我們剛過了人類最後一個勞動節?AI新職業八個變化

引言

今年五一勞動節，網上流傳出不少"賽博勞動節"、"矽基勞動節"活動的新聞。正麵看，AI 和機器人正在成為重要的勞動力增強和補充力量；但也進一步引發了 AI 替代人類勞動力的憂慮——人類工作會不會因此更少了？甚至有人用 AI 生圖說這是"人類最後一個勞動節"。

事實真是這樣嗎？

為了解真實情況，本文延續去年 9 月發表的一項AI新職業研究框架，進行一次研究刷新。樣本選取7家國內外代表性的 AI 原生公司或團隊，數據來自官網公開的招聘信息，采集時間就是2026年的5月1日——勞動節當天。

美國選了禦三家OpenAI、Anthropic、DeepMind，中國則是智譜、月之暗麵（Kimi）、深度求索（DeepSeek）和通義千問。

研究的核心框架，是把 AI 公司的全部在招崗位歸成五類——使能者（做模型）、協作者（做產品和交付）、推廣者（做銷售和營銷）、治理者（管安全和合規）、支持者（管後勤和運營），以消除各家公司崗位差異性較大的問題，便於統一分析對比。（五類的詳細定義見文末研究方法說明。）

核心發現

重要的事情提前說，這次研究與8個月前相比，AI新職業有八個變化：

1. 崗位總量倍增：AI 公司不但沒縮編，反而都在增崗招人。7 家公司在招崗位從 718 漲到 1570，增長了一倍多。

2. 人力主體遷移：AI 公司用人的重心從研發轉向產品和商業化，使能者占比明顯下降，協作者和推廣者明顯上升。

3. 使能者內部換血：工程師數量並未減少、還在增長，但增長的重點變了，推理、研究相關的崗位增長明顯，預訓練、數據等則相對較少。

4. 協作者新崗位集群爆發：AI 公司普遍 Palantir 化，"部署"成為重要的普遍性崗位需求，FDE（前線部署工程師）最典型，從零星幾個崗位暴漲到上百個。

5. 推廣者伴隨商業化激增：推廣者增速五類之首，增長到原來的4倍多，典型像客戶成功、合作夥伴銷售，商業變現成為AI公司的核心戰略。

6. 支持者占比穩定：HR、財務、運營崗位隨業務同步增長，占比幾乎沒變。AI 增強了這些辦公室白領崗位，也並沒有完全替代他們。

7. 治理者結構分化明顯：治理崗位整體增長了約1倍，但主要集中在 Anthropic 和 OpenAI 兩家、合計貢獻了 90%。大部分AI公司，對AI治理的人力和資源投入可能都還不夠充分。

8. 中美差異有擴有縮：中美AI大方向一致，都在從研發走向商業化，但五類結構差距裏有兩處在擴大、三處在收窄。相對美國，中國的使能者占比更高，意味著AI研發追趕還需投入；推廣者比例相對低，AI商業化處於更早期；治理者仍然較少，缺少類似Anthropic這樣主打AI安全戰略的先鋒企業。

變化 1：AI公司在瘋狂設崗招人

先回答最直接的問題：AI 原生公司的人類崗位是變多了還是變少了？

答案是變多了，而且多了不少。7 家公司在招崗位總量從 718 漲到 1570，8 個月翻了一倍多。基本所有公司都在擴張崗位，即便是被 Google 進行了整合的 DeepMind，在招崗位數量也基本持平。

這和同期大量媒體渲染的"AI 裁員潮"形成了鮮明對比。2026 年第一季度，全球科技行業裁員約 7.8 萬人，其中近半數被歸因於 AI 替代。結合我們這份研究看，AI 在一側消滅部分崗位，同時在另一側也在創造不少新崗位，這兩件事確實都在發生。

但是，新崗位增長不等於簡單"堆人"，利用AI杠杆提升人效，才是AI公司核心追求的目標。例如，Anthropic 年化收入增長了約4倍，在招崗位隻增長了約1.6倍，收入增速遠超崗位擴張速度，說明人均產出大幅提升。

新崗位增長的另一個重要原因，是組織發展和公司化運營完善所需。從初創團隊發展成創業公司、從創業公司成長成上市公司等，都需要進行組織和崗位的調整和擴張。例如，DeepSeek 4 月啟動了首輪外部融資，崗位也在同步擴張，其中重點是補齊 CFO、COO、內審經理這些支持崗。智譜也類似，今年初成功上市後，戰略、HR、財務、法律、審計與合規等方麵都在招聘。

AI公司用AI的能力業界最強，但它們自己也沒停止招人。AI可能會提高崗位要求、減少新增人力的增幅，但並沒有完全消滅這些崗位。

當然，崗位總量的變化隻是表麵，深入底下的結構變化，能進一步看清崗位間此消彼長的情況。

變化 2：人力主體從研發轉向產品和商業化

去年 9 月，我們整體看到的還是典型的"研發型公司"畫像。招聘崗位中使能者（做模型的人）占了四成多，其餘四類加起來才撐住另一半。

8 個月後，畫麵已經變了。招聘崗位中使能者的份額從四成多跌到了三成多，減少了約 9 個百分點。這些份額去了哪裏？幾乎都放到了協作者和推廣者的崗位上，兩類合計占比漲了超 11 個點。

這並不是說工程師的數量在減少，使能者崗位的絕對數仍然在漲。實際發生的是協作者和推廣者崗位增長明顯更多。去年的AI 公司基本上算是研發機構，現在它們都在積極投入向成熟的商業公司方向發展。

整個行業都在加速邁向商業化，2025 年下半年開始，全球 AI 行業的主旋律已經從"誰家模型更強"切換到"誰家落地更快"。

Anthropic 4 月年化收入反超 OpenAI——靠的不是更強的模型，而是更成熟的企業級服務。OpenAI 也在轉向加強企業市場，宣布擴招數百名技術谘詢人員。國內像智譜在重點招聘建設銷售團隊，上市之後，商業化就是最硬的考題。

招聘特征是戰略意圖最誠實的表達。一家公司如果光嘴上說"我們重視商業化"，並不算數。但如果它的協作者和推廣者招聘大幅增長，必然意味著商業化要加速。

具體分析這批新增崗位的招聘信息，有一個跨公司、跨崗位的共性特征非常突出——"客戶界麵"正在成為 AI 新崗位的核心屬性之一。無論是協作者裏的部署工程師、推廣者裏的合作夥伴銷售經理，還是使能者裏新設的麵向客戶的技術谘詢角色，幾乎所有數量增長最快的新崗位都是麵向外部、麵向市場的。

相對，純內向、偏後端技術的崗位變化不明顯，沒有出現全新品類。這可能反映出，目前AI 公司最缺的不是做模型的人，而是把模型變成外部價值的人。

同時，這些新崗位的能力要求也在打破傳統邊界，複合能力的需求更廣泛。AI部署工程師要求"8 年售後工程經驗 + 2 年軟件開發"；商業分析師要求"精通 SQL + Python + 推理成本和毛利模型"；某公司的實習生都要求"熟練使用 5 種以上 AI 創作工具"。純技術或純商務能力都不充分，"技術 + 業務"的雙棲能力更受企業歡迎。

那具體哪些崗位在增長、哪些崗位有收縮？接下來按五類崗位分別看。

變化 3：工程師沒少，但換了一批

8 個月前，使能者的主力是訓模型的人。現在，訓模型的人還在，但新增的主力變成了讓模型跑起來的人。

使能者仍然是最多的在招崗位類型，但內部的構成已經發生了明顯的變化。一批傳統的技術崗位開放招聘明顯減少，另一批新方向的工程崗位則在快速興起。

招聘明顯萎縮的有三類：數據科學家從 9 個掉到 1 個，機器學習工程師和大模型算法工程師的新增崗位也明顯減少。原因各有不同，但指向同一個趨勢——大模型能力全麵爆發後，過去需要專人做的數據處理、專用小模型訓練、算法探索等工作，要麽被 AI 本身接管了一部分，要麽集中到了極少數頭部團隊手裏，行業不再需要大量的通用型研究者和複現者。Anthropic 2026 年初發布的經濟指數報告也印證了這一點：數據分析是目前 AI 滲透最深的工作領域之一。

那什麽崗位在漲？和技術熱點直接掛鉤。

推理工程師是增長最快的使能者崗位之一。模型訓練完了隻是第一步，怎麽讓它在實際部署中跑得更快、更便宜，才是規模化階段的核心瓶頸。

例如，Anthropic 招聘多個推理方向的軟件工程師，要求能"跨硬件和係統庫解決端到端推理性能挑戰"。國內多家AI公司也在招聘像推理infra工程師、推理優化工程師、推理加速研發工程師等，同樣要求具備底層算子優化、Transformer 推理加速等能力。可見，提高模型推理性能，成為AI公司普遍發力的重點方向。

研究科學家的需求也在快速上升。和"研究工程師"不同，研究科學家更側重於定義新問題，而非實現已有方案。OpenAI 和 DeepMind 都在擴充研究科學家的編製，這說明頭部 AI 公司仍然有大量開放的科學問題需要攻克，AI 並沒有到"技術已定、隻差落地"的階段。

還有一類值得關注的是數據中心和算力工程師，合計增長超過一倍。不少AI 公司正在同時扮演"模型公司"和"基礎設施公司"兩種角色。Anthropic 擴建美國本土數據中心，OpenAI 在全球多地建設算力集群，對應的都是這批崗位的密集招聘。

使能者還有一個突出特點，就是實習生崗位最多。今年 7 家公司的實習崗有 40 多個，使能者占了一半以上（53%），明顯多於其他四類。崗位類型上也比較豐富，有研究型的，像後訓練算法、多模態生成、大模型評測；有工程型的，訓練優化、推理係統、AI 應用開發；也有內容創意型的，AIGC 圖片、視頻創作等。可以看出，頭部 AI 公司不再局限於招收成熟人才，也在係統性培養後備力量，加大對有能力的年輕人才吸收力度。

總之，使能者的崗位結構調整明顯，大方向是跟著AI技術主流走——從訓練走向推理、從模型走向軟硬件協同。

變化 4：一支"部署軍隊"正在成型

上一篇文章裏，我曾列出 6 個值得關注的 AI 新職業實例，其中一個叫前線部署工程師（Forward Deployed Engineer, FDE）。其源頭來自Palantir 十多年前就創造的崗位模式：FDE不是坐在公司裏編寫軟件，而是被部署到客戶現場，深入客戶的真實業務，解決具體的技術問題，幫助客戶把新技術或產品真正用起來。這種模式，非常適合AI這種還在不斷迭代、充滿不確定性的技術應用。

8 個月前，這類"部署"崗位在樣本裏還隻有零星幾個。現在，它已經變成了成規模的新職業集群，廣義上有100多個崗位。除了FDE，典型還有AI部署工程師（AI Deployment Engineer，ADE）、AI部署經理（AI Deployment Manager，ADM）、技術部署負責人（Technical Deployment Lead）等。

當前哪家公司"部署"類崗位招聘最多？可能很多人會認為是Anthropic，但其實不是。最多的是OpenAI，占了總體的78.5%，這也反映其正在大力拓展企業市場。

整體看，部署類崗位呈現三個特點：

一是團隊化。從零散的崗位，升級為有獨立運轉能力的完整部署團隊建製。

OpenAI 的做法最激進，不僅在全球十餘個城市設立了 FDE 崗位，還圍繞這個團隊配備了完整的支撐體係，包括專門支持 FDE 的招聘官、培訓經理、平台工程師、戰略運營經理等。一個崗位品類需要專門的招聘管道、培訓流程和工具平台，說明已經是一個獨立的業務單元。

Anthropic 的組織方式不同但目標一致。其設立了一個叫有益部署（Beneficial Deployments）的團隊，下設應用 AI 工程師、技術部署負責人、客戶經理和架構負責人等角色，覆蓋從方案設計、技術交付到客戶管理的完整鏈條。

二是層次化。部署類崗位不止局限在AI現場工程實現，還進一步向上層的業務成功拓展。

國內相對熟悉的FDE，核心定位是提供駐場式深度工程交付，能夠幫助客戶實現AI應用從原型到部署上線，服務針對的主要是戰略客戶和複雜場景。

OpenAI還設立了AI部署工程師。其工作相對FDE更貼近客戶的業務，提供產品采用和方案指導，包括幫助客戶設計AI工作流、做技術演示、引導工程團隊上手等，覆蓋麵比FDE更廣。

此外，再上一層還有AI部署經理。其負責的不再是單個客戶，而是把前兩者積累的經驗標準化，設計可複用的方法論、效果衡量和培訓體係等，讓更多客戶無需1對1也能順利把AI用起來。

這三層角色結合起來，組成了把AI應用從單個樣板到可複製、規模化推廣的服務體係。

三是複合化。部署類崗位對人的能力要求，不屬於任何一個傳統職業分類。核心是"工程師 + 谘詢顧問 + 產品經理"的三合一。

既要能熟練用AI寫代碼做交付，又要能懂產品懂客戶業務，還要能做戰略決策參謀，幾乎等於是超級個體，綜合能力要求高。

OpenAI Codex的AI部署工程師就很典型，需要作為客戶受信任的技術夥伴，幫他們把 OpenAI 的編程工具融入到整個軟件開發生命周期。要求 8 年以上售後工程或方案架構經驗，同時還要有 2 年以上的軟件開發背景。還有一條特別要求："你必須是 AI 編程工具的深度用戶，已經深度定製了自己的開發工作流"。這意味著，它招的是"自己已經被 AI 改造過、能帶著客戶一起改造的人"。

為什麽部署崗會有這種爆發？一個可能的原因是，純 API 模式賣不動傳統大企業。客戶買了模型 API，不等於會用；大企業采購 AI 方案，需要有人幫它做行業適配、係統集成和部署落地。

一個 API key 解決不了一個銀行的合規流程問題，也解決不了一家醫院的電子病曆對接。

OpenAI 和 Anthropic兩家頭部AI公司給了相似的解法：

模型公司必須配一支部署軍隊。

對廣大的軟件工程師而言，過去五年的熱門轉型方向可能是"做雲、做微服務"。而未來，"走到客戶麵前，把 AI 變成生產力"，可能是更重要的職業轉型路徑之一。

變化 5：推廣者伴隨商業化激增

客戶從哪來？要靠推廣者。推廣者也是增速最快的一類，8 個月前隻有 66 個崗位，現在是 275 個——增長到原來的 4 倍多，位居五類之首。

8 個月前，這些公司的推廣者主要就是企業客戶經理一種角色。現在，推廣者的崗位類型明顯豐富，正在形成一套"認知-獲客-留存"的完整商業閉環。

第一類是增強認知型崗位，讓客戶先了解你。

在直接簽單之前，AI 公司需要先讓潛在客戶知道自己是誰、能解決什麽問題。這一層的崗位過去較少，現在正在快速建設。產品營銷負責把技術能力翻譯成客戶聽得懂的價值主張，增長營銷負責通過內容、投放、社交媒體把價值主張傳遞出去，社區營銷負責人在開發者社區裏講用戶案例、建立信任。B 端做行業深耕，C 端做規模觸達，本質工作跟互聯網時期差別不大。

第二類是銷售獲客型崗位，從直銷向分銷擴展。

企業客戶經理仍然是推廣者裏數量最大的崗位，占總數的 27%。變化不隻是數量增長，還有分工細化。Anthropic 按金融、醫療、製造、政府等十多個行業方向分別設崗，OpenAI 也做了類似的專業化細分。傳統的企業銷售，也能借機向 AI 賽道轉型。

更突出的變化是分銷崗位從無到有。合作夥伴銷售 8 個月前還不存在，現在中美都有 AI 公司專門設立。核心不再是自己直接賣給客戶，而是把 AI 產品和能力賦能給谘詢公司、集成商、雲廠商等合作夥伴，借別人的網絡和客戶信任來擴大覆蓋麵。

第三類是促進客戶留存型崗位，不止售賣還設專人陪跑。

8 個月前，AI 公司基本沒有專職負責客戶留存的崗位。現在，成功類崗位從幾乎為零增長到近 30 個，成為推廣者中增速最快的方向之一。

這類崗位不負責簽新客戶，而負責讓已簽客戶真正把 AI 用起來、用得深、不流失。考核指標不是簽了多少單，而是客戶用了多少、留了多久、擴了多少。這是一個視角的轉變，傳統銷售站的是公司自己的視角，目標是把產品賣出去；成功類崗位站的是客戶的視角，目標是幫客戶把 AI 真正用好。

背後的邏輯很簡單：AI 產品使用門檻高，買了不等於會用，用得淺就容易流失。與其花大力氣不斷拉新，不如讓已有客戶用好、用久、用多。

目前成功類崗位主要有兩種設計。一是客戶成功經理，典型如 Anthropic，按區域和行業設了近 10 個，偏關係管理和戰略引導，更像顧問。二是 AI 成功工程師，典型如 OpenAI 設了 13 個，偏技術實施和產品落地，更像駐場工程師。根本目的一樣，確保客戶不隻是采購，而是能真正持續應用 AI 產生價值。

這類崗位的快速出現，意味著 AI 公司開始把"客戶生命周期價值"作為核心經營指標。競爭的維度，已經從"誰的模型更強"切換到了"誰能把模型變成持續的生意"。

變化 6：AI沒有幹掉白領崗位

在關於 AI 替代就業的公共討論中，"白領替代風險高"幾乎成了一種共識。HR、財務、行政、運營等，這些崗位被認為是最容易被AI自動化衝擊。

但開放招聘崗位數量顯示，至少在 AI 原生公司內部，情況可能並非如此緊張。

過去 8 個月，7 家公司的支持類崗位跟著業務同步翻倍，財務、招聘、HRBP、行政、IT 運營等崗位數量都有增長，AI 公司自己也沒有幹掉白領崗位。 當然，支持類崗位占比基本不變，保持在15%左右，增速確實不如其他崗位快，空間被壓縮了一些。

為什麽占比基本沒變？因為兩種公司在做相反的事。

一種是重心在做業務搶市場的AI公司，會相對壓縮支持者崗位增長量。典型像Anthropic和OpenAI，重心主要在做大營收規模，崗位及人力投入自然側重AI業務和營銷，支持類崗位數量雖然也增長，但占比下滑的比例相對明顯。

另一種是正在融資或準備上市的AI公司，會大力設招多種支持類崗位以完善企業建製。典型像DeepSeek，目前開放招聘的支持類崗位占比最高，包括CFO、COO、財務總監、IT主管、內審經理等。據公開報道DeepSeek正在啟動首輪外部融資，這明顯是在完善公司必要的組織架構和職能。智譜在港股上市前，也經曆了類似的過程，招聘了人力資源、財務、審計合規等崗位。

Anthropic 2026 年 1 月發布的 Economic Index 報告，基於 200 萬次 Claude 對話的真實數據，有個核心結論是："AI 目前主要是增強而非替代，尤其在需要判斷和人際交互的白領崗位上。"

看起來這個結論有AI公司自己洗白的嫌疑，但和本文采集的AI公司招聘崗位數據的情況基本吻合，特別是支持類崗位。AI 讓支持類崗位的日常工作效率大幅提升，比如報表、數據整理、文書、排程等例行工作，都可以由 AI 輔助完成。

但決策、協調和信任關係仍然需要人。HRBP 幫團隊談判、財務總監做審計判斷、內審經理處理合規風險等等，這些工作的核心是人際互動和專業判斷，不是信息處理。

對普通白領來說，AI公司招聘的支持者崗位數量增長是一個相對樂觀的信號。但要注意前提——這些公司裏的支持崗並非原樣保留，而是在用 AI 工具大幅提升單人產出後，以更少的人力占比支撐了更大的業務規模。穩定的是崗位，不是工作方式。

變化 7：治理者結構分化明顯

治理類崗位總量已超過200個，增長了近1倍。但是，目前治理崗位的集中度很高，Anthropic 和 OpenAI 兩家貢獻了總量的 90%，其他AI公司投入還很少。Anthropic治理崗位最多，與其 "安全即產品"的商業策略高度相關。特別是對高安全需求的行業客戶而言，這種策略非常有效。

更值得關注的不是增幅，而是治理崗位內部的結構變化，已經遠不隻是法務合規一種角色，正在分化成多個方向的崗位族群。簡單說，就是從"出了問題有人管"變成了"問題還沒出就有人在防"。目前主要有四個方向：

第一類是安全工程。數量最大的方向。核心職能是把安全要求變成可運行的係統——開發濫用檢測機製、構建內容審核基礎設施、建設自動化執法管道等。要求軟件工程能力加上AI安全領域知識。

第二類是信任與安全運營。在一線處理具體的安全事件——調查濫用行為、分析威脅情報、執行策略決策。值得注意的是，Anthropic專門招聘"技術化學/生物/放射/核/爆炸物威脅調查員"，要求的不是計算機背景，而是相關領域的專業學科知識，用專人落實防止AI災難性濫用的原則。這對國防、情報、執法等傳統安全領域的從業者而言是一個職業機遇。

第三類是安全研究。評估模型在生物安全、網絡攻擊、社會操縱等方向上的能力邊界，設計紅隊測試方法，探索新出現的係統性風險。看重獨立的研究能力，對學術界的安全研究者來說，這是一條從論文走向實踐的路徑。

第四類是法律合規與政策。在 AI 公司和監管機構之間架橋，把法律法規轉化為公司內部可執行的合規製度。值得一提的是Anthropic獨家設置的"AI 合規官"，被稱為"一個全新且快速演進的監管領域"。隨著歐盟 AI Act等各國AI法律規範的發展成熟，這類崗位的需求會進一步增加。

從能力要求來看，四類崗位有一個共性：幾乎都要求"技術理解 + 非技術領域專長"的組合。安全工程師需要懂模型行為；威脅調查員需要懂生化等專業知識；合規官需要懂 AI 能力邊界；研究科學家需要懂政策含義。

不要求你會訓練模型，但要求你知道模型能做什麽、不能做什麽、什麽情況下會出問題、怎麽應對。

未來，隨著全球 AI 監管的逐步完善和落地，部分合規義務可能會從企業自覺變為法規強製。AI治理專屬崗位的需求，也可能隨之從目前"少數公司主動建設"變成"整個行業的剛性配置"。對有安全、合規等相關背景的從業者來說，現在是積極探索的窗口期。

變化 8：中美局部靠近、核心拉開

接下來看一個更大的問題：中國和美國的 AI 公司，招的崗位有什麽不同？這直接影響中國從業者未來的機會在哪裏。

把 7 家公司按中美分成兩組看，大方向是一致的——兩邊崗位數量上都在擴張，崗位比重上都在降使能者、漲協作者和推廣者。中美 AI 公司都在經曆從重研發到重商業化的結構轉變。

但細看中美五類崗位比重的變化，情況遠不是趨同那麽簡單。

五類崗位裏，兩類比重差距在擴大，三類在收窄，中美投入的崗位和人力資源側重點有明顯不同。

一是使能者差距擴大，中國的比重明顯高於美國。中國 AI 公司將更多人力配置在技術研發上，部分原因是模型基礎能力仍在追趕階段，研發投入的優先級必然最高。

從具體崗位看，中國AI公司正在重點加大主流熱點領域的工程力量，包括大模型算法、多模態、Agent 、推理優化等方向，新招工程師類崗位細化程度明顯高於美國。此外，美國AI公司仍然更重視偏學術的前沿研究，招聘的使能者中約1/5是通用的研究科學家和研究員。相對而言，中國公司的研究人力布局更貼近產品，帶"研究"屬性的崗位大多綁定具體技術方向，如預訓練、後訓練、強化學習、多模態等。

二是推廣者差距擴大，美國的比重相對變得更高。中國AI公司正在著重補充前端獲客崗位，比如客戶經理、業務拓展、增長營銷等，核心目標是收入增長。美國AI公司的獲客團隊已成規模，招聘重心正在向兩個方向延伸：一是渠道協同，如合作夥伴銷售；二是售後留存，如客戶成功類崗位，負責讓客戶用好、續約、擴展。這兩類崗位，中國AI公司目前幾乎都沒招聘。差距反映了發展階段的不同，中國AI公司的商業化還在初期，美國則正在邁向成熟期。

特別值得關注的是，美國AI公司還在同步建設銷售背後的支撐體係，模式上向微軟、甲骨文等大型企業軟件公司靠攏。例如，Anthropic 已建立客戶谘詢委員會（CAB），由頂級客戶高管組成的常設組織，直接參與影響產品路線圖和商業化優先級；還有高管專屬對接中心（EBC），在舊金山總部設立的專屬空間，用於接待重要客戶和政策製定者。OpenAI 則在多個國家同步配備了客戶成功工程師、部署工程師和本地化營銷負責人，形成多崗協同的本地化 GTM 體係。

治理者方麵，雖然中美比重差距有所收窄，但招聘崗位絕對數量差距仍然很大。2026年美國 3 家公司合計招聘 198 個治理崗、占16.7%，中國 4 家合計僅 13 個、占3.4%。中國公司的治理崗基本集中在內容安全運營、風控研發和基礎法務，做的主要是問題處理和監管合規的工作。美國公司則已經形成了"發現風險-防禦風險-處理事件-應對監管"的全鏈條覆蓋，上遊的安全研究和係統性防禦建設是中國目前招聘崗位空白的方向。

這個差距和中美監管環境的差異直接相關。中國的 AI 監管側重內容合規和算法備案，企業的治理投入也對應集中在末端的內容審核和法務合規；美國的公眾討論和政策關注更多圍繞模型能力失控和災難性濫用，倒逼企業從更底層去做安全研究和工程建設。隨著中國 AI 公司出海增多以及國內監管的逐步深化，未來在這個方向的補課可能會加速。

差距收窄的另外兩類崗位，則反映了中美AI公司局部趨同的趨勢。協作者方麵，中美占比已基本持平，都在20%左右。雙方都在大力建設產品化和客戶交付團隊，幫客戶把 AI 用起來。支持者差距也在收窄，中國AI公司正在從研發組織走向完善的商業公司形態，DeepSeek 正在補齊財務和運營高管班子、智譜上市前補齊法務和 HR 體係等，都是這個趨勢的體現。

兩個擴大、三個收窄，合在一起看：中美 AI 公司的大發展方向一致，局部有趨同，但核心維度上的組織形態差異仍然顯著。

美國AI公司已經越來越像完整的企業級平台公司，有按行業深耕的銷售團隊，有渠道生態，有客戶成功閉環，有從安全研究到合規的全鏈條治理建製。中國公司還處於從技術團隊向完整公司轉型的途中，研發資源和人力投入較大，但商業化、客戶經營和治理體係還在搭建中。

從崗位招聘的差距，可以看出組織完整度的差距。

2026 年初DeepSeek創始人梁文鋒在媒體采訪時曾說過一句話：

"我們創新缺的肯定不是資本，而是缺乏信心以及不知道怎麽組織高密度的人才實現有效的創新。"

從這次招聘數據的分析可見，中國 AI 公司的工程和產品化等崗位建設力度很大，但要形成高效創新的係統化組織能力，可能是下一步更重要的事。

結語：

AI 原生企業是先鋒樣本，也是未來指南

坦白地說，本文研究的隻是7 家 AI 原生企業，屬於行業的先鋒隊。

AI 原生企業業務爆發、崗位增長，是這個階段獨有的規律，可能並不代表整個勞動力市場的現狀。

目前，AI對整體勞動力市場和人類崗位的影響，更可能是一種非均衡"有漲有消"的狀態，這是本文無法回答的局限所在。

但 7 家 AI 原生企業的招聘數據分析，仍然有兩個前瞻性的價值：

第一，它可以作為傳統企業 AI 轉型的"預演"。

今天， AI 公司在規模化招聘的 FDE、AI 部署工程師、合作夥伴銷售經理、AI 成功經理等，未來幾年，銀行、製造、醫療、政府可能都會需要自己的版本。研究今天 AI 原生企業的崗位地圖，就是在看未來各行各業的崗位地圖。

第二，它可以作為勞動者職業轉型的"方向指南"。

理解這些新崗位的職責和能力要求，掌握相關技能，有利於每個勞動者主動適應下一階段的新工作，而不是被動等待被替代。

具體到不同人群的 3 條建議：

•白領：學會用 AI 做自己的工作。AI 公司自己也沒裁掉這些崗位，但前提變了。Anthropic 招聘會計經理，JD 裏明確寫了"對 AI 工具如何消除低價值會計工作要有清晰的見解"；招聘項目運營經理，要求"把 AI 工具作為工作方式的核心組成部分"。崗位還在，但需要的是能用 AI 重新定義自己工作方式的人。

•產品/營銷人：窗口期來了。合作夥伴銷售從 0 發展到近 20 個崗位，AI 解決方案架構師、AI 治理合規官、AI 成功工程師等新品類正在湧現。智譜、Kimi 也在招生態銷售和海外市場等崗位，中國公司的 GTM 體係已經進入加速建設期。

•工程師：別隻寫代碼了，學會麵對客戶。FDE、AI 部署工程師、解決方案架構師……懂業務、懂客戶、能交付。OpenAI 和 Anthropic 的 JD 要求"自己已經是 AI 工具的深度用戶"，這句話對所有工程師都適用。

回到文章開頭的懸念——

這是人類最後一個勞動節嗎？

顯然不是。

8 個月裏，7 家 AI 公司淨增加 852 個新招聘崗位。AI 在替代工作，也在創造工作——在 AI 原生企業這個先鋒隊裏，新崗位的創造正在加速發生。

真正值得追問的，不是"人類還要不要工作"——

而是——人類的工作，正在被重塑成什麽樣子。

這 8 個變化，就是 2026 年勞動節這一天，1570 個崗位給出的回答——人類的工作沒有消失，但正在被重新定義。

如果你身邊有人還在焦慮"AI 會不會搶我的工作"——可以把這篇轉給 TA。

研究方法說明

• 數據源：7 家AI公司官網全部公開在招崗位，采集時間點分別為2026-05-01和2025-09-15

• 分類方法：延續本係列第一篇的"五類框架"（使能者 / 協作者 / 推廣者 / 治理者 / 支持者）。采用新的規則引擎（R0 職能優先 → R1 治理 → R4 推廣 → R2 協作 → R3 使能 → R5 兜底）統一對招聘崗位打標，保證跨期口徑一致

• 2025 基數：718個崗位，並按新的規則引擎進行重新打標，因此部分崗位統計數據會與上一篇文章略有差異

• 2026 基數：1570個崗位，按規則引擎統一打標

• 五類崗位定義（ECPGS）：

• 使能者（Enablers）：AI生態的核心造血角色，負責AI技術的研究開發和模型能力提升，典型有各類工程師、科學家

• 協作者（Collaborators）：人與AI協作的橋梁，把AI轉化成可用和有用的產品和服務，典型有AI產品、解決方案、部署等崗位

• 推廣者（Promoters）：推動AI產品和服務的用戶觸達及銷售，典型有AI市場營銷、上市策略、用戶增長等崗位

• 治理者（Governors）：為AI製定規則、監督執行，確保符合倫理、安全要求，典型有AI倫理、法律、對齊、安全等崗位

• 支持者（Supporters）：為AI業務正常運營，提供必要的人財物等資源和服務保障，典型有AI技術支持、運維以及財務、行政、人力資源等