安全”**复合岗。

表3：生成式人工智能系统测试员，核心看哪些能力

这份工作特别适合两类人。

一类是传统测试工程师转型；另一类是懂一点AI、又愿意往质量和安全方向深扎的人。

如果你原来就做QA（质量保障）、测试开发、内容审核、风险控制，转型做生成式人工智能系统测试员其实挺适合的。

四、AI产品经理和AI产品运营：不是做模型，而是把模型做成业务

AI产品经理和AI产品运营，严格说不算从零发明出来的职业名。

但在过去两年里，它们已经从“传统产品岗里的一个方向”，变成招聘市场里转型最快的一类复合岗位。

原因很简单。

企业现在缺的，不只是会训练模型的人，更缺能把模型接进场景、做成产品、跑出增长的人。

智联招聘《2025年人工智能产业人才发展报告》里提到，2025年前三季度，AI产品经理需求增长178%****。

如果放到全平台口径看，AI产品经理同比增速也达到144%。

薪资也明显不低。

同一份报告里，AI产品经理平均招聘月薪19459元，杭州达到28659元，上海、北京、武汉、深圳也都在2****万以上。

图4：智联招聘展示的AI核心职业薪酬排名TOP10城市。来源：智联招聘《2025年人工智能产业人才发展报告》转引图。

这个岗位真正值钱的，不是你会不会喊几个AI术语。

而是你能不能同时听懂模型、业务、用户和增长。

你要知道模型能做什么，也要知道模型做不到什么。

你要会拆需求，也要会定指标、跑验证、控成本、拉团队。

为什么这个岗位现在特别吃香？

因为大模型时代，企业最怕两件事。

第一，模型很强，但没人能把它落地；第二，团队烧了很多钱，最后却没有业务结果。

AI产品经理和AI产品运营，本质上就是解决这两个问题的人。

所以这个岗位的前景，很大程度上取决于企业会不会继续把AI当成正式业务来做。

只要企业还在做客服、销售、办公、教育、营销、搜索、知识管理这些改造，这类岗位就会一直有需求。

所以这条线最适合的，不一定是最懂算法的人，而是最懂场景的人。

表4：AI产品经理/运营，为什么现在这么吃香

这份工作还有一个很大的好处。

它对纯技术背景并没有想象中那么死。

如果你本来就在教育、医疗、金融、电商、营销这些行业里做产品或运营，反而可能比只懂模型的人更占优势。

五、智能体开发工程师：AI开始从**“回答问题”走向“替你做事”**

这两年最值得注意的新岗位之一，就是智能体开发工程师。

如果说早期大模型像一个会聊天的助手，那智能体（Agent）更像一个能拆任务、调工具、跑流程、交结果的执行者。

这也意味着，企业开始需要一批新的人。

他们不是去训练底模，而是负责把模型接进工作流，把工具调用、记忆、知识库、审批、表单、搜索、数据库这些东西真正串起来。

火山引擎开发者社区转引的多份行业数据里，2026年这类岗位已经非常热。

文章提到，智能体开发工程师初级年薪在40万到60万之间，资深架构师可到100万到200万；掌握Agent开发的程序员，薪资普遍比传统开发高30%到50%。

更猛的是需求增速。

同文提到，2025Q1到2026Q1，智能体开发岗位需求增长380%。

这个数字至少反映出一个事实。

AI产业已经从“大家都在聊模型”开始转向“大家都在找会落地的人”。

这个岗位最硬的门槛，在于工程能力。

你得会Python，得会API（应用程序接口），得会LangChain、LangGraph、RAG（检索增强生成）、向量数据库、工具调用和工作流编排。

但它和传统后端开发又不完全一样。

它更看重你能不能把“模型、业务、系统、流程”整成一个能跑的东西。

它不是纯算法岗，也不是传统开发岗，而是更像企业AI落地的“总装工”。

这个岗位的岗位数量现在还没有传统开发那么大。

但它的含金量往往更高，因为企业招的不是多一个程序员，而是“一个能把AI系统跑起来的人”。

对普通工程师来说，这也是一条很现实的转型路线。

先补API、补工作流、补RAG、补提示词和评测，再做几个能上线的项目，竞争力就会明显不一样。

所以它的前景，不只是薪资更高，而是很可能成为未来几年很多技术人转型的主赛道。

表5：智能体开发工程师，真正稀缺的不是会写代码，而是会搭系统

六、具身智能算法工程师：AI最硬核、也最贵的一条新职业线

如果说智能体还主要活在电脑里，那具身智能（Embodied AI）就是让AI走到物理世界里。

它对应的岗位里，最典型的就是具身智能算法工程师。

这类岗位为什么突然火？

因为机器人、人形机器人、智能硬件、自动驾驶、工业设备都开始需要**“会感知、会决策、会控制”的AI****。**

猎聘大数据研究院2026节后开工首周报告显示，具身智能领域新发职位同比增长73.65%，平均年薪达到33.38万元。

南方财经的报道还提到，企业对具身智能算法工程师的月薪区间已经能到2.5万到9万。

这类岗位的高薪，并不奇怪。

因为它几乎是AI、机器人、控制、硬件、感知、多模态一锅端。

你不仅要懂模型，还要懂传感器、控制、规划、仿真、强化学习、SLAM（即时定位与地图构建）这些东西。

所以它也是今天门槛最高的新职业之一。

从招聘现实看，这类岗位对学历要求通常比前面几类更高。

硕士、博士更常见，机械、自动化、机器人、计算机、控制、电子信息相关背景更吃香。

而且这个岗位还有一个好处。

一旦你真跨进这条赛道，替代性通常没那么高。

因为这不是会不会用工具的问题，而是和现实世界的机器打交道。

这也决定了它不像很多互联网岗位那样可以快速复制。

你需要实验、仿真、调参、看硬件、看现场，还要接受研发周期更长、试错成本更高。

它是AI时代壁垒最高的长期职业之一。

表6：具身智能算法工程师，为什么会成为高薪新职业

七、最后一个提醒：不是所有新职业都能长期独立存在

写到这里，还得把一个最火也最容易被误解的岗位单独拎出来。

那就是提示词工程师（Prompt Engineer）。

它确实是AI时代最早出圈的新职业。

但它也可能是最典型的**“早热、后分化”**的例子。

学信网2025年转引的报道提到，2023年4月Indeed平台上“提示词工程师”的搜索热度达到峰值后，如今已经回落到20到30次，降幅超过80%。

国内市场也出现了类似变化。

同一报道提到，2025年提示词工程师岗位数量较2023年大约下降70%，而剩下的岗位里，70%集中在医疗、政务、金融等垂直领域，并普遍要求1到3年行业经验加编程基础。

这说明什么？

说明很多早期被包装成**“独立职业”**的东西，最后会变成各行业的通用技能。

也就是说，未来更可能出现的路径，未必是把自己只定义成提示词工程师。

而是把提示词能力、模型理解、工作流设计，嵌进产品、运营、测试、咨询、教育、医疗、法律这些原本就存在的职业里。

这也是为什么，我更看好前面那几类岗位。

还有一类职业也需引起关注。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】