7.7
深览指数
科技虎嗅·奇帆商业··AI 生成
姚星丞之后，AI人才的中间层开始掉价
本文通过姚星丞从腾讯跳槽至Thinking Machines Lab获数千万年薪、OpenAI招聘FDE等案例，指出AI人才市场并非简单从研究转应用，而是两极分化：能大规模预训练的研究员和能将AI落地生产现场的FDE身价上涨，而掌握Prompt、RAG等标准技能中间层的稀缺性溢价正在快速消失。作者从模型训练、部署、工具标准化三个维度论证了这一定位，并指出MCP协议普及正在加速压缩中间层岗位的技术门槛。适合关注AI产业趋势、人才战略与职业规划的读者。原文 ↗
核心观点
- ▍AI人才市场正两极分化：能主导大规模预训练的研究员和能将模型深度部署进生产现场的FDE身价上涨，而掌握Prompt、RAG等标准化技能的中间层人才，其稀缺性溢价正在快速消失。
- 01姚星丞作为混元大语言模型预训练负责人，在腾讯年薪数千万元，跳槽至Thinking Machines Lab薪资更高，证明最顶尖的预训练人才依然抢手。
- 02OpenAI在新加坡招聘Forward Deployed Engineer，职责是深入客户现场完成模型集成与生产部署，评价标准为生产采用率与业务结果，而非模型跑分。
- 03截至2026年7月，MCP协议Tier 1 SDK月下载量接近5亿次，TypeScript和Python SDK累计下载均超10亿次，工具连接正快速标准化。
- 04OpenAI企业内部数据显示，Codex输出Token占其企业客户合计输出的64%；深度使用AI的前10%企业人均输出Token是典型企业的8.3倍。
- 05LinkedIn报告显示，美国要求AI literacy的职位同比增长70%，但两年内全球新增约130万个AI-enabled岗位，需求增加与稀缺性下降可同时发生。
- 06OpenAI推动非技术部门（法务、招聘、财务）使用Codex，非开发者组织用户自2025年8月以来增长189倍，表明模型在企业内的使用深度在增加。
- 07腾讯在发布混元Hy3 preview时强调跳出公开Benchmark，更关注真实评估、工具调用和推理成本，显示行业对纯预训练以外的能力关注上升。
反方 / 局限
- — 文章暗示顶尖预训练人才稀缺，但Scaling Law红利是否持续、模型架构是否收敛仍是变量，若未来训练范式变化，这类经验可能贬值。
- — FDE价值提升的前提是企业愿意深度部署AI，若模型能力或组织意愿遇瓶颈，FDE需求或收缩。
11 分钟 · 5 卡片 · 12 资料
读原文 →