4000 日薪的实习生和零工化的程序员，脉脉林凡盘点 25 年 AI 人才市场

大厂集体从从 “省省省” 到 “花花花”。

整理丨刘倩

*本期节目，也发布在了脉脉新上线的官方播客「职」无不言。

9 月 16 日，中国职场社交平台和招聘平台脉脉发布了《2025 年 AI 人才流动报告》，分析了字节、阿里、腾讯、百度、小红书等很多公司的 AI 人才招募情况、待遇变化和流动情况。

这期节目，我们分享了这份报告里很多有意思的事实、数据和洞察：

大厂招聘规模总体翻 10 倍；期权行权条件变得更优惠；活水到 AI 部门的门槛更低了；顶尖 AI 方向博士生的日薪已来到 4000 元人民币；最受欢迎的 AI 方向应届生毕业院校排名：第一是清华，第二是北邮。 ……

我们也讨论了未来的工作会怎么演变，AI 会给脉脉这样的职场社交平台和招聘平台，带来什么新机会？林凡看到，白领工作也有被外包和零工化的趋势，硅谷已出现了这样的公司。

AI 不仅在影响具体的工作，也在重塑整个工作的概念本身。

以下是我们与脉脉创始人兼 CEO 林凡的对话，经编辑：

晚点：从 2023 年初 AI 热潮至今，大家都觉得 AI 给程序员的编程工作帮了不少忙。就你自己的状态而言，AI 是让你更轻松了，还是反而更忙了？

林凡：坦白说，是更忙了。因为整个团队都在拼命探索 ——AI 这场变革到来之后该怎么应用？怎么和业务结合？同时还得不断学习、交流。

晚点：你最近是不是去了硅谷？也在了解比如 AI 和职业社交平台结合的机会点？

林凡：对，我两周前刚从硅谷回来。我每年一般会去一两趟，每次都带着比较明确的目的。因为中美两国都在科技创新的桥头，我到美国主要研究三方面的事：一是看技术本身的进展，二是看行业的应用与发展，三是看人才相关的情况。

技术发展的核心是：AGI 到底什么时候会来？会以什么样的节奏来？以及技术可能带来哪些商业创新；行业方面，因为我们的业务和招聘、人才密切相关，所以会重点看招聘领域 —— 同行们在用什么技术、什么商业模式；最后是人才层面，我们本身是一个人才相关的平台，所以也会关注中美两边人才的发展情况、当前状态是怎样的。

晚点：我们先从人才这块聊。最近硅谷的 AI 人才争夺特别戏剧化——大概从 6 月份开始，Meta 花了 140 多亿美元投资并获得了 ScaleAI 49% 的股份，接着 Meta 又陆续高薪挖 OpenAI、苹果这些公司的人。最近又有消息说，很多人刚去没多久就想走。

林凡：我和 Meta 还有 OpenAI 的同学都聊过这件事，其实就是正常的人才流动，只是被媒体稍微渲染得戏剧化了些。背后的原理其实很简单，还是回归商业本质 —— 投入和产出。顶尖 AI 人才能很好地优化算法、优化算力，大幅节省算法和算力的消耗。

最典型的例子就是今年年初 DeepSeek 出来的时候，一下把成本降到了原来的 1/10。比如原来需要 100 台服务器，现在只要 90 台，对 Meta 这种大厂来说，一年在 AI 硬件、算力上的投入都是百亿美金起步，要是一个人帮你省 10%，就是 10 亿美金的成本。那作为老板，你愿意花多少钱雇这个人？就算花 1000 万美金，也会觉得非常划算。这就是从 “投入” 角度看，大家愿意重金挖 AI 人才的重要原因。

再从 “产出” 角度看，还是以 Meta 为例，它一年的广告收入将近 2000 亿美金。如果有一个人能帮你多赚 1‰，也就是 2 亿美金，那从企业角度，给这个人开 1000 万美金的工资，你会不会愿意？

晚点：我听去美国的投资人朋友说，扎克伯格挖人的时候就是这么讲的。

林凡：对。因为过去三年，Meta 的广告收入差不多翻了一倍，Meta 在财报里也说这是 AI 带来的巨大变革。不过我和 Meta 内部的同学聊完才知道，这其实是一种 “包装”。 现在能明确的是，Meta 广告收入翻倍，本质还是由技术带来的。

晚点：“包装” 体现在哪方面？

林凡：Meta 用的其实还是上一代 AI 技术，核心应用场景是数据。前几年，苹果不允许 Meta 获取用于身份识别的数据，导致 Meta 的广告收入降了很多，这两年 Meta 完成了数据补全。

晚点：所以这不是新一波大模型技术带来的增长？

林凡：对，还是上一波深度学习带来的。当然也不能说深度学习不算 AI，对吧？是说 “AI 带动广告收入翻倍”，这种增长对大部分候选人来说其实是个很大的机会 —— 既能帮公司创造更大价值，也能为自己创造更大价值。

晚点：字节跳动其实一直在做类似的事，但 Meta 刚好赶上现在资本市场特别关注、看好 AI，我觉得这放大了它的股价。

林凡：没错，这里面有很大的杠杆效应。而且刚才说的 “降成本、增创收”，中美情况其实差不多，在中国，字节的广告收入增长也很快，背后也是大量应用 AI 技术在推进。

但美国和中国比，有个略微不同的点：在国内，包括美国外围的一些公司，大家普遍觉得这一年 AI 发展好像遇到了瓶颈，AGI 还是遥不可及的状态；但美国这边对 “AGI 即将到来” 的信仰非常强，跟 OpenAI、Google 的核心人员聊就会发现，外界看到的那些 AGI 瓶颈 —— 比如数据问题、强化学习的问题等等，他们其实都有相应的解法。所以这些核心成员依然相信，未来三年左右就能实现 AGI。

这时候像 Meta 这样的公司就会很着急，因为它在 AGI 基础沉淀上基本是空白的。现在真正在 AGI 领域有核心积累的团队，其实就 Google 和 OpenAI 两家，xAI 勉强算半个。

晚点：Anthropic 呢？

林凡：Anthropic 算不上真正做 AGI 的公司，它唯一的优势是在 “calling” 方面很强。

晚点：你觉得它是特化了那个方向？

林凡：对。真正聚焦通用人工智能的，基本就 “两个半” 公司：一个 Google、一个 OpenAI，半个 xAI。而且这几家的核心团队都相信，AGI 未来三年就能到来。对 Meta 来说，它之前好像赶了赶进度，但其实又落后了，所以特别着急 —— 要是三年之内拿不到 AGI 的 “船票”，整个公司可能都会面临大问题。

晚点：所以之前只是投资回报的问题，到这一步就不只是投资回报了，而是关乎未来的竞争力，甚至公司生死了。

林凡：没错，谁先突破 AGI，谁就能活到下一轮竞争里。

晚点：那这些核心公司技术人员对 AGI 的信仰，以及他们提到的 “AGI 即将到来的迹象”，彻底说服你了吗？

林凡：我觉得大概有八成被说服了。我自己都挺意外的，因为去之前根本没这个预期。

晚点：所以相当于你的 “AGI 信仰” 被加强了？

林凡：没错。其实去年去硅谷的时候，我感觉大家对 AGI 还没这么统一的共识 —— 即使是 OpenAI 和 Google 的核心团队，内部也有很多疑问，还有不同派别争论。但今年明显不一样，大家对 AGI 的信仰变得很强，我觉得这种信仰来自两部分：

一方面，过去一年里，强化学习让 AI 的编程等能力有了明显的跳变。因为 AGI 里很重要的一部分是理工科能力，如果 AI 的理工科能力能达到人类顶尖水准，那 AGI 到来的速度肯定会快很多；

另一方面是针对 “非理工科领域”，也就是我们常说的 “没有标准答案” 的事情。像数学、编程，都有明确的标准答案。那没有标准答案的事情，比如销售卖产品时跟不同客户说的话术不一样、记者采访不同对象时聊的内容也不一样，很难说哪句话更好、哪句话不好。我举个大家能听懂的例子：人类在面对专业领域的事，比如读文章，可能自己写不出高水平的文章，但看的时候能分清哪篇更好。

晚点：做判断比自己创造要容易。

林凡：对，AI 其实也一样，哪怕是个能力不算强的模型，也能判断出另一个模型生成的内容 “好不好”。有了这种判断反馈，这个模型就能专门给另一个模型做 “反馈”。去年常说的强化学习是 RLHF，也就是 “基于人类反馈的强化学习（Reinforcement Learning from Human Feedback）”，但现在普遍都是 “基于 Agent 反馈的强化学习” 了。结合刚才的理论，机器的反馈其实也能帮 AGI 自我迭代，一旦 AI 能进入 “自行迭代” 的阶段，大家普遍觉得还是有机会不断提升能力。

另外，从去年开始，大家普遍觉得 AI 的预训练阶段面临一个问题：可用的数据基本耗尽了。但从过去这一年的实际情况来看，人类在和 AI 沟通、互动的过程中，其实还在不断产生新数据。虽然这些数据的质量普遍比互联网上的原始数据差一些，但 AI 依然能从中筛选出高质量的数据，用这些数据进一步优化预训练效果。

以上只是两个例子，其实之前我们以为的很多瓶颈环节，现在看那些核心团队都在很好地解决。

晚点：你接触到的这些硅谷核心 AI 人才，他们对 AGI 的定义是什么？大家有共识的部分是什么，有分歧的又是什么？

林凡：大家对 AGI 的普遍说法是：在某些具体任务上，AI 的完成效果能超过普通人，甚至超过最优秀的人。比如今年，OpenAI 的大模型参加了全球顶尖的信息学奥林匹克竞赛，并拿到了全球第八名的成绩，说明在这个任务上 AI 已经比很多人类表现更好。所以大家对 AGI 的定义很明确 —— AI 能不能在各类任务中，都比人类完成得更好。

晚点：那为什么 Meta 花了这么大成本、开了这么高的薪资招人，还是有人待了一段时间就走了？

林凡：我拿你举个例子：假设我给你开 100 万的月薪，并且提供足够资源让你在媒体领域做想做的事；另外一家公司给你开 1000 万月薪，但你去了之后，老板天天骂你、否定你。你是留在月薪 100 万的公司，能做出成绩、有成就感？还是去月薪 1000 万的公司，天天被 diss、处处受限，还得担心以后保不保得住高薪？其实这时候对你来说，100 万和 1000 万只是数字上的差别了。

晚点：当待遇超过一定界限后，大家最在意的就不是钱了，而是其他东西 —— 比如公司文化、一起共事的人、待得舒不舒服以及能不能实现自己的想法。

林凡：对，这符合马斯洛需求层次理论，不同阶段追求的东西不一样。

晚点：能感受到人才市场里这个界限在什么水平吗？

林凡：在硅谷，基本上顶尖 AI 人才年薪在 500 万到 1000 万美元这个区间，再往上的薪资对他们来说就没什么意义了。国内的话，大概就是差个汇率，在 500 万到 1000 万人民币之间。

晚点：那实际上，中美两边的 AI 人才里能达到这个薪资水平的人现在有多少？

林凡：大概千分之几的比例。比如从 10 万-20 万 AI 人才里筛选，再按千分之几算，大概就几百人。

晚点：美国公司有没有可能直接从中国公司挖人？

林凡：目前基本没看到这种现象，更多是中国公司试图挖美国公司的人。不过中美 AI 领域有个很明显的特点：华人占比很高，美国 AI 界里大概 60% 都是华人。

晚点：除了刚才说的顶尖人才待遇差了一个汇率外，中美 AI 人才还有哪些差异？

林凡：我觉得不只是顶尖人才的薪资差了一个汇率，而是从上到下所有相关人才的薪资，基本都差了一个汇率。我们自己观察到的差异点主要有三个：

第一个就是刚才说的，薪资差了一个汇率；

第二，在美国，真正推动整个行业变革的核心人物里，还是以非华人为主。比如强化学习这个方向，最初是美国的研究者提出来的。但强化学习里某些方法的优化、让它变得更高效的具体工作，是华人在做。

第三个比较大的差异集中在初级岗位的 AI 替代，因为中美人力成本不同，导致 AI 替代的激进程度也不一样。美国已经出现很明显的 AI 替代初级岗位的现象；但中国因为人力成本低很多，目前还没到明显替代的阶段，可能有些岗位的增速变慢了，或者不再扩招，但并没有出现大量人才被释放出来的情况。

晚点：而且美国那些大科技公司，业绩在变好，股价也在涨，却还在裁员。

林凡：对。在美国，像 “科技七巨头” 这样的头部公司，对程序员基本都是 “只出不进”—— 可以离职，但离职后不补人。只有个别部门或岗位实在缺人，才会搞 “2 换 1” 或 “3 换 1”—— 离职 2 个人，才补 1 个，或者离职 3 个，补 1 个，本质上还是在缩编。

创业公司就更明显了。以前一家做招聘服务、法律服务或数据标注服务的创业公司，要搭建一个还不错的团队，至少需要 8-10 个程序员，但现在都是 1-2 个程序员就够了，相当于 “1 换 5”，一个核心程序员加 AI 的产出基本能比得上 5 个程序员。所以不管是巨头还是创业公司，对低端、初级人才的替代都非常明显。

晚点：在中国，这种情况大概什么时候会发生？

林凡：可能还要再等 1-2 年。

晚点：脉脉一直在做人才报告和洞察，听说你们马上要发布一份和 AI 人才相关的新报告，其中一个主题是 “大厂重回增本增效时代”。能不能展开讲讲，该怎么理解这个 “增本增效”？

林凡：“增本增效” 的信号其实很明显，而且是从 DeepSeek 发布相关成果后开始显现的。有两个数据特别直观：

第一个是企业侧：从 2 月份开始，AI 岗位的月均发布量环比增长保持在两位数，每个月都有 10%、20% 的增长，招聘节奏明显加快。第二个是人才侧：同样从 2 月份开始，脉脉上每个月新增标注 “看机会” 的 AI 人才差不多有 1 万名；到了 7 月份，更是有 40% 的 “AI 六小龙” 员工，把自己的求职状态改成了 “看机会”。

“增本增效” 的本质是，经过过去两年的 “瘦身”，大厂不再琢磨省钱，而是怎么增长，因为省钱带来的性价比提升已经很低了。在 AI 时代，大家更关心的是 “往哪投钱”“给谁投钱”“投多少钱能让公司整体效率再进一步提升”。我举几个具体例子：

第一个是绩效体系。像字节这类公司，以前绩效常提 “271”（20% 高绩效、70% 普通绩效、10% 低绩效），现在会特意提高 “2” 的比例。在核心产出部门，可能 30% 甚至 50% 的人能拿到高绩效，这样一来，团队里大家的干劲会更足，对公司的贡献自然也会大很多。第二个是员工跨部门流转，也就是 “活水”。现在很多大厂开始降低跨部门调动的门槛，尤其鼓励大家转到 AI 业务部门。比如腾讯，以前员工要满一年才能转去其他部门，但如果是想进入混元大模型、元宝这些 AI 相关部门，满 3 个月就能转。这么做的目的，就是让更多优秀员工能快速流动到目标的岗位上。第三个是股票激励。不管是 OpenAI、阿里，还是字节、腾讯，都对股票做了一系列的调整，尤其是股票生效时间。比如阿里，以前股票激励是 “第一年 0、第二年 50%”，现在改成 “第一年 15%、第二年 25%、第三年 30%”…… AI 团队经常遇到一个问题：员工刚入职半年，就被其他公司用 30% 的涨薪挖走。如果按以前的政策，员工干了 6 个月，股票要等一年半才生效，而对方的加薪是立刻能拿到的，很多人就会直接跳槽。但调整后，股票更早生效，所以这种调整能及时挽留人才。

晚点：你们是怎么定义 AI 相关工作的？

林凡：AI 领域有很多专业术语和关键词，比如 deep learning、大模型这些。我们的定义很明确：一方面要看岗位名称或岗位描述里是否包含这些 AI 关键词；另一方面，也要看这个人才过去的工作背景和经历里，是否有匹配这些关键词的相关经验。

晚点：那像 “搜广推”（搜索、广告、推荐）相关的岗位，算在你们定义的 AI 人才范畴里吗？

林凡：如果岗位描述里单纯出现 “搜索”“广告”“推荐” 这些词，不算。不过 “搜广推” 在我们看来是一种岗位职能，因为越来越多公司会用大模型技术来做 “搜广推” 相关的工作，所以关键看岗位真正用到了哪些技能。

晚点：那产品相关的岗位，在你们这个范围里吗？

林凡：一样的。

晚点：那更偏向业务的岗位呢？比如销售 AI 产品的岗位也算吗？

林凡：也算。我们对 AI 相关岗位的定义不只是局限在技术岗，而是 “技术 + 职能” 的综合定义。不过从目前的数据来看，85% 的 AI 相关岗位还是偏技术类的，只有 15% 是非技术岗，像产品、运营、设计，还有你提到的 AI 产品销售都属于这一类。这些非技术岗现在数量还很少，主要是因为国内能大批量售卖的成熟 AI 产品还不多。

晚点：AI 岗位分很多类型，目前增长最明显的是哪类？

林凡：增长最明显的还是技术岗 —— 像核心的模型研发、模型应用，还有衔接模型与业务的岗位，都是现在增速最快的。另外，不同公司的差异也很明显，比如字节，在 AI 岗位招聘上是断崖式领先的。

晚点：字节的这种 “断崖式领先”，比腾讯这类公司多多少？有一个数量级吗？

林凡：大概是三四倍的差距，没到 “一个数量级” 那么夸张。

晚点：你刚才说字节的 AI 岗位数量最多，那其他公司有什么特点或情况吗？

林凡：基本上所有大厂的 AI 人才招聘规模，今年都比去年增长了 10 倍以上。

晚点：那他们实际招进去的人数，大概也增长了这么多吗？

林凡：从我们观察到的数据来看，基本也是同比例增长的。

具体到公司排名，最高的是字节，第二名是小红书。因为阿里是按淘宝、云等板块等分开统计的，阿里系排到第三、第四的位置，第五是腾讯，再往后是美团、京东、百度、华为这些公司。能看出来，所有大厂在争抢 AI 人才这件事上，都非常努力和积极的。

晚点：我看你们统计的数据里，有一些不是互联网科技大厂，而是和先进制造业相关的公司，比如小米、比亚迪。你们有个 “AI 人才流入流出比” 的指标，这两家公司的这个指标比腾讯、阿里更高。能不能讲讲，AI 人才流入流出比能反映什么？我们能从这个指标里看到什么趋势？以及为什么小米、比亚迪这类公司的流入流出比会这么高？

林凡：先解释下流入流出比 —— 比如一家公司某段时间流入 2 个 AI 人才、流出 1 个，那它的流入流出比就是 2，意味着 “进水大于出水”。我们统计里的这些公司，流入流出比基本都在 1 以上，都是净流入。而流入流出比高，就说明这家公司对 AI 人才的需求更迫切。

至于小米、比亚迪这类硬件公司、车企的流入流出比高，背后是个很明确的趋势：现在大模型已经不仅仅是服务于互联网公司了，在千行百业里都有很好的应用场景 —— 比如金融科技、智能自动驾驶、机器人，还有各类硬件领域。因为底层的大模型技术基本都统一了，所以各个行业的公司都在争先恐后地招 AI 人才。

晚点：我们 2024 年 4 月聊的时候，你提到过在脉脉上观察到的不同大公司员工的 “精神面貌”。现在过了一年，你看到这些公司员工的面貌有什么变化吗？

林凡：不同公司的差别还是挺大的。我记得去年聊的时候，提到阿里员工变得更 “克制”。但今年明显不一样了，因为阿里的 AI 业务做得不错，业绩和股价也都很好，所以内部士气明显提振了。现在阿里员工更愿意聊业务战略、聊组织调整，更喜欢谈公司的股票。

对比来看，美团因为外卖业务和阿里的竞争打得很激烈，能明显感觉到他们内部的讨论比以前焦虑很多。很多美团员工会担心 “能不能守住现有优势”“护城河够不够宽”。

晚点：就你自己的感受，阿里士气提振，主要是 AI 的作用大，还是外卖大战的作用大？

林凡：主要是 AI。从去年阿里做完组织结构调整，把重点转向 AI 之后，我们就能明显看到，阿里内部关于 AI 的讨论变多了，对 AI 的重视程度也在持续提升。

当然换个角度说，我认为员工最核心关注的还是绩效、晋升、收益。为什么大家会觉得 “是 AI 带来了这些变化” 呢？因为 AI 业务做起来之后，资本市场认可了阿里，公司股价上去了 —— 员工手上的股票更值钱了，自然对公司的认可度和工作热情也就更高了。说到底员工的想法很朴素：如果能从公司获得实实在在的利益，那公司士气自然会提振；可要是利益受了损失，比如股票缩水，大家就容易陷入焦虑，工作积极性也会受影响。

晚点：那京东员工在脉脉上主要讨论什么？

林凡：他们讨论的还是和外卖业务策略相关的事情。

晚点：你刚才提到的大部分公司是上市的，员工会受股价影响。那像华为、大疆这种不上市的公司，员工在脉脉上聊什么呢？

林凡：他们聊的内容，基本就两类：一是自家的产品，二是具体的竞争对手，比如华为员工经常和小米 “比车”；而大疆因为产品比较有竞争力，员工讨论产品反而少一些，更多会聊衣食住行、公司福利这类日常话题，比如 “在哪个办公区上班”“租哪个小区的房子更合适”，都是这类贴近生活的内容。

晚点：创业公司在员工士气、AI 人才流动这些方面的情况怎么样？刚才稍微提了一点，7 月之后 “AI 六小龙” 里有 40% 的 AI 相关人员标注了 “看机会”。

林凡：今年创业公司的情况可以说是 “喜忧参半”。“喜” 的方面是，自从 DeepSeek 横空出世后，很多投资人对 AI 创业公司有了更强的信心，AI 领域的投资数量和交易额都有提升，创业公司能拿到的资金变多了。之前 AI 热潮刚起来的时候，不少投资人觉得 “AI 的未来是大厂的菜，和创业公司没关系”。

“忧” 的方面跟人才大战有关 —— 现在大厂都在拼命涨薪、提升待遇挖人。虽然创业公司融到的钱变多了，但和大厂比，手里的资源可能差了两三个量级，所以创业公司能给员工开出的有吸引力的薪资、待遇很有限，导致不少 AI 人才都流向了大厂。

晚点：大厂有相对劣势的地方吗？

林凡：大厂的劣势主要是 “做事慢”。人才进去后，如果是中层或底层员工，大多是按老板布置的任务做事，能自主发挥的空间有限，拿到结果、做出成绩的速度也比较慢；但在创业公司不一样，如果这家创业公司有好的应用场景，员工能获得很好的机会去验证自己的想法、发挥能力，拿到结果的速度会快很多。

晚点：我看你们报告里统计的数据，在大公司里，一个 AI 人才平均能待 2 年，这个时间算短还是算长？

林凡：跟其他新经济科技行业 2.9 年的平均跳槽周期相比，这个时间算短的 。

晚点：之前有市场传闻说，有些公司或部门的 AI 人才平均在职时间只有 8 个月。

林凡：这两年因为经济承压，大部分员工进了大厂后，主动离职率已经低到非常非常低的水平了，基本只有 3%-5%。除非大厂之间互挖，开出特别高的薪资，否则大部分人才不会轻易流动。

晚点：那大厂之间谁和谁互挖最激烈？

林凡：字节是大部分公司 AI 人才的主要流入方向，百度则是 AI 人才流出最多的公司。另外，字节也是挖 “AI 六小龙” 最多的公司，百度是挖 “AI 六小龙” 第二多的公司。这说明比起很多创业公司，百度还是有优势的。

晚点：那腾讯和字节之间互挖激烈吗？

林凡：我们在脉脉上看到很多人的履历都是 “上一份在腾讯，下一份去字节”，或者 “上一份在字节，下一份去腾讯”。

晚点：为什么没有阿里？

林凡：我觉得主要是因为阿里分拆成了好几家公司，统计起来不明显。

晚点：刚才我们都是从公司角度聊 AI 人才市场的变化，接下来想多从 “人” 的角度，也就是雇员角度聊聊。刚才也提到，有些人才即使现在这种情况，还是会选创业公司，因为创业公司能让自己成长更快。从求职者角度看，你们观察到哪些人是最直接受益于当前 AI 岗位增长的？

林凡： 我觉得是 Top 高校毕业的理工科的硕博人才。

晚点：“Top 高校” 的范围怎么界定？

林凡：我们一般认为是 “C9 + 一电一邮”—— C9 高校，再加上北京邮电大学和西安电子科技大学。

我们有数据表明，在所有 AI 人才里，这些顶尖高校的本科生只占 20%，硕士占 54%，博士占 25%—— 博士占比比本科生都高，这说明硕博人才实际上是非常重要的。

晚点：在 “C9 + 一电一邮” 这些 Top 高校里，什么学校最受欢迎？

林凡：前十名依次是：清华大学、北京邮电大学、浙江大学、北京大学、上海交通大学、北京航空航天大学、中国科学技术大学、华中科技大学、电子科技大学、中国科学院大学、哈尔滨工业大学。

晚点：为什么北邮排名这么高？

林凡：我那天看到这个排名列表的时候也有点差异，因为像浙大，它的规模、人才供给非常大，所以浙大排在北大前面是可以理解的。北邮排名这么高我觉得可能是北邮出了很多不错的工程类人才吧，毕竟工程是很重要的基础，得把大模型底层的框架搭好。过去十年，北邮在各大互联网公司里被证明是个工程人才的摇篮。

晚点：那北大排名靠后，是不是和它的招生规模有关？

林凡：我觉得是有关系的。

晚点：没毕业的博士实习生，是不是很多公司特别青睐的？

林凡：这也要回到 “DeepSeek 时刻”。在那之前，基本上大家都觉得得从美国挖核心人才才行；直到 DeepSeek 出来后，大家发现用一批实习生和应届生也能做出巨大贡献，所以今年实习生抢疯了，顶尖 AI 方向博士生的日薪已来到 4000 元人民币。

晚点：有些工作月薪也就 4000-5000 人民币，实习生日薪就有这么多？

林凡：而且有的实习生还很努力，周六也干活。

晚点：那就是说，他们一个月大概能干 28 天？

林凡：只要愿意都是可以的。之所以开日薪，就因为公司不拦着。

晚点：从数据上看，实习生、应届生相比有工作经验的人来说，他们在增长的比例上有什么区别？

林凡：没有非常具体的比例。但能看到，在整个 AI 人才招聘里，实习生的占比已经快速增长到百分之十几的规模了。以前大家主要招的是有两三年甚至更久工作经验的人，现在实习生明显成了重要的新兴力量，尤其是大部分大厂，对实习生这块特别看重。

晚点：什么背景履历的实习生，能拿到 4000-5000 的日薪？

林凡：这还是少数。现在中美对 AI 人才有个挺有意思的量化标准 —— 论文引用数。Google Scholar 上面能看到每个人发的论文被引用了多少次。基本上在 AI 相关论文里，要是引用数过万，在美国年薪能有三五百万美金，甚至到千万美金；引用过千的话，大概一两百万美金；过百的话，差不多 50-100 万美金，大概是这么个情况；国内的话，基本就是把这个数字除以汇率。要是国内有实习生日薪能到 4000-5000 元，那意味着他们在 AI 领域发的论文，引用数至少过百了。

还有另一类是工程人才，现在大家公认的是 GitHub 上代码的下载量。比如下载量 10 万以上是一个价，几千的又是一个价格。不过工程人才的薪资可能比有论文的要稍低一点。

晚点：哪些专业或者职位受大模型浪潮冲击最直接？

林凡：如果一份工作标准化程度、重复度很高，那这类岗位就容易受 AI 冲击。美国比中国更明显，我们看到美国很多初级岗位，像客服、运营、数标注，包括初级开发岗，都被 AI 直接替代了。

国内的话，主要是初阶工程师招聘数减少。有些岗位同比降幅超过 20%-30%，比如嵌入式开发、Python 开发、数据开发、前端测试工程师、安卓和 iOS 开发这些低端开发岗，我们看到它们的招聘数量和规模都在缩减。还有像市场行政、一些运营岗，招聘量也在降。

除此之外还有个挺有意思的点 —— 高管岗位也在降。过去这些年，公司扩张快，储备了足够多高管；AI 来了之后，需要懂 AI 的人进核心管理岗，所以就会把原来非 AI 背景的高管淘汰出去。

晚点：高管岗位的降幅能有多大？

林凡：大概四分之一。

晚点：很多不是资深研究者背景的年轻求职者，想找个初级入门的工作，是不是也变难了？

林凡：现在确实是这样。刚毕业的同学，如果不是顶尖高校的硕博，想找个好点的入门岗位，难度明显增加了。这在美国更明显，国内还好点，因为中国人力成本比美国低很多，所以很多公司还愿意花点钱雇年轻人。

晚点：你是 98 级清华计算机系的，参与过搜狗早期创业，在创立脉脉之前还做过好多年程序员。在计算机技术背景之下，AI 发展到现在哪些地方让你觉得特别吃惊？

林凡：其实我大学还有博士退学之前，学的都是 AI 方向，具体是机器学习这块。

晚点：那应该是 2002 年开始读博士？

林凡：对，当时读的是直博。

晚点：2002 年直博开始学机器学习，那时候你想象过 20 年后 AI 能发展到什么程度吗？

林凡：说实话，那时候完全没预料到 20 年之后 AI 的这一次跳变。我们当时研究最早的神经网络最多也就只能跑到 10 层，那个计算量已经大到不敢想了。我之前在微软亚洲研究院做 Office 助手，当时在百万级的数据集上跑神经网络，用当时最好的计算机，差不多得跑两天两夜。而且那时候也没什么集群，就靠单机跑，结果跑出来的效果还特别 “弱智”。所以后来我们就用了很多像 BNN、SVM 这类简化的网络来替代神经网络，做一些 ROI 更高、收敛速度更快的算法。

但现在不一样了，算力、数据规模足够了，哪怕用 “暴力堆网络规模” 的方式计算（当然中间也做了很多优化），效果也比当时好非常非常多。所以我们这些最早正统做 AI 的人，从来没敢想 AI 能发展到今天这个地步。

晚点：那中间有没有哪个时候，让你觉得 AI 开始有 “爆发” 的苗头了？

林凡：我觉得第一波苗头是 Deep Learning。我印象里最早在九十年代，连识别车牌上的十个数字都特别难。到了 Deep Learning 阶段，人脸识别能做到在几亿人里准确找出一个人 —— 我本身是脸盲，在几百人里都认不准，那时候就觉得已经非常的神奇了。后来 Deep Learning在广告以及自然语言这些地方的应用，都还让人觉得蛮神奇的。

但那时候的 AI，跟现在能跟人自然对话、帮人写代码相比，又完全不是一个量级的。

晚点：你说的那个节点差不多在 2012 年前后？

林凡：2010 年前后。

晚点：那时候你是什么状态？之前提到博士没读完。

林凡：我读了半年博士就退学了，回来去创业了。那时候我觉得 Deep Learning 是个很好的技术，能用到互联网的一些场景里，比如 Deep Learning 最典型的就是用在广告场景。

那时候没太多别的感受，就觉得 Deep Learning 是个好技术，能用到互联网的一些场景里。有点像当年 Google 推出 Hadoop 这些大数据平台时的感觉，仅当它是个好用的工具而已。

晚点：你 2012 年创业的时候，没想着往这个方向做是吗？

林凡：对，那时候移动互联网是最大的变革。其实我觉得很多时候不用非要踩在技术最前沿，不然很可能变成 “前浪” 被拍在沙滩上，还是得找当下最适合的技术方向。

晚点：那时候确实已经有一波早期 AI 创业公司了，比如旷视是 2011 年左右成立的，商汤大概是 2013 年。

林凡：我跟旷视还挺熟的，那时候我们经常一起聊创业该做什么。

晚点：你说的是印奇还是唐文斌呀？

林凡：唐文斌。那时候印奇还没回国，唐文斌在国内主追各种探索。他们当时已经创业了，但还没找到方向，属于典型的 “拿着榔头找钉子”—— 有 facial recognition（人脸识别）技术，但不知道该用在什么场景。他们试过游戏领域，玩是挺好玩的，但具体怎么赚钱、以后怎么发展，他们也没想明白。后来又尝试帮商场统计人流，因为商场需要知道人流情况来判断哪个是旺铺。后面发现这技术用在这太高深了，因为直接统计进来的手机 WiFi 数量就行，根本用不上复杂的人脸识别。之后他们还试了好几个方向，直到最后找到银行人脸验证这个场景，才开始进入高速发展期，前两三年其实特别痛苦。

晚点：那你觉得这次 AI 浪潮，可以给脉脉之后的发展带来哪些机会？

林凡：我觉得这是对整个行业的一次比较大的、颠覆性的机会，我们现在主要用 AI 来优化招聘环节。现在 HR 做招聘要解决人才搜索、筛选简历这些问题，AI 做这些事基本上能跟人做得一样好，有时候甚至更好；第二部分是跟候选人沟通意向，类似 “你对这个岗位有无意向”“更关注哪些方向的岗位” 这类的沟通工作。

我们推出了一些具体的解决方案，比如帮 HR 筛选简历的工具，三分钟能读 5000 份简历，特别节省时间。HR 反馈说提效特别明显，现在离了这工具都不好干活了。所以我们觉得，招聘场景里的每个环节都能用 AI 提效，这对整个招聘业务是很大的助力。甚至说不定哪天，整个招聘全流程都能用 AI 全自动完成。

晚点：你有看到 AI 和招聘结合的有意思的新尝试吗？

林凡：我们包括美国的一些创业公司，都在做 “AI 猎头” 这类产品 —— 就是让 AI 帮招聘方和候选人做更好的撮合，大幅提升求职和招聘的效率。现在我们衡量找工作、招人的时间，都是用 “周” 或者 “月” 做单位；等 AI 把效率提上来之后，可能降到 “天”，甚至 “小时” 的级别。

晚点：在硅谷，有一些挺颠覆甚至有点争议的做法 —— 比如帮求职者在面试时配个 AI 助手，这其实有点作弊的嫌疑。前段时间我们聊过一家叫 Follow Round 的公司创始人，还有最近 a16z 投资 Cluely 也挺火的，你怎么看这种尝试？

林凡：我觉得这种尝试本质上就是个过渡阶段的工具或功能。我们内部招人时也聊过这事儿，以前面试程序员或者其他岗位，都希望候选人靠自己的能力完成任务；但现在所谓的 “AI 作弊”，其实本质上是说 “人怎么用好 AI 来完成任务”。

晚点：所以重点还是看最终交付的结果？

林凡：对，更看重结果本身，至于是候选人自己有这能力，还是靠工具才有这能力，反而没那么在意了。

晚点：但有些招聘方好像不全是为了要结果，他们是想通过面试题看人的能力和潜力。

林凡：现在的核心是说 —— 公司要看的 “能力”，到底是候选人自身的能力，还是他会用 AI 的能力？

晚点：我觉得这是 AI 给职业市场带来的新问题。

林凡：我觉得整个体系会发生巨大变化，这就是个过渡阶段——有很多公司还在用传统的能力象限来看候选人，而候选人则靠 Final Round 这种面试工具来解决问题。

晚点：那过渡阶段之后，长期来看，求职整个链条会怎么变？

林凡：先说最终局的事情——所有人的工作基本上都被 AI 替代了，出生即退休；

从这个终局往回推，再前一个阶段——未来白领的工作可能会像现在滴滴、美团蓝领的工作一样，被平台化。你看现在，公司都是招几个销售、运营、产品、市场，凑个团队一起做事。但这些人本质上都是在交付具体产出，比如销售找客户、收回款，运营和研发交付结果。未来这些具体任务，很可能会由云端的 “人机混合公司” 来解决。

晚点：所以可以理解成，外包从蓝领工作渗透到白领工作，而且这外包不一定全是人干的，是机器和人混合一起干？

林凡：对，总有一些具体的事需要人做变通、做适配，但大部分活儿会由机器来干。从最终局 “所有人不用干活” 往回退一步，就是大量 “人机混合外包公司” 出现，这会让开公司变得越来越容易。刚才说硅谷一两个人就能开公司，未来会更普遍。现在一两人开的还多是 AI、代码相关的科技公司，以后各行各业都可能靠这种服务开起来。所以我们觉得那个阶段就是 “从机器上云到人力上云”：所有人力都变成云端服务，任何公司都能调用。

晚点：你说的 “人力上云” 这个过渡阶段，是不是真正要找工作的人会少很多？

林凡：对，那时候大家可能都受雇于几个外包巨头。

晚点：而且外包巨头雇的人可能也有限，毕竟是人机混合。

林凡：不一定，他们会把工作碎片化。就像现在，失业的人多了，开滴滴的就多了，每个人多少都有点活干。现在失业了可能只能跑滴滴、送外卖，但未来还能做客服、销售这些白领零工，选择更多。

晚点：白领工作 “零工化”？

林凡：没错。

晚点：你认为这种模式能覆盖一定数量就业人群？

林凡：我觉得能覆盖足够数量的就业人群，而不只是 “一定数量”。只是大家的工作被碎片化了。

晚点：那这种状态下，大家收入会变多还是变少？以及职业成就感——零工能带来的成就感会变多吗？

林凡：职业成就感肯定会变低，这是肯定的 —— 人得有意义感、使命感，才会有强成就感。就像现在的滴滴司机、外卖小哥，没多少职业认同感，无非是有份工作能养家糊口。当然，可能 Top 5% 到 10% 的人还能在大公司工作，但绝大部分人得靠零工、外包这种方式工作。

至于收入，我感觉整体会持平。你看现在跑滴滴、送外卖，够拼的话也能赚不少。未来白领零工平台上，肯努力、积极干活的人，收入可能比现在还高；大部分人可能比现在工资略低一点，差个 10% 左右；要是不愿意干活、三天打鱼两天晒网，也能用很少的钱养活自己。

晚点：那白领零工的职业发展是什么？

林凡：有个真实的例子，美国有家公司，招全球程序员给 OpenAI 做数据标注。

所有新人进来先做 “写代码” 的任务——10 个人一起写，AI 评估谁写得好、谁不好。写得最差的淘汰。写得最好的人 “晋级” 为 “代码审查”；然后做代码审查的人里，做得不好的降级回写代码，做得好的能被选去写 AI 的 Agent；再往后，写 Agent 的人里又分为 “好”和 “不好”，做得不好的降级，做得好的升级成 “Agent 审查”。

你看，这个零工外包平台把人分成了四个层级，还是有升级路径的，但跟现在 “程序员→高级程序员→系统工程师” 这种固定路径完全不一样。

晚点：他们现在有哪些 Agent 需要 review？

林凡：大概有几百个 Agent 吧。他们不只是帮 OpenAI 提供代码，还帮华尔街做 task。

晚点：这个平台上的程序员，收入能到什么水平？比如跟印度本地比较好公司的程序员比呢？

林凡：要高很多，差不多是硅谷薪资的一半，大概 10 万到 25 万美金一年。

晚点：那脉脉接下来有类似的计划吗？

林凡：我们现在还在做招聘 AI 化的事情 —— 招聘这个场景很典型，每个环节都能拆解开，每个环节都能用 AI 提效，等把这些环节串起来，就有可能做成一个白领零工招聘平台。

晚点：您刚才说的终局是 “所有人不用干活”，往前退一步是 “人力上云”，再往前退一步呢？

林凡：再往回退一步，就是大家都开始用 AI 解决工作问题，这时候面试方式也会改变 —— 以前是用任务考察潜力和能力，现在得设计新方式，考察 “用 AI 的能力”，这又是一个关键节点。

我觉得这三个节点，会带来完全不同的社会变化。现在我没想清楚的是，从 “大规模零工平台” 到 “全员退休” 中间会发生什么。但从现在到 “大规模白领零工平台”，我已经慢慢有感觉了。

晚点：在这三个节点里，离我们最近的就是，招聘开始考察 “这个人能不能和 AI 一起工作” 的能力了。这个有看到具体的变化吗？你们做了什么调整吗？

林凡：我们现在还在讨论，还没形成统一标准。举个例子：以前招市场人员要看文案功底，现在不一定非要考察这个。你可以直接给他一个任务，让他用任何方式 —— 不管你是自己写、还是用 GPT 或其他 AI 工具，在 10-20 分钟内交出一个结果。只要结果让人满意，就说明他具备用好 AI 解决文案问题的能力。

不管是美国的创业公司，还是我们在中国招 AI 相关人才时，都发现产品经理和程序员的边界在变得模糊。很多产品经理已经能调用 AI 实现自己的想法，很多程序员也能用 AI 画设计图。你会发现所谓的能力边界在模糊。

晚点：上次和 Follow Round 创始人聊天，他提到一个有趣的观点：面试方式可能会改变。现在的面试像考试，一次性或分几次进行；而未来可能会创造一个真实工作环境，让候选人来工作几天或一周，双方相互磨合。甚至可以用机器构建这样的环境，用实际体验代替传统面试。

林凡：从我的角度看，可能还没等到这种新型面试普及，我们就已经进入 “零工时代” 了。我觉得这两个趋势会同时快速发展。面试方式的改变只是细节上的小变革，而工作流的变革（人力上云）才是真正的大变革。

晚点：您觉得第一个节点和第二个节点大概会在什么时候发生？

林凡：我认为第一个节点可能在未来 2-3 年内发生，第二个节点（人力上云）可能在 5-10 年内实现。但都取决于 AGI 的发展速度。

晚点：谁有可能成为 “人力上云” 的平台？

林凡：我当然觉得是招聘公司了。

第一类是大模型公司。它们本身有底层技术能力，就像以前有些活是人类干的，现在 GPT 自己就能干；等大模型的 AGI 能力开始变强的时候，肯定会往外延伸。第二类是大厂。你看现在做云服务的大多是大厂，以前是靠足够多的机器实现复用和灵活调度；未来它们也能靠手里的人力资源做这件事 —— 要是大厂的程序员，除了服务大厂外，还能服务社会上的创业公司，那认可度肯定高。第三类就是我们这种招聘公司。

我觉得这三类公司比较有希望在下个时代进入 “人力上云” 这个领域。

晚点：你并不担心别人知道你这个 idea 是吗？

林凡：哈哈，有想法的人多了去了！我更希望能找到志同道合的人一起干。

晚点：能不能根据脉脉上的数据，给大家一些教育选择、职业选择的一些建议？

林凡：先说说职业选择。有个建议对所有人都有用 —— 一定要花钱买 AI 会员，把 AI 变成日常习惯，把 工作里所有任务都试试扔给 AI，看看它能做到什么程度。我们有个简单的衡量标准：不管用 ChatGPT、豆包还是别的 AI 工具，每天能用够 10 次才算及格。要是一周才用 10 次，那得赶紧培养这个习惯。

第二个，我建议大家去培养那些还没被数据化、AI 学不会的复杂能力。

晚点：这是您给脉脉员工提的指标吗？每天 10 次？

林凡：对，不管是内部还是对外，我都一直在说这个 —— 每天 10 次是底线。要是达不到，未来两三年里，工作很可能会慢慢被淘汰，因为到时候 AI 和工作的结合度会非常高。

晚点：我最近看到个数据，今年 6 月美国针对 Z 世代（大概 95 后到 05 后）的孩子的家长做了个调研，问他们觉得什么工作最抗 AI、不容易被替代的。结果超过 50% 的人选了水管工，第二是空调系统维修师，第三是电工，第四是护士，第五是律师。

林凡：我觉得这个说法也对也不对。现在大模型确实干不了前四个活，但具身智能其实也在往这方面发力，它们的瓶颈其实都在 AGI 能力的进展上。

晚点：但它对稳定性、安全性要求可能会非常高。

林凡：可能没你想的那么难，关键还是看大模型这个 “大脑” 啥时候能发育好。

晚点：那你觉得大模型什么时候能代替护士？

林凡：大概 10 到 15 年。