从今年春天开始，国内的AI求职市场简直就像是着了火，新招的人数足足翻了12倍。拿支付宝推出的AI付、蚂蚁财富的搜索推荐这些核心业务来说，几乎每一条线上都在疯狂地找AI博士，直接导致新经济岗位里做AI的比例从2.29%一口气飙到了26.23%。 需求这边在疯涨，供给那边却一动不动，整个行业的供需比才0.97，比别的行业低得多。像高性能计算工程师这种岗位，更是夸张，7个活儿只有1个人能来干。卖方市场一旦形成，“岗位比人多”这就把工资水给抬起来了。 现在查一下就知道，AI岗位平均月薪已经到了60738元，比别的新经济岗位高出26%。哪怕是级别高一点的科学家或者负责人，一年拿个160万那是轻轻松松的。企业面对这种七个职位抢一个人的局面，高薪自然就成了最直接的“抢人”武器。 其实高薪背后藏着两种截然不同的算账方式。大厂愿意花160万去买博士，买的是技术能立马变现的本事。他们不光要懂算法，还得能把大模型、多模态这些东西落地到搜索、推荐、广告里去，给公司带来更多用户或者收入增长。正因如此，新发的岗位里有73.34%都要求至少有3年的经验，企业最想要的就是能马上上手干活的人才——这笔高薪，本质上就是为了给可预见的商业回报和市场竞争优势买单。 再看看中科院那些科研院所，他们的主要任务是攻克前沿科学难题和大项目。他们看重的是长期的学术影响力、专利成果还有国家项目的支持，而不是短期能卖多少钱。所以他们的薪酬体系更偏向于给“学术价值”补贴： 普通的基础科研岗位起薪18万元顶级科研岗位比如“天才新星”，一年能拿到100万到200万元博士后还能拿地方的补助，深圳这边最高能给到36万元的生活补助中科院博士通常拿到30万左右的年薪正好符合这种定位：这里的回报不光是钱，还包括顶级的实验平台、学术声誉、项目资源等各种福利。 所以说这两个数差别很大——30万和160万——其实不是说谁更好谁更差，而是选了不同的道儿：一条是通向商业价值快速变现的激烈战场；另一条则是指向学术价值长期积累的探索之路。两者看似对立却又相辅相成：一个让算法走出论文去解决实际问题；一个让灵感不止步于实验室的探索过程——两者一起托举着AI时代的技术跃迁。