我要投稿

我们刚过了人类最后一个劳动节？AI新职业的八个变化

发布日期：2026-05-11 17:19:58 浏览次数： 1521

作者：腾讯研究院

微信搜一搜，关注“腾讯研究院”

吴朋阳腾讯研究院资深专家

引言

今年五一劳动节，网上流传出不少"赛博劳动节"、"硅基劳动节"活动的新闻。正面看，AI 和机器人正在成为重要的劳动力增强和补充力量；但也进一步引发了 AI 替代人类劳动力的忧虑——人类工作会不会因此更少了？甚至有人用 AI 生图说这是"人类最后一个劳动节"。

事实真是这样吗？

为了解真实情况，本文延续去年 9 月发表的一项AI新职业研究框架，进行一次研究刷新。样本选取7家国内外代表性的 AI 原生公司或团队，数据来自官网公开的招聘信息，采集时间就是2026年的5月1日——劳动节当天。

美国选了御三家OpenAI、Anthropic、DeepMind，中国则是智谱、月之暗面（Kimi）、深度求索（DeepSeek）和通义千问。

研究的核心框架，是把 AI 公司的全部在招岗位归成五类——使能者（做模型）、协作者（做产品和交付）、推广者（做销售和营销）、治理者（管安全和合规）、支持者（管后勤和运营），以消除各家公司岗位差异性较大的问题，便于统一分析对比。（五类的详细定义见文末研究方法说明。）

核心发现

重要的事情提前说，这次研究与8个月前相比，AI新职业有八个变化：

1. 岗位总量倍增：AI 公司不但没缩编，反而都在增岗招人。7 家公司在招岗位从 718 涨到 1570，增长了一倍多。

2. 人力主体迁移：AI 公司用人的重心从研发转向产品和商业化，使能者占比明显下降，协作者和推广者明显上升。

3. 使能者内部换血：工程师数量并未减少、还在增长，但增长的重点变了，推理、研究相关的岗位增长明显，预训练、数据等则相对较少。

4. 协作者新岗位集群爆发：AI 公司普遍 Palantir 化，"部署"成为重要的普遍性岗位需求，FDE（前线部署工程师）最典型，从零星几个岗位暴涨到上百个。

5. 推广者伴随商业化激增：推广者增速五类之首，增长到原来的4倍多，典型像客户成功、合作伙伴销售，商业变现成为AI公司的核心战略。

6. 支持者占比稳定：HR、财务、运营岗位随业务同步增长，占比几乎没变。AI 增强了这些办公室白领岗位，也并没有完全替代他们。

7. 治理者结构分化明显：治理岗位整体增长了约1倍，但主要集中在 Anthropic 和 OpenAI 两家、合计贡献了 90%。大部分AI公司，对AI治理的人力和资源投入可能都还不够充分。

8. 中美差异有扩有缩：中美AI大方向一致，都在从研发走向商业化，但五类结构差距里有两处在扩大、三处在收窄。相对美国，中国的使能者占比更高，意味着AI研发追赶还需投入；推广者比例相对低，AI商业化处于更早期；治理者仍然较少，缺少类似Anthropic这样主打AI安全战略的先锋企业。

变化 1：AI公司在疯狂设岗招人

先回答最直接的问题：AI 原生公司的人类岗位是变多了还是变少了？

答案是变多了，而且多了不少。7 家公司在招岗位总量从 718 涨到 1570，8 个月翻了一倍多。基本所有公司都在扩张岗位，即便是被 Google 进行了整合的 DeepMind，在招岗位数量也基本持平。

这和同期大量媒体渲染的"AI 裁员潮"形成了鲜明对比。2026 年第一季度，全球科技行业裁员约 7.8 万人，其中近半数被归因于 AI 替代。结合我们这份研究看，AI 在一侧消灭部分岗位，同时在另一侧也在创造不少新岗位，这两件事确实都在发生。

但是，新岗位增长不等于简单"堆人"，利用AI杠杆提升人效，才是AI公司核心追求的目标。例如，Anthropic 年化收入增长了约4倍，在招岗位只增长了约1.6倍，收入增速远超岗位扩张速度，说明人均产出大幅提升。

新岗位增长的另一个重要原因，是组织发展和公司化运营完善所需。从初创团队发展成创业公司、从创业公司成长成上市公司等，都需要进行组织和岗位的调整和扩张。例如，DeepSeek 4 月启动了首轮外部融资，岗位也在同步扩张，其中重点是补齐 CFO、COO、内审经理这些支持岗。智谱也类似，今年初成功上市后，战略、HR、财务、法律、审计与合规等方面都在招聘。

AI公司用AI的能力业界最强，但它们自己也没停止招人。 AI可能会提高岗位要求、减少新增人力的增幅，但并没有完全消灭这些岗位。

当然，岗位总量的变化只是表面，深入底下的结构变化，能进一步看清岗位间此消彼长的情况。

变化 2：人力主体从研发转向产品和商业化

去年 9 月，我们整体看到的还是典型的"研发型公司"画像。招聘岗位中使能者（做模型的人）占了四成多，其余四类加起来才撑住另一半。

8 个月后，画面已经变了。招聘岗位中使能者的份额从四成多跌到了三成多，减少了约 9 个百分点。这些份额去了哪里？几乎都放到了协作者和推广者的岗位上，两类合计占比涨了超 11 个点。

这并不是说工程师的数量在减少，使能者岗位的绝对数仍然在涨。实际发生的是协作者和推广者岗位增长明显更多。去年的AI 公司基本上算是研发机构，现在它们都在积极投入向成熟的商业公司方向发展。

整个行业都在加速迈向商业化，2025 年下半年开始，全球 AI 行业的主旋律已经从"谁家模型更强"切换到"谁家落地更快"。

Anthropic 4 月年化收入反超 OpenAI——靠的不是更强的模型，而是更成熟的企业级服务。OpenAI 也在转向加强企业市场，宣布扩招数百名技术咨询人员。国内像智谱在重点招聘建设销售团队，上市之后，商业化就是最硬的考题。

招聘特征是战略意图最诚实的表达。一家公司如果光嘴上说"我们重视商业化"，并不算数。但如果它的协作者和推广者招聘大幅增长，必然意味着商业化要加速。

具体分析这批新增岗位的招聘信息，有一个跨公司、跨岗位的共性特征非常突出——"客户界面"正在成为 AI 新岗位的核心属性之一。无论是协作者里的部署工程师、推广者里的合作伙伴销售经理，还是使能者里新设的面向客户的技术咨询角色，几乎所有数量增长最快的新岗位都是面向外部、面向市场的。

相对，纯内向、偏后端技术的岗位变化不明显，没有出现全新品类。这可能反映出，目前AI 公司最缺的不是做模型的人，而是把模型变成外部价值的人。

同时，这些新岗位的能力要求也在打破传统边界，复合能力的需求更广泛。AI部署工程师要求"8 年售后工程经验 + 2 年软件开发"；商业分析师要求"精通 SQL + Python + 推理成本和毛利模型"；某公司的实习生都要求"熟练使用 5 种以上 AI 创作工具"。纯技术或纯商务能力都不充分，"技术 + 业务"的双栖能力更受企业欢迎。

那具体哪些岗位在增长、哪些岗位有收缩？接下来按五类岗位分别看。

变化 3：工程师没少，但换了一批

8 个月前，使能者的主力是训模型的人。现在，训模型的人还在，但新增的主力变成了让模型跑起来的人。

使能者仍然是最多的在招岗位类型，但内部的构成已经发生了明显的变化。一批传统的技术岗位开放招聘明显减少，另一批新方向的工程岗位则在快速兴起。

招聘明显萎缩的有三类：数据科学家从 9 个掉到 1 个，机器学习工程师和大模型算法工程师的新增岗位也明显减少。原因各有不同，但指向同一个趋势——大模型能力全面爆发后，过去需要专人做的数据处理、专用小模型训练、算法探索等工作，要么被 AI 本身接管了一部分，要么集中到了极少数头部团队手里，行业不再需要大量的通用型研究者和复现者。Anthropic 2026 年初发布的经济指数报告也印证了这一点：数据分析是目前 AI 渗透最深的工作领域之一。

那什么岗位在涨？和技术热点直接挂钩。

推理工程师是增长最快的使能者岗位之一。模型训练完了只是第一步，怎么让它在实际部署中跑得更快、更便宜，才是规模化阶段的核心瓶颈。

例如，Anthropic 招聘多个推理方向的软件工程师，要求能"跨硬件和系统库解决端到端推理性能挑战"。国内多家AI公司也在招聘像推理infra工程师、推理优化工程师、推理加速研发工程师等，同样要求具备底层算子优化、Transformer 推理加速等能力。可见，提高模型推理性能，成为AI公司普遍发力的重点方向。

研究科学家的需求也在快速上升。和"研究工程师"不同，研究科学家更侧重于定义新问题，而非实现已有方案。OpenAI 和 DeepMind 都在扩充研究科学家的编制，这说明头部 AI 公司仍然有大量开放的科学问题需要攻克，AI 并没有到"技术已定、只差落地"的阶段。

还有一类值得关注的是数据中心和算力工程师，合计增长超过一倍。不少AI 公司正在同时扮演"模型公司"和"基础设施公司"两种角色。Anthropic 扩建美国本土数据中心，OpenAI 在全球多地建设算力集群，对应的都是这批岗位的密集招聘。

使能者还有一个突出特点，就是实习生岗位最多。今年 7 家公司的实习岗有 40 多个，使能者占了一半以上（53%），明显多于其他四类。岗位类型上也比较丰富，有研究型的，像后训练算法、多模态生成、大模型评测；有工程型的，训练优化、推理系统、AI 应用开发；也有内容创意型的，AIGC 图片、视频创作等。可以看出，头部 AI 公司不再局限于招收成熟人才，也在系统性培养后备力量，加大对有能力的年轻人才吸收力度。

总之，使能者的岗位结构调整明显，大方向是跟着AI技术主流走——从训练走向推理、从模型走向软硬件协同。

变化 4：一支"部署军队"正在成型

上一篇文章里，我曾列出 6 个值得关注的 AI 新职业实例，其中一个叫前线部署工程师（Forward Deployed Engineer, FDE）。其源头来自Palantir 十多年前就创造的岗位模式：FDE不是坐在公司里编写软件，而是被部署到客户现场，深入客户的真实业务，解决具体的技术问题，帮助客户把新技术或产品真正用起来。这种模式，非常适合AI这种还在不断迭代、充满不确定性的技术应用。

8 个月前，这类"部署"岗位在样本里还只有零星几个。现在，它已经变成了成规模的新职业集群，广义上有100多个岗位。除了FDE，典型还有AI部署工程师（AI Deployment Engineer，ADE）、AI部署经理（AI Deployment Manager，ADM）、技术部署负责人（Technical Deployment Lead）等。

当前哪家公司"部署"类岗位招聘最多？可能很多人会认为是Anthropic，但其实不是。最多的是OpenAI，占了总体的78.5%，这也反映其正在大力拓展企业市场。

整体看，部署类岗位呈现三个特点：

一是团队化。从零散的岗位，升级为有独立运转能力的完整部署团队建制。

OpenAI 的做法最激进，不仅在全球十余个城市设立了 FDE 岗位，还围绕这个团队配备了完整的支撑体系，包括专门支持 FDE 的招聘官、培训经理、平台工程师、战略运营经理等。一个岗位品类需要专门的招聘管道、培训流程和工具平台，说明已经是一个独立的业务单元。

Anthropic 的组织方式不同但目标一致。其设立了一个叫有益部署（Beneficial Deployments）的团队，下设应用 AI 工程师、技术部署负责人、客户经理和架构负责人等角色，覆盖从方案设计、技术交付到客户管理的完整链条。

二是层次化。部署类岗位不止局限在AI现场工程实现，还进一步向上层的业务成功拓展。

国内相对熟悉的FDE，核心定位是提供驻场式深度工程交付，能够帮助客户实现AI应用从原型到部署上线，服务针对的主要是战略客户和复杂场景。

OpenAI还设立了AI部署工程师。其工作相对FDE更贴近客户的业务，提供产品采用和方案指导，包括帮助客户设计AI工作流、做技术演示、引导工程团队上手等，覆盖面比FDE更广。

此外，再上一层还有AI部署经理。其负责的不再是单个客户，而是把前两者积累的经验标准化，设计可复用的方法论、效果衡量和培训体系等，让更多客户无需1对1也能顺利把AI用起来。

这三层角色结合起来，组成了把AI应用从单个样板到可复制、规模化推广的服务体系。

三是复合化。部署类岗位对人的能力要求，不属于任何一个传统职业分类。核心是"工程师 + 咨询顾问 + 产品经理"的三合一。

既要能熟练用AI写代码做交付，又要能懂产品懂客户业务，还要能做战略决策参谋，几乎等于是超级个体，综合能力要求高。

OpenAI Codex的AI部署工程师就很典型，需要作为客户受信任的技术伙伴，帮他们把 OpenAI 的编程工具融入到整个软件开发生命周期。要求 8 年以上售后工程或方案架构经验，同时还要有 2 年以上的软件开发背景。还有一条特别要求："你必须是 AI 编程工具的深度用户，已经深度定制了自己的开发工作流"。这意味着，它招的是"自己已经被 AI 改造过、能带着客户一起改造的人"。

为什么部署岗会有这种爆发？一个可能的原因是，纯 API 模式卖不动传统大企业。客户买了模型 API，不等于会用；大企业采购 AI 方案，需要有人帮它做行业适配、系统集成和部署落地。

一个 API key 解决不了一个银行的合规流程问题，也解决不了一家医院的电子病历对接。

OpenAI 和 Anthropic两家头部AI公司给了相似的解法：

模型公司必须配一支部署军队。

对广大的软件工程师而言，过去五年的热门转型方向可能是"做云、做微服务"。而未来，"走到客户面前，把 AI 变成生产力"，可能是更重要的职业转型路径之一。

变化 5：推广者伴随商业化激增

客户从哪来？要靠推广者。推广者也是增速最快的一类，8 个月前只有 66 个岗位，现在是 275 个——增长到原来的 4 倍多，位居五类之首。

8 个月前，这些公司的推广者主要就是企业客户经理一种角色。现在，推广者的岗位类型明显丰富，正在形成一套"认知-获客-留存"的完整商业闭环。

第一类是增强认知型岗位，让客户先了解你。

在直接签单之前，AI 公司需要先让潜在客户知道自己是谁、能解决什么问题。这一层的岗位过去较少，现在正在快速建设。产品营销负责把技术能力翻译成客户听得懂的价值主张，增长营销负责通过内容、投放、社交媒体把价值主张传递出去，社区营销负责人在开发者社区里讲用户案例、建立信任。B 端做行业深耕，C 端做规模触达，本质工作跟互联网时期差别不大。

第二类是销售获客型岗位，从直销向分销扩展。

企业客户经理仍然是推广者里数量最大的岗位，占总数的 27%。变化不只是数量增长，还有分工细化。Anthropic 按金融、医疗、制造、政府等十多个行业方向分别设岗，OpenAI 也做了类似的专业化细分。传统的企业销售，也能借机向 AI 赛道转型。

更突出的变化是分销岗位从无到有。合作伙伴销售 8 个月前还不存在，现在中美都有 AI 公司专门设立。核心不再是自己直接卖给客户，而是把 AI 产品和能力赋能给咨询公司、集成商、云厂商等合作伙伴，借别人的网络和客户信任来扩大覆盖面。

第三类是促进客户留存型岗位，不止售卖还设专人陪跑。

8 个月前，AI 公司基本没有专职负责客户留存的岗位。现在，成功类岗位从几乎为零增长到近 30 个，成为推广者中增速最快的方向之一。

这类岗位不负责签新客户，而负责让已签客户真正把 AI 用起来、用得深、不流失。考核指标不是签了多少单，而是客户用了多少、留了多久、扩了多少。这是一个视角的转变，传统销售站的是公司自己的视角，目标是把产品卖出去；成功类岗位站的是客户的视角，目标是帮客户把 AI 真正用好。

背后的逻辑很简单：AI 产品使用门槛高，买了不等于会用，用得浅就容易流失。与其花大力气不断拉新，不如让已有客户用好、用久、用多。

目前成功类岗位主要有两种设计。一是客户成功经理，典型如 Anthropic，按区域和行业设了近 10 个，偏关系管理和战略引导，更像顾问。二是 AI 成功工程师，典型如 OpenAI 设了 13 个，偏技术实施和产品落地，更像驻场工程师。根本目的一样，确保客户不只是采购，而是能真正持续应用 AI 产生价值。

这类岗位的快速出现，意味着 AI 公司开始把"客户生命周期价值"作为核心经营指标。竞争的维度，已经从"谁的模型更强"切换到了"谁能把模型变成持续的生意"。

变化 6：AI没有干掉白领岗位

在关于 AI 替代就业的公共讨论中，"白领替代风险高"几乎成了一种共识。HR、财务、行政、运营等，这些岗位被认为是最容易被AI自动化冲击。

但开放招聘岗位数量显示，至少在 AI 原生公司内部，情况可能并非如此紧张。

过去 8 个月，7 家公司的支持类岗位跟着业务同步翻倍，财务、招聘、HRBP、行政、IT 运营等岗位数量都有增长，AI 公司自己也没有干掉白领岗位。当然，支持类岗位占比基本不变，保持在15%左右，增速确实不如其他岗位快，空间被压缩了一些。

为什么占比基本没变？因为两种公司在做相反的事。

一种是重心在做业务抢市场的AI公司，会相对压缩支持者岗位增长量。典型像Anthropic和OpenAI，重心主要在做大营收规模，岗位及人力投入自然侧重AI业务和营销，支持类岗位数量虽然也增长，但占比下滑的比例相对明显。

另一种是正在融资或准备上市的AI公司，会大力设招多种支持类岗位以完善企业建制。典型像DeepSeek，目前开放招聘的支持类岗位占比最高，包括CFO、COO、财务总监、IT主管、内审经理等。据公开报道DeepSeek正在启动首轮外部融资，这明显是在完善公司必要的组织架构和职能。智谱在港股上市前，也经历了类似的过程，招聘了人力资源、财务、审计合规等岗位。

Anthropic 2026 年 1 月发布的 Economic Index 报告，基于 200 万次 Claude 对话的真实数据，有个核心结论是："AI 目前主要是增强而非替代，尤其在需要判断和人际交互的白领岗位上。"

看起来这个结论有AI公司自己洗白的嫌疑，但和本文采集的AI公司招聘岗位数据的情况基本吻合，特别是支持类岗位。AI 让支持类岗位的日常工作效率大幅提升，比如报表、数据整理、文书、排程等例行工作，都可以由 AI 辅助完成。

但决策、协调和信任关系仍然需要人。HRBP 帮团队谈判、财务总监做审计判断、内审经理处理合规风险等等，这些工作的核心是人际互动和专业判断，不是信息处理。

对普通白领来说，AI公司招聘的支持者岗位数量增长是一个相对乐观的信号。但要注意前提——这些公司里的支持岗并非原样保留，而是在用 AI 工具大幅提升单人产出后，以更少的人力占比支撑了更大的业务规模。稳定的是岗位，不是工作方式。

变化 7：治理者结构分化明显

治理类岗位总量已超过200个，增长了近1倍。但是，目前治理岗位的集中度很高，Anthropic 和 OpenAI 两家贡献了总量的 90%，其他AI公司投入还很少。Anthropic治理岗位最多，与其 "安全即产品"的商业策略高度相关。特别是对高安全需求的行业客户而言，这种策略非常有效。

更值得关注的不是增幅，而是治理岗位内部的结构变化，已经远不只是法务合规一种角色，正在分化成多个方向的岗位族群。简单说，就是从"出了问题有人管"变成了"问题还没出就有人在防"。目前主要有四个方向：

第一类是安全工程。数量最大的方向。核心职能是把安全要求变成可运行的系统——开发滥用检测机制、构建内容审核基础设施、建设自动化执法管道等。要求软件工程能力加上AI安全领域知识。

第二类是信任与安全运营。在一线处理具体的安全事件——调查滥用行为、分析威胁情报、执行策略决策。值得注意的是，Anthropic专门招聘"技术化学/生物/放射/核/爆炸物威胁调查员"，要求的不是计算机背景，而是相关领域的专业学科知识，用专人落实防止AI灾难性滥用的原则。这对国防、情报、执法等传统安全领域的从业者而言是一个职业机遇。

第三类是安全研究。评估模型在生物安全、网络攻击、社会操纵等方向上的能力边界，设计红队测试方法，探索新出现的系统性风险。看重独立的研究能力，对学术界的安全研究者来说，这是一条从论文走向实践的路径。

第四类是法律合规与政策。在 AI 公司和监管机构之间架桥，把法律法规转化为公司内部可执行的合规制度。值得一提的是Anthropic独家设置的"AI 合规官"，被称为"一个全新且快速演进的监管领域"。随着欧盟 AI Act等各国AI法律规范的发展成熟，这类岗位的需求会进一步增加。

从能力要求来看，四类岗位有一个共性：几乎都要求"技术理解 + 非技术领域专长"的组合。安全工程师需要懂模型行为；威胁调查员需要懂生化等专业知识；合规官需要懂 AI 能力边界；研究科学家需要懂政策含义。

不要求你会训练模型，但要求你知道模型能做什么、不能做什么、什么情况下会出问题、怎么应对。

未来，随着全球 AI 监管的逐步完善和落地，部分合规义务可能会从企业自觉变为法规强制。AI治理专属岗位的需求，也可能随之从目前"少数公司主动建设"变成"整个行业的刚性配置"。对有安全、合规等相关背景的从业者来说，现在是积极探索的窗口期。

变化 8：中美局部靠近、核心拉开

接下来看一个更大的问题：中国和美国的 AI 公司，招的岗位有什么不同？这直接影响中国从业者未来的机会在哪里。

把 7 家公司按中美分成两组看，大方向是一致的——两边岗位数量上都在扩张，岗位比重上都在降使能者、涨协作者和推广者。中美 AI 公司都在经历从重研发到重商业化的结构转变。

但细看中美五类岗位比重的变化，情况远不是趋同那么简单。

五类岗位里，两类比重差距在扩大，三类在收窄，中美投入的岗位和人力资源侧重点有明显不同。

一是使能者差距扩大，中国的比重明显高于美国。中国 AI 公司将更多人力配置在技术研发上，部分原因是模型基础能力仍在追赶阶段，研发投入的优先级必然最高。

从具体岗位看，中国AI公司正在重点加大主流热点领域的工程力量，包括大模型算法、多模态、Agent 、推理优化等方向，新招工程师类岗位细化程度明显高于美国。此外，美国AI公司仍然更重视偏学术的前沿研究，招聘的使能者中约1/5是通用的研究科学家和研究员。相对而言，中国公司的研究人力布局更贴近产品，带"研究"属性的岗位大多绑定具体技术方向，如预训练、后训练、强化学习、多模态等。

二是推广者差距扩大，美国的比重相对变得更高。中国AI公司正在着重补充前端获客岗位，比如客户经理、业务拓展、增长营销等，核心目标是收入增长。美国AI公司的获客团队已成规模，招聘重心正在向两个方向延伸：一是渠道协同，如合作伙伴销售；二是售后留存，如客户成功类岗位，负责让客户用好、续约、扩展。这两类岗位，中国AI公司目前几乎都没招聘。差距反映了发展阶段的不同，中国AI公司的商业化还在初期，美国则正在迈向成熟期。

特别值得关注的是，美国AI公司还在同步建设销售背后的支撑体系，模式上向微软、甲骨文等大型企业软件公司靠拢。例如，Anthropic 已建立客户咨询委员会（CAB），由顶级客户高管组成的常设组织，直接参与影响产品路线图和商业化优先级；还有高管专属对接中心（EBC），在旧金山总部设立的专属空间，用于接待重要客户和政策制定者。OpenAI 则在多个国家同步配备了客户成功工程师、部署工程师和本地化营销负责人，形成多岗协同的本地化 GTM 体系。

治理者方面，虽然中美比重差距有所收窄，但招聘岗位绝对数量差距仍然很大。2026年美国 3 家公司合计招聘 198 个治理岗、占16.7%，中国 4 家合计仅 13 个、占3.4%。中国公司的治理岗基本集中在内容安全运营、风控研发和基础法务，做的主要是问题处理和监管合规的工作。美国公司则已经形成了"发现风险-防御风险-处理事件-应对监管"的全链条覆盖，上游的安全研究和系统性防御建设是中国目前招聘岗位空白的方向。

这个差距和中美监管环境的差异直接相关。中国的 AI 监管侧重内容合规和算法备案，企业的治理投入也对应集中在末端的内容审核和法务合规；美国的公众讨论和政策关注更多围绕模型能力失控和灾难性滥用，倒逼企业从更底层去做安全研究和工程建设。随着中国 AI 公司出海增多以及国内监管的逐步深化，未来在这个方向的补课可能会加速。

差距收窄的另外两类岗位，则反映了中美AI公司局部趋同的趋势。协作者方面，中美占比已基本持平，都在20%左右。双方都在大力建设产品化和客户交付团队，帮客户把 AI 用起来。支持者差距也在收窄，中国AI公司正在从研发组织走向完善的商业公司形态，DeepSeek 正在补齐财务和运营高管班子、智谱上市前补齐法务和 HR 体系等，都是这个趋势的体现。

两个扩大、三个收窄，合在一起看：中美 AI 公司的大发展方向一致，局部有趋同，但核心维度上的组织形态差异仍然显著。

美国AI公司已经越来越像完整的企业级平台公司，有按行业深耕的销售团队，有渠道生态，有客户成功闭环，有从安全研究到合规的全链条治理建制。中国公司还处于从技术团队向完整公司转型的途中，研发资源和人力投入较大，但商业化、客户经营和治理体系还在搭建中。

从岗位招聘的差距，可以看出组织完整度的差距。

2026 年初DeepSeek创始人梁文峰在媒体采访时曾说过一句话：

"我们创新缺的肯定不是资本，而是缺乏信心以及不知道怎么组织高密度的人才实现有效的创新。"

从这次招聘数据的分析可见，中国 AI 公司的工程和产品化等岗位建设力度很大，但要形成高效创新的系统化组织能力，可能是下一步更重要的事。

结语：

AI 原生企业是先锋样本，也是未来指南

坦白地说，本文研究的只是7 家 AI 原生企业，属于行业的先锋队。

AI 原生企业业务爆发、岗位增长，是这个阶段独有的规律，可能并不代表整个劳动力市场的现状。

目前，AI对整体劳动力市场和人类岗位的影响，更可能是一种非均衡"有涨有消"的状态，这是本文无法回答的局限所在。

但 7 家 AI 原生企业的招聘数据分析，仍然有两个前瞻性的价值：

第一，它可以作为传统企业 AI 转型的"预演"。

今天， AI 公司在规模化招聘的 FDE、AI 部署工程师、合作伙伴销售经理、AI 成功经理等，未来几年，银行、制造、医疗、政府可能都会需要自己的版本。研究今天 AI 原生企业的岗位地图，就是在看未来各行各业的岗位地图。

第二，它可以作为劳动者职业转型的"方向指南"。

理解这些新岗位的职责和能力要求，掌握相关技能，有利于每个劳动者主动适应下一阶段的新工作，而不是被动等待被替代。

具体到不同人群的 3 条建议：

• 白领：学会用 AI 做自己的工作。 AI 公司自己也没裁掉这些岗位，但前提变了。Anthropic 招聘会计经理，JD 里明确写了"对 AI 工具如何消除低价值会计工作要有清晰的见解"；招聘项目运营经理，要求"把 AI 工具作为工作方式的核心组成部分"。岗位还在，但需要的是能用 AI 重新定义自己工作方式的人。

• 产品/营销人：窗口期来了。合作伙伴销售从 0 发展到近 20 个岗位，AI 解决方案架构师、AI 治理合规官、AI 成功工程师等新品类正在涌现。智谱、Kimi 也在招生态销售和海外市场等岗位，中国公司的 GTM 体系已经进入加速建设期。

• 工程师：别只写代码了，学会面对客户。 FDE、AI 部署工程师、解决方案架构师……懂业务、懂客户、能交付。OpenAI 和 Anthropic 的 JD 要求"自己已经是 AI 工具的深度用户"，这句话对所有工程师都适用。

回到文章开头的悬念——

这是人类最后一个劳动节吗？

显然不是。

8 个月里，7 家 AI 公司净增加 852 个新招聘岗位。AI 在替代工作，也在创造工作——在 AI 原生企业这个先锋队里，新岗位的创造正在加速发生。

真正值得追问的，不是"人类还要不要工作"——

而是——人类的工作，正在被重塑成什么样子。

这 8 个变化，就是 2026 年劳动节这一天，1570 个岗位给出的回答——人类的工作没有消失，但正在被重新定义。

如果你身边有人还在焦虑"AI 会不会抢我的工作"——可以把这篇转给 TA。