AI人才市场正在呈现结构性分化。据雷峰网援引知情人士消息，今年7月离开腾讯的AI研究员姚星丞已加入由OpenAI前CTO Mira Murati创办的Thinking Machines Lab。姚星丞在腾讯的年薪包约在数千万元人民币区间，新东家给出的薪资”明显高于”腾讯。姚星丞本人、腾讯及Thinking Machines Lab均未公开确认具体数字。
姚星丞在腾讯担任混元大语言模型预训练负责人，是腾讯过去一年重点引入的年轻AI研究人才之一。腾讯今年2月重建预训练和强化学习基础设施后，仍在持续扩大训练规模。与此同时，OpenAI正在新加坡招聘Forward Deployed Engineer（FDE），该岗位要求深入客户现场，将模型接入企业系统，并以生产采用率、工作流改善和业务结果作为衡量标准，出差比例明确要求达到50％。
两个方向的人才正在同时升值：一端是处于模型训练最上游的预训练研究员，另一端是离客户最近的部署工程师。预训练人才的价值在于，真正完整跑过大规模训练的人仍然稀缺。数据配比、Loss异常排查、训练稳定性判断、Scaling失效节点识别等经验难以从公开论文中获取。而FDE的走热则反映出企业AI应用进入深水区——模型接入权限、数据、流程和组织的能力，正取代模型演示成为核心瓶颈。
OpenAI披露的数据印证了这一趋势。截至今年6月，其企业客户中Codex产生的输出Token已占Codex与ChatGPT合计输出的64％；使用AI最深的前10％企业，人均输出Token是典型企业的8.3倍，年初这一差距为2.6倍。非开发者组织用户自2025年8月以来增长189倍。
中间层岗位的溢价则在消退。过去两年，掌握大模型API调用、Prompt编写、LangChain及基础RAG和Agent能力的工程师曾具备明显稀缺性。但随着MCP等协议快速基础设施化——2026年7月新版规范发布时，Tier 1 SDK月下载量已接近5亿次，TypeScript和Python SDK累计下载均超10亿次——模型与数据、工具的连接方式日趋标准化，相关工程能力的门槛显著降低。
AI人才市场的分化表明，模型能力不再是唯一瓶颈。具备大规模训练经验的顶层研究员和能将模型送入生产环境的部署工程师持续获得溢价，而仅掌握中间层工具调用技能的岗位正面临价值重估。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
