企业官网建设流程全解析

本文分析了AI岗位的增长趋势，指出虽然岗位倍数有所下降，但AI岗位在全部新经济岗位中的占比持续上升。文章将AI岗位分为三层：造模型、用模型、养模型，并详细阐述了各层级的门槛和薪资水平。特别强调第二层“用模型”岗位（如AI应用开发、AI产品经理）是转行目标，这些岗位更看重跨部门协作、AI工具使用、用户洞察等能力，而非学历或编码技能。文章还提供了转行建议，如通过垂直社区展示作品、进行信息访谈、优化简历等，并给出了三条具体的转行入口和避坑指南。核心观点是转行前应深入研究目标岗位JD，明确所需能力，并通过实际案例展示自己的价值。

先说一个容易被忽略的地方。

2026年“AI 岗位同比涨 12 倍”这个数，是真的。但它不是最新的数，是这份报告最早一版的口径。

同一家机构后来更新过两版：先变成 8.7 倍，再往后是 7.89 倍。

倍数在降。可 AI 岗占全部新经济岗位的比重，从 2.29% 一路涨到 26.23%，再到 32.62%。

这两句话同时成立：倍数在退，岗位在涨。

一、把“12 倍”读对，比记住它更重要

数据来自脉脉的《社交求职——2026 年中高端人才求职招聘洞察》系列。同一套口径，先后发过三个版本：

AI 岗占全部新经济新发岗位的比重

2. 29% → 32.62%

2025 年同期 → 2026 年最新口径

· 最早一版：岗位量同比增长约 12 倍，占新经济新发岗位 26.23%，平均月薪 60738 元

· 更新一版：同比增长 8.7 倍

· 最新一版：同比增长 789.47%，占比 32.62%，平均月薪 63160 元

倍数为什么一路往下走？因为分母变大了。上一年的 AI 岗基数很小，随便涨一点就是十几倍；基数上来之后，倍数自然回落。

真正该看的是占比：从 2.29% 到 32.62%，意思是每三个新经济岗位里，就有一个挂着 AI 的名字。

还有一个口径必须说清楚：脉脉统计的是“新经济行业中高端人才”，平均月薪六万多是这批人的价格，不是你转行第一年的起薪。

把这两个数字搞混，转行第一步就会走错。

二、AI 岗不是一个岗，是三层

很多讨论把“AI 岗位”当成一个东西。它不是。它的结构大致分三层，门槛差了一个数量级。

第一层：造模型

算法工程师、大模型算法、AI infra、高性能计算

门槛：硕博为主，要论文或大厂实习

高性能计算工程师供需比 0.15，相当于 7 个岗位抢 1 个人

第二层：用模型

AI 应用开发、Agent 应用开发、AI 评测、AI 产品经理

AI 应用开发占新发 AI 岗 60.97%，技术底座岗只占 24.55%

这是岗位量最大的一层

第三层：养模型

数据标注、AI 训练师、内容审核

大专可投，专业不限，培训三到七天能上岗

三层里，岗位数量最多的是第三层，投递最拥挤的也是第三层；薪资和成长空间在第二层。

转行的人，目标是第二层，现实里大多落在第三层。中间这道坎，就是这篇文章要讲的事。

三、第二层的门槛，正在从学历换成能力

一组很说明问题的数字：最低学历要求本科的 AI 岗位占比升到 75.20%，要求硕士的降到 21.28%。

门槛在下移，但下移的不是要求，是“学历”这一项的权重。

智联招聘《2026 年人工智能产业人才发展报告》里，AI 产品经理职位数同比增长 87.7%，而人工智能工程师是 19.3%——前者是后者的四倍多。

有人统计过 99 份 AI 产品经理和 AI 运营岗的 JD：93.9% 不要求会写代码；34.3% 明确接受应届、实习或一到三年经验。

那它们要什么？出现频率最高的五项能力是：

1跨部门协作与沟通，出现 41 次

2AI 工具使用能力，出现 40 次

3用户洞察与需求分析，出现 26 次

4行业场景理解，出现 24 次

5数据分析思维，出现 22 次

五项里，没有一项是编程。

还有一个信息常被忽略：AI 产品经理不只在大厂。医药制造行业的平均月薪是 21048 元，汽车研发制造是 20334 元，都高于传统 IT。

对转行的人来说，这句话的意思是：你不一定要挤互联网。你原来所在的那个行业，可能正在内部长出一个 AI 岗——而你恰好是那个懂业务的人。

还有一个反向的识别方法，很实用：数一份 JD 里的技术词。Python、SQL、机器学习、模型微调、NLP，如果出现超过两次，又没跟“优先”“加分”这类缓冲词，这个岗位大概率要你亲自做技术，属于进阶目标，不是入门目标。

四、真正的通道：不是海投，是进圈

这是最容易被忽略的一组数据。

· 普通新经济人才找工作：75% 靠主动投递简历

· AI 从业者换工作：75.47% 靠猎头联系

· 其次是内推：64.15%

也就是说，AI 岗的招聘，很大一部分不走公开简历池。你在招聘软件上看到的那个岗位，可能已经被内推填掉了。

所以“转行从哪开始”的第一答案不是改简历，是让自己变得可被检索：

在一个垂直社区留下能搜到的作品；找五个目标公司在职的人做信息访谈；把简历从“我负责过什么”改成“我判断过什么、结果如何”。

AI 岗不走简历池。
你投不到，不代表没有。

五、三条入口：门槛、薪资、以及什么时候退出

这三张卡建议截图。数字是公开数据的区间，具体到城市和公司会浮动。

入口一：数据标注 / AI 训练师

门槛：大专，专业不限，培训三到七天

薪资：基础标注岗 64.9% 集中在 3000—6000 元；全国平均招聘月薪 6479 元，北京最高 9063 元

上限：考到三级/高级工后，上海地区月薪普遍到 15000 元以上，可申领技能提升补贴，也能用于居住证积分

风险：随着自动预标注普及，纯手工标注的单价在持续走低

建议：把它当入口，不当归宿。给自己设 12 个月退出期

入口二：AI 运营 / AIGC 内容运营

门槛：非技术友好度最高的一类，很多岗位一到三年经验即可，内容、增长、用户方向都不卡专业

薪资：大厂 AI 运营大致 11K—30K；作为对照，大厂 AI 产品经理 40K—70K

路径：运营转产品是成熟路线，用户洞察和数据思维是同一套东西

优势：上手快、岗位多，适合先着陆再换舱

入口三：应用型 AI 产品经理

门槛：本科起步为主，不需要写代码，但要有 AI 项目经验和一个明确的行业场景

薪资：医药制造行业平均 21048 元，汽车研发制造 20334 元，都高于传统 IT

硬要求：能说清 Prompt 怎么迭代、模型能力边界在哪、推理成本怎么算、幻觉怎么兜

提醒：市面上在招的九成是“应用型”，不是“平台型”。JD 里带“平台”“底层”“MLOps”的，别当入门岗投

六、一个反常识：别把“提示词”当职业

2023 年，“提示词工程师”在美国能开到 30 万美元年薪。

到 2026 年，国内几家头部大厂的招聘页上，已经很难搜到这个岗位名。它没有消失，是被拆开了——拆进了 AI 应用开发、AI 评测、AI 产品经理的职责描述里。

结论不是“别学 Prompt”，而是：Prompt 是识字，不是职业。会用是及格线，不是竞争力。

会用 AI 是及格线，
不是竞争力。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

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】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025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。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

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
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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】