133: 4000日薪的实习生和零工化的程序员，与脉脉CEO林凡盘点25年AI人才市场 | 串台「职」无不言

欢迎收听晚点聊，我是曼琪。今天我们的嘉宾是脉脉创始人兼 CEO 林凡。本周二 9 月 16 日，脉脉发布了一份 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诸多有意思的事实数据和洞察，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，硅谷已经出现了这样的创业公司。AI 不仅在影响具体的工作，也在重塑整个工作概念本身。这期节目也会在脉脉开设的播客《职无不言》中播出，这是脉脉的第一期播客，想持续关注工作和职场变化的朋友可以关注《职无不言》。

今天非常感谢脉脉创始人林凡来做客《晚点聊》，我们来一起聊一聊脉脉观察到的 AI 人才趋势变化。林凡总，您可以和我们的听友简单打个招呼。

曼祺好，晚点的听众们大家好，我是脉脉创始人兼 CEO 林凡。在 2013 年创立脉脉之前，我大概做了 10 多年的程序员，可以说天天都在跟代码打交道。我们差不多和晚点是一年一会儿，特别高兴来到《晚点聊》和大家交流。

我有一个很好奇的个人问题。您之前做了很多年的程序员，2023 年初 AI 热潮以来，到现在大家都会觉得，程序员编程的工作被 AI 帮助了很多。比如您自己的状态，是 AI 让您更轻松了，有更多时间去想一些长期的事，或者投入生活，还是 AI 反而让您更忙了？

坦白地说，还是更忙了。因为整个团队大家都在拼命探索，这次 AI 的变革到来以后应该怎么应用，怎么跟业务结合，还要不断地学习、交流，所以整体上来讲要比原来忙很多。

我知道您最近刚去硅谷，是吗？

对，也是去了解 AI 和职业社交平台相结合的一些机会。两周前我刚从硅谷回来。我每年一般去 1 到 2 趟，一般来讲是带着比较明确的目的，因为中美两国都是科技创新的桥头堡。

到美国主要去研究 3 个方面的事情：一个是看技术本身的进展，一个是看行业的应用和发展，第三个是看人才的情况。技术的发展，最核心的一件事情就是 AGI 到底什么时候会到来，它是以什么样的节奏到来，这其实非常重要，以及技术有可能带来的商业创新是什么。

行业这部分，主要因为我们跟招聘、人才非常相关，所以比较多地看招聘领域。比如我们的同行、Linking，以及一些创业公司，他们都在用什么样的技术、什么样的商业模式。最后是人才，因为我们还是一个人才的平台，所以也关注中美两边的人才发展，以及他们处在一个什么样的状态。

我们今天可以先从人才这部分开始聊，也会聊到您说的技术和行业应用。最近硅谷的 AI 人才大战非常戏剧化、热闹，大概从 6 月份开始，最开始是 Meta 花了 140 多亿美元，投资了它 49% 的股份，然后 Alexa王去了 Meta，对吧？之后他们也陆续花了非常多的钱，以很大的数额去挖 OpenAI、苹果以及其他公司的员工，但最近又传出来说，很多人去了没多久就想走。

其实 Meta 的同学，包括 OpenAI 的同学，我也聊过这个事情。总的来讲，其实很简单，它还是属于正常的人才流动，只是被媒体稍微戏剧化、放大了一点。我觉得背后的原理很简单，就是回到商业的本质：投入产出。

顶尖人才能够很好地优化算法、优化算力，让算法和算力的消耗得到很大的节省。最典型的就是今年年初 DeepSeek 出来的时候，一下把费用节省到了原来的 1/10。我们先不用说 1/10 这么夸张，就说省了 1/10：原来需要 100 台服务器，现在只要 90 台服务器。

像 Meta 这样的公司，一年在 AI 硬件、算力上的投入大概都是 100 亿美元起。如果一个人才能帮你省 10%，就是 10 亿美元。那你作为一个老板，愿意花多少钱去雇这个人？如果你花 1,000 万美元，一定会觉得非常划算，对不对？所以，从投入的角度看，AI 人才值得大家重金挖，是一个很重要的原因。

如果从产出的角度看，同样举 Meta 的例子。Meta 一年的广告收入大概接近 2,000 亿美元。如果有一个 AI 人才能帮你多挣 1%，甚至不用多挣 1%，多挣 1‰，就是 2 亿美元。2,000 亿美元的 1‰ 是 2 亿美元。那从你的角度看，为他开 1,000 万美元的工资，你是不是愿意？

您说的第二个点，我之前听在美国的投资人朋友讲过。他们说扎克伯格挖人的时候，讲的就是这个话。

对。过去 3 年，Meta 的广告收入基本上翻了一倍。Meta 在财报里也跟大家讲，AI 带来了巨大的变革。当然，我跟 Meta 内部的同学聊完以后才知道，这其实还是一种包装。

这个包装体现在哪里？

它体现在，这其实是上一代 AI 技术，还是推荐系统、深度学习那套技术。它应用的核心场景是数据。前几年苹果不允许 Meta 获取用于识别身份的数据，所以 Meta 的广告收入降了很多。但这两年，它用深度学习，也可以叫 AI 的技术，完成了数据补全。

所以不是新一波的大模型带来的，还是上一波深度学习技术带来的。

当然也不能说深度学习就不是 AI，对吧？所以它会说用 AI 带来了广告收入翻倍的增长。这种增长，对于大部分候选人来说，都是一个很大的机会：为公司创造更大的价值，也为自己创造更大的价值。

这个事情挺有意思的。字节一直在做这件事，只是 Meta 刚好做这件事的时候，资本市场又非常关注、非常看好。

对，我觉得这放大了它的股价。

它是一个很大的杠杆效应。

而且刚才说的事情，中美都是一样的。省成本和带来创收，在中国和美国都比较接近。比如在中国，字节的广告收入增长也很快，其实也在大量应用 AI 技术来完成这件事情。

但美国和中国相比，还有一个略微不一样的地方。我这次去看，感觉美国对于 AGI 即将到来这件事情的信仰还是非常强的。在国内，包括美国外围的这些公司，我们交流下来，大家都会觉得最近这一年 AI 的发展遇到了一些瓶颈，AGI 好像还遥不可及。

但是跟 OpenAI、Google 的核心人员聊的时候，明显能感觉到，外界看到的 AGI 所遇到的瓶颈，比如数据问题、强化学习问题等等，其实大家还是有一些解法的。所以我们看到，这些核心成员依然相信 AGI 能够在未来 3 年左右实现。

对于 Meta 这样的公司来讲，它前面好像往前赶了一赶，但其实又落伍了，于是非常着急。如果 3 年之内没有拿到这张船票，整个公司可能都会有很大的问题。

那差点 AI 可能还算半个。Answer Pick 应该也。Answer Pick 其实不算是真正的 AGI，Answer Pick 唯一就是在 coding 方面很强。

就是您觉得它是特化了那个方向的。

对，对对，它是特化那个方向的，所以真正在通用的人工智能这方面，基本上就两个半，一个 Google，一个 Open AI，然后半个就是那个差点 AI。

所以前面是投资回报的问题，但到这一步就不光是投资回报了，而是未来的竞争力和生死。

对，是生死的事情。谁先突破 AGI，谁就能活到后面的那一轮竞争。

您这次去硅谷，和这些核心公司的技术人员聊，他们对 AGI 的信仰，可能会讲他们看到了一些什么迹象？这个事情是非常充分地说服了您，还是聊完以后，您依然有一些疑问？

我觉得大概有 8 成被说服了，已经算是比较强的感觉。我去之前其实没有这个预期，所以相当于我的信仰被加强了一下。

我去年去硅谷的时候，感觉大家还没有这么多共识。即使在 OpenAI 和 Google 的核心团队，大家对于 AGI 也有很多疑问，内部也分不同派别看这个事情。

但今年我的感觉是，大家在这件事情上已经有了很强的信仰。我觉得这个信仰来自两部分。一部分是在过去 1 年里，强化学习使得 AI 在编程等能力上有了非常明显的跳变。这件事情让大家觉得，AGI 中间很重要的一部分还是理工科能力。如果理工科能力能够达到人类最高水平，AGI 到来的速度就会快很多。

另外一部分是非理工科的能力。我们通常会说，数学、编程都是容易有标准答案的事情；但没有标准答案的事情，比如销售去卖一款产品，面对不同的人，话术可能都不一样。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。

原来我们通常认为，这是机器在自我学习和自我完善过程中面临的一个很大问题。但我举一个大家比较容易听懂的例子：人类在面对专业事情时，可能很难写出一篇非常高水平的文章，但在看一篇高水平文章时，大概还是能判断出这篇文章比另一篇文章写得好。

做判断比创造一件事更容易。

对，要容易。这个事情在 AI 身上也是一样的。一个不是那么强的模型，去判断另一个模型生成的内容，大概可以判断出它讲得好还是不好。

有这样的反馈以后，这个模型就可以成为另一个模型的反馈机制。去年很重要的一个说法是 RLHF，也就是基于人类反馈的强化学习。现在很多其实都是基于 Agent 的反馈，也就是基于机器反馈的强化学习。

按照刚才“眼高手低”的理论，机器的反馈也能够帮助 AGI 自行迭代。一旦进入自行迭代的过程，大家普遍就觉得它还能够不断提升自己的能力。

另外一个重要的事情是，去年开始，大家普遍都有一个预训练阶段。可用数据基本上快被耗尽了，人类产生的互联网数据基本上都被用完了。但过去 1 年里，人类在跟 AI 沟通、交流的过程中，还在持续产生数据。这些数据的质量虽然普遍比互联网数据差一些，但一样可以用 AI 挑选其中的高质量数据，再进行预训练提升。

我只是举了 2 个例子。很多我们认为的瓶颈环节，今天都能看到这些核心团队在很好地解决。

您这次去硅谷，接触到的这些核心 AI 人才，他们对 AGI 的定义是什么？共识的部分是什么，分歧又是什么？

大家现在普遍会聊自动驾驶的 L1、L2、L3、L4、L5。对于 AGI，普遍的说法是，在某些具体任务上，AI 完成任务的水平和效果比普通人，甚至比最优秀的人更好。

比如高考，AI 今天可以完成高考，或者完成更高等一点的考试。今年 OpenAI 代表的大模型参加了人类的 IOI，也就是国际信息学奥林匹克竞赛。这是全球最高、最顶尖的信息学人才竞赛，今年 AI 拿到了全球第 8 名。这就代表 AI 在这个任务上的完成度比人类更好。

大家普遍的定义是：在各种各样的任务上，AI 的完成效果能不能比人类更好。

他们对于优先做什么任务，也有比较强的共识，认为应该先做理工类任务。

现在所有人都说，先做理工类任务，先把理工科任务做到人类没有什么机会，再用刚才说的强化学习方式继续完善非理工类任务。

总结一下，Meta 之所以非常激进地招人，一方面是投资回报在某种意义上算得过来，广告收入增长和成本节省都能带来很好的收益；另一方面是它对 AGI 有非常强的信仰。这就不只是 ROI 的问题，也是生存和竞争的问题。

但为什么 Meta 花了这么大的手笔、开出这么高的薪酬，吸引人之后，还是有人待了一段时间就离开？

这个问题其实很好回答。拿您来举例，假设您现在一个月的薪水不管是多少，我今天给您开 100 万元月薪，您肯定非常开心。

我会非常惶恐。

然后我再给您足够多的资源，您可以做媒体领域里所有想做的事情。突然有一家公司说，我给您开 1,000 万元月薪，比 100 万元还高。

但对您来讲，100 万元和 1,000 万元已经只是数字差异了。您去了那家公司以后，老板天天骂您，天天批评您这个工作没做好、那个工作没做好。那您是愿意留在 100 万元的平台上继续做，有成就感，也有很多成绩出来，还是愿意待在 1,000 万元的公司里，天天被批评，什么都不让您做，还担心过几个月就不能持续拿到 1,000 万元的工资？

也就是说，待遇超过一定界限之后，最考虑的就不是多少钱，而是文化、共事的人、在这里待得舒不舒服，以及能不能实现自己的想法。

对，这是马斯洛模型里非常典型的不同层次的追求。

据您和硅谷的人聊，您感受到那边人才市场的薪资线在什么水平？

顶尖 AI 人才，基本上可以认为是年薪 500 万到 1,000 万美元这一档，再往上的薪资就没有意义了。

年薪 500 万到 1,000 万美元。

对。中国基本上就是差一个汇率，500 万元到 1,000 万元人民币。再往上，他们考虑的可能就不是薪资了。

实际上，中美 AI 人才里能达到这个水平的，现在大概是什么情况？

可能是千分之几。比如 10 万或 20 万名 AI 人才里，可能是千分之几，大概就是几百人的体量和规模。

有没有一种可能，美国公司也可以直接从中国挖走中国公司的员工？

现在基本还没有看到这样的现象。我们看到的还是中国公司比较多地尝试挖美国公司的人。

但中美有一个很大的特点，就是都有很多华人人才。美国 AI 界里大概 60% 也是华人。

您观察到的中美目前在 AI 人才上的差异是什么？除了刚才说的顶尖人才待遇差一个汇率。

我觉得不只是顶尖人才差一个汇率，整个人才市场都差一个汇率，从上到下的人才都差一个汇率。

相同点是大家都是华人。差异点除了薪资差一个汇率，还有 2 个比较大的差异。

一个差异是，美国最顶级、真正推动整个行业变革的人，还是以非华人为主。比如强化学习这个方向可能是美国的一些人提出来的，但强化学习中间某些方法怎么进一步优化，变成更好的方式，可能很多是华人在做单点突破。所以最顶尖的人才上，还是有一些差异。

另外一个比较大的差异是，初级岗位在美国已经出现了比较明显的 AI 替代。中国因为人力成本低很多，所以现在还不是明显的 AI 替代状态，更多是岗位增速变慢，或者不怎么扩招，但还没有大量人才被释放出来。

美国最大的科技公司出现了一种情况：业绩变好、股价变好，但还在裁员。

对。美国不管是头部公司，比如七巨头，现在基本上对程序员都是只进不出。你可以离职，但不能补人。如果其他部门或个别岗位确实缺人，通常会用二换一或者三换一：离职 2 个人补 1 个，或者离职 3 个人补 1 个。这其实也是一种缩编状态。

创业公司更明显。原来一家创业公司，不管做招聘、法律、数据标注还是其他服务，通常至少要 8 到 10 个程序员才能把公司搭起来。现在基本上 1 到 2 个程序员就够了，基本上是“一换五”：一个主力程序员加上 AI，产出可以跟原来的 5 个程序员相比。

所以不管是巨头还是创业公司，对于低端、初级人才的替代都非常明显。

您觉得这件事在中国什么时候会发生？

可能会晚 1 到 2 年，明年或者后年。

所以您这次从美国回来以后，就跟公司的程序员说，大家能蹦跶的日子不是很长了。

对。

大家有什么反应？

大家都表示不相信。

我们接下来重点聊聊国内 AI 人才市场的变化，包括脉脉观察到的大型科技公司、互联网公司的变化。脉脉一直在做人才报告和洞察，马上也会有一个和 AI 人才相关的新报告。这次看到的一个主题是“增本增效”，大厂重回增本增效时代。这个怎么理解？

我们这次看到的增本增效信号很明显。从 GPT-4 发布开始，有 2 个数据非常直观。

一个是企业侧。从 2 月份开始，AI 岗位发布量每个月的环比增长都保持在两位数，也就是每个月增长 10% 多、20% 多，招聘速度增加得非常快。

第二是人才侧。从 2 月份开始，每个月基本都有新增 1 万名 AI 人才在脉脉上标注为“看机会”。我们看到的 AI 六小龙里，有 40% 的员工把自己的求职状态改成“看机会”，这个信号是从 7 月份开始出现的。

也就是说，从 2 月份开始，企业侧和人才侧都有非常明显的数据变化。

增本增效的本质是什么？经过过去 2 年的瘦身，大厂现在重点琢磨的已经不是省钱了，因为省钱带来的性价比提升已经很低。现在在 AI 时代，大家会琢磨的是：再往哪里投钱，给谁投钱，投多少钱，才能让整个公司的运作效率进一步提升。

比如绩效。现在像字节以及其他一些公司，对于高绩效的比例，以前不是常说“271”吗？现在会让“2”的比例变高，因为在一些核心产出部门，可能有 30% 甚至 50% 的人可以拿高绩效。这样团队里大家会干劲十足，对公司的贡献也会大很多。

再比如，很多大厂开始降低“活水”，也就是跨部门流转的门槛，鼓励大家进入 AI 业务部门。原来腾讯可能要满 1 年才能换部门，但如果要去混元大模型、元宝等部门，满 3 个月就可以了。这是让更多优秀员工快速流转到目标岗位。

股票也有一系列调整。不管是 OpenAI、阿里、字节还是腾讯，都调整了股票激励的生效时间。比如阿里以前第一年是 0，第二年是 50%；现在可能改成第一年 15%、第二年 25%、第三年 30%、第四年 30%。

AI 团队经常遇到的问题是，一个人入职才半年，就被别的公司看上，别的公司加薪 30% 把他挖走。如果这个员工干了 6 个月，股票还要 1 年半才能生效，但对方的 30% 加薪是立刻就能感受到的，他可能马上换工作。

但如果股票 1 年就生效，干了 6 个月以后，他会想，我再等 6 个月就能拿到这笔股票，要不先等一等？拿到以后再说。这样就能继续挽留人才，有点像“少食多餐”。

您刚才提到，C 公司的这次调整，也增发了 100 万份期权。

对，都是让员工觉得未来 1 到 2 年还是很有盼头。别人再开 30% 的加薪，就没那么有吸引力了，除非开到 50% 或 100%，那可能才会有心理变化。

您刚才也提到，国内很多大厂在基础程序员这部分并没有大规模扩张。但 AI 相关岗位从 2 月份开始，每个月都有 10% 到 20% 的环比增长。哪些是 AI 相关工作？你们怎么定义？

AI 有很多术语和关键词，比如 deep learning、大模型。我们的定义是，岗位名称或者岗位描述里包含这些 AI 关键词，同时这个人才过去的背景和经历里也需要有相关关键词。

比如搜广推还算在 AI 人才定义里吗？

老的搜广推，如果只是单纯出现搜索、广告、推荐这些词，不算在人才定义里。但搜广推是一个岗位职能，现在越来越多公司用大模型技术来做搜广推，所以要看 JD 的描述。

也就是说要看它实际用到了什么技能。那产品相关岗位算吗？

算。只要处理的是大模型或者新一代技术相关的背景，我们都算。更业务的，比如销售 AI 产品、售前，也算。

它并不是仅仅对技术人才的定义，而是技术加职能的综合定义。但从现在的情况看，大部分岗位还是偏技术，差不多 85% 的岗位偏技术，只有 15% 是非技术，比如产品、运营、设计。

像 AI 销售这样的岗位，在国内还非常少，因为成熟的 AI 产品还比较少，能够大批量售卖的也不多。

在 AI 岗位里，增长最明显的是什么？

增长最明显的还是技术类，核心模型、模型应用，以及模型和业务结合的衔接环节，都是现在增速最快的岗位。

另外，公司之间的差异也很明显。有一家公司是断崖式领先，疯狂招人，岗位数量断崖式领先。

您说的是字节。

对。当然，阿里其实跟字节差不多，只是阿里现在拆成了不同公司，在我们的统计数据里分成淘宝、阿里云、蚂蚁等。分开看数量比较少，但合起来应该跟字节差不多。

字节是断层式领先，比其他公司，比如腾讯，多 3 到 4 倍，但还没到多一个数量级那么夸张。

我们可以聊一些重点公司的情况。刚才提到字节 AI 相关岗位数量最多，其他公司有什么特点？

基本上所有大厂今年相比去年，AI 人才岗位数量都增长了 10 倍以上。

这是岗位数量增长。那实际招进去的人大概多了多少？

从入职情况看，基本也是同比例增加。比如原来一个部门有 1,000 人，每年招 50 个人；现在可能招 500 个人，但这个部门的人数并没有扩大 10 倍，只是招聘规模扩大了 10 倍。

我们看到，最高的可能是字节，往下是小红书。如果把阿里合在一起，阿里应该排在第 3 或第 4。腾讯排第 5，之后是美团、京东、百度、华为等。

所以整个大厂对人才的争抢都很努力、很积极。

你们统计的数据里还有一些比较有意思的公司，不是互联网科技大厂，而是先进制造业相关公司。你们有一个指标叫人才流入流出比，像小米、比亚迪都很高，比腾讯、阿里还高。

先讲讲 AI 人才的流入流出比反映什么，我们能从中看到什么趋势？为什么小米和比亚迪会比较高？

流入流出比代表，今天流入 2 个人才，流出 1 个人才，流入流出比就是 2，意味着进水大于出水。现在看到的这些公司基本都是 1 点几，说明都是人才净流入。

流入高，说明它们获取 AI 人才的渴望程度更强。

硬件公司、汽车公司流入流出比高，背后其实是一个很简单的趋势：大模型已经不仅仅服务于互联网公司了。在金融科技、智能驾驶、机器人、其他硬件领域，都有很好的应用场景。

因为底层大模型基本统一了，所以今天各行各业的公司都在争先恐后引入 AI 人才。

2024 年 4 月上一次来和您聊天时，您讲到过观察到的不同大公司员工在脉脉上的精神面貌。脉脉是职场社交平台，相比 2024 年 4 月，过了 1 年多，现在看到的不同公司员工面貌有什么变化？

每个公司差别还挺大。我记得去年阿里的员工变得更克制一些。

您当时说阿里员工没那么高调了。

对。但今年明显因为阿里的 AI 做得很好，业绩和股价也很好，所以内部士气明显提振了。大家开始更喜欢聊业务战略、组织和公司的股票，也喜欢提各种建议。

但另外一个公司，比如美团，外卖业务跟阿里打得非常激烈，所以我们明显感觉到，他们内部的讨论比以前焦虑很多。很多员工担心自己能不能守得住，自己的护城河到底够不够宽。

您自己也经常看外卖相关的内容。据您的体感，阿里气势提振，到底是 AI 的作用比较大，还是外卖大战的作用比较大？

其实是 AI 先开始的。从去年阿里做完组织结构调整、开始重点投入 AI 后，我们就能看到，阿里内部关于 AI 的讨论和重视程度持续提升。

当然，从另一个角度，我认为员工最核心关注的还是绩效、晋升和自己的收益。大家之所以觉得是 AI 引起的，是因为 AI 引起以后，资本市场开始认可它的股票。股票价值变高，员工手上的钱变多，对公司的认可度和热情就会提高。

阿里股价从去年底低点大概 80 美元左右，到现在 130 多美元。

对。我们认为，美团员工的焦虑也是因为股价开始下跌。员工其实比较朴素：如果自己的利益得到好处，对公司的士气就会提振；如果利益受到损失，大家就会焦虑，也不那么积极。

京东员工在脉脉上讨论什么？

还是跟很多外卖策略相关的事情，觉得公司有些地方还可以提高。

其他公司，大部分都是上市公司，员工会受股价影响。像华为、大疆这样的非上市公司，大家的讨论基本跟自己的产品、具体竞争对手有关。比如华为很多时候会跟小米比汽车。

因为产品比较有竞争力，大家讨论产品反而少一点，更多会讨论衣食住行、公司福利，比如在哪个办公区、租哪里的房子更合适。

这些公司的变化确实挺有意思。另一方面，刚才说的都是很大的公司。从脉脉来看，创业公司的员工士气和 AI 人才流动有什么变化？您提到 7 月之后，六小龙里有 40% 的 AI 相关人才表示“看机会”。

今年对于创业公司来讲，叫喜忧参半。

一方面，DeepSeek 横空出世，让很多投资人对创业公司有了更强的信心。AI 时代刚开始时，很多投资人觉得未来是大厂的生意，跟创业公司没关系，所以不太重视创业公司。

但 DeepSeek 之后，整个 AI 投资的数量和交易额都开始提升。创业公司拿到的钱变多了，这是“喜”的部分，大家更有动力做这件事。

“忧”的部分就是人才大战。大厂拼命提高薪水和待遇挖人。虽然创业公司融到的钱变多了，但相比大厂，它们拥有的资源差的不是一个量级，可能是两三个量级。所以能给员工开出的有吸引力的薪资和待遇很有限，人才就会更多进入大厂体系。

我们也分析过，大厂人才的主要来源可能还是大厂人才和应届生，但大厂体量很大，只要稍微偏一点，创业公司就承受不住。所以喜忧参半的现象很明显。

大厂有相对劣势的地方吗？刚才听起来，好像人才方面都是优势。

大厂的相对劣势在于做事慢。人才进去以后，如果是中层或者底层，基本都是听老板布置任务。这样能拿到的结果和产出相对比较小，也比较慢。

但在创业公司，如果确实有比较好的应用场景，实际上能拿到一个比较好的机会，验证自己的想法和能力，拿到结果的速度会快很多。

在大公司里，一个 AI 人才进去以后平均能待多长时间？我看你们报告统计的是平均 2 年。这个数字算短还是算长？相比其他新经济科技行业人才 2.9 年的跳槽周期呢？

相对还是短的。

这是 2023 年之后才出现的变化吗？

对。整个 AI 人才周期还没有那么长。大厂大部分人才进去以后，相对还是稳定的。

以前有些市场传闻，比如某公司某部门平均在职时间只有 8 个月。

对。

但字节上次也在内部公开过数据。因为这两年经济承压，大部分员工进入大厂以后，主动离职率已经非常低，基本可以认为是 3% 到 5%。除了大厂之间互挖、开出很高薪资的情况，大部分人才不会主动流动。

谁和谁之间互挖最激烈？

首先，字节是所有公司的主要流入方向，大部分公司的员工都会流入字节。同时，百度是所有公司的主要人才流出方向。

百度仍然在扮演“黄埔军校”的角色。

对，是很好的黄埔军校。

我们还可以看到，字节不仅挖所有大厂的人，也挖六小龙的人最多。百度其次，这说明百度相对于很多创业公司来说仍然有优势，是挖六小龙第二多的公司。

腾讯是不是和字节竞争比较激烈，互挖比较多？

对。我们看到很多这样的案例，脉脉上有很多经历是上一份腾讯、下一份字节，或者上一份字节、下一份腾讯。

为什么这里面插不进阿里？

我觉得是因为阿里分成了几家公司，所以统计起来不明显，没有那么聚焦。上一份是字节、下一份是淘宝，或者上一份是高德、下一份是字节，看起来就没有那么集中。

但如果把阿里聚合起来，可能也会有同样的感觉。阿里的 AI 做得很强，这也是它股价从相对低点上涨的核心支撑。所以总体来看，阿里的 AI 人才规模跟字节不相上下。

刚才我们都是从公司的角度讨论 AI 人才市场变化。接下来想更多从人的角度，从雇员角度来看。刚才也说到，有些人现在还是会选择创业公司，因为创业公司也许能让成长速度更快，更快拿到结果。

从求职者、雇员的角度，哪些人是最直接受益于 AI 相关岗位增长的？

基本上是顶尖高校毕业的理工科硕博人才。

顶尖高校的范围怎么算？

基本上是 C9 加“一电一邮”。C9 高校，再加北京邮电大学和西安电子科技大学，这几个可以认为是顶尖高校。

也就是计算机比较强的顶尖高校应届生。

对，尤其是硕士、博士。所有 AI 人才里，这些高校的人才本科只占 20%，硕士占 54%，博士占 25%。博士比本科生都多，这非常明显。硕博人才很重要，因为 AI 这波浪潮要求大家会读论文、写论文，能够用学术思考方式解决问题。

在这些顶尖高校里，什么学校最受欢迎？

肯定还是清华。这个排名可能跟学校综合排名不一样。我们看到第一是清华，第二是北邮，第三是浙大，之后是北大、上海交大、北航、中科大、华中科技大学、电子科技大学、中国科学院大学、哈工大。

我觉得它跟几个方面都有关系：一个是靠近哪个区域，第二是学校的人才供给数量，第三是学校里有哪些领域和方向跟 AI 相关性更高。不是简单的综合排名问题。

大家会觉得顶尖高校前两名是清华和北大，但在 AI 相关应届生求职上并不是这样。

对。比如哈工大，在很长时间里，它在 AI、自然语言处理等方面都比较领先，在国内是比较强的学校，但综合排名没有那么高。不过在很多 AI 人才中，我们都能看到哈工大的声音很明显。

因为哈工大的自然语言处理和机器人专业历史悠久，也比较强。

对。

您可以把学校排名讲完，清华、北邮、浙大，怕引起学校之间的讨论吗？

其实没有。我主要是对北邮有点诧异。浙大人才供给非常大，规模也很大，所以浙大排在北大前面，我觉得可以理解。北大的排名可能也跟招生规模有关。

但在 AI 上，清华还是非常强，绝对领先。

为什么北邮排名会这么高？我们非理工科背景的人其实很好奇。

我觉得北邮可能培养出了很多比较好的工程类人才。在这一波 AI 浪潮里，工程是很重要的基础，要把大模型底层框架搭建、构建好。

过去 10 年，各大互联网公司已经证明，北邮是很好的工程人才摇篮。可能是这个原因，但我们没有仔细研究。那天我看到这个列表时，也有点诧异。

实习生是不是也成为很多公司非常青睐的人才，尤其是还没有毕业的博士生？

这个要回到 DeepSeek 时刻。在那之前，大家普遍觉得需要从美国挖核心人才。直到 DeepSeek 发现，用一批实习生和应届生也能做出巨大的贡献。

所以今年实习生被抢疯了。我们看到很多公司给实习生开出的日薪是 4,000 元、5,000 元，非常高。

有些工作一个月的工资也就 4,000 元、5,000 元。

对，实习生的日薪就是 4,000 元、5,000 元。而且实习生有时候也会努力工作，比如周六也干活。他一个月也许能工作 28 天。

只要他愿意，公司不拦着？

公司不拦着。之所以开日薪，就是因为公司不拦着。

从数据上看，实习生、应届生和已经有工作经验的人相比，增长比例有什么区别？

我们没有非常具体的比例，但现在能看到，整个 AI 人才招聘里，实习生的比例已经快速增长到 10% 多的规模。

以前主要还是工作 2、3 年甚至更久的人，现在实习生明显已经成为重要的新兴力量。特别是绝大部分大厂，对实习生都非常看重。

什么背景和履历的实习生，可以拿到 4,000 元、5,000 元日薪？

还是有一定要求的，应该是少数。

我们可以看到一个很有意思的中美 AI 人才量化标准：论文引用数。Google Scholar 能看到一个人的论文被引用了多少次。

基本上可以认为，在 AI 相关论文上，如果论文引用数过万，基本上在美国就是年薪 300 万到 500 万美元，甚至能到 1,000 万美元。

如果引用数过千，AI 相关论文过千，大概能拿到 100 万到 200 万美元年薪。过百的话，可能大概是 50 万美元或者 100 万美元。大概是这样的情况。

国内基本上可以把这个数字除以一个汇率。如果今天国内有人能拿到 4,000 元、5,000 元日薪，就意味着他在 AI 相关领域发表的论文至少有超过 100 次引用。

另外一部分是工程人才。现在大家公认的标准，是 GitHub 上代码被下载的规模。下载量如果达到 10 万以上，是一个价格；几千又是另一个价格，但可能比有论文引用的便宜一些。

刚才说的是受益的人。那直接受到大模型浪潮冲击的专业或职位是什么？

如果看最本源的原理，工作标准化程度比较高、重复度比较高的岗位，更容易受到 AI 冲击。

美国比中国更明显。很多初级开发岗位、客服岗位、运营岗位、标注岗位，在美国已经有大量岗位被直接替代。

中国现在看到的是岗位数量和招聘数量开始下降。AI 岗位每个月环比增长两位数，但有些岗位同比降幅超过 20% 到 30%，比如嵌入式开发、Python 开发、C++ 开发、数据开发、前端、测试工程师、安卓和 iOS 开发等低端开发岗位，招聘数量和规模都在下降。

还有市场、行政、运营等低阶岗位，也在下降。另一个挺有意思的现象是，高管岗位也在下降。

管理者、高管岗位也在下降？

对。可能是过去几年快速扩张时储备了足够多的高管。现在 AI 到来以后，需要懂 AI 的人进入核心管理岗位，于是原来一些非 AI 背景的高管会被淘汰。

这个下降能到什么幅度？

1/4。

这可能比基础开发岗位下降的幅度还大。

对。

这些数据背后有很多故事。高管可能已经职业发展到中期，再转型也不容易。

另一方面，很多年轻求职者不是资深研究者背景，想找初级入门工作，也变得很难。

现在确实是这样。刚毕业的同学，如果不是刚才说的顶尖高校硕博，他们要找到一个比较好的初入职场岗位，难度明显增加。

但美国更明显，中国还没有那么明显。中国人力成本比美国低很多，所以替代没有那么迫切。很多时候大家还愿意花一点钱雇年轻人，因为他们积极、能干。

这让我想到，应该去看 4 年前张雪峰推荐了哪些专业。他那时候的推荐可能不准，因为 AI 的替代是在这 2 年才发生的。大学教育周期很长，现在技术又在加速变化，4 年前选的专业，毕业时可能已经发生很大变化。

是的。不管是已经在工作的人，还是将要步入职场的人，都带来了很多新的挑战。

最近甲骨文 CEO 贝利奥夫在一个播客里说，他们把自己的销售和客服团队从 9,000 人减少到 5,000 人。美国 CEO 可能更愿意公开讲这些。

国内也有这样的情况。我认识一个朋友，当时做分享时我就说过，AI 会替代这些工种。他是一家视频网站的 HR 负责人，他们回去以后也在内部推行。

视频会有很多审核、标注和客服工作，他们把团队从 6,000 人降到 1,000 多人。国内其实也有，只是不太敢分享。

同样的事情中国也在发生，只是不那么明显。即使这样的团队，整体在公司成本结构里还是很小，所以不是大家第一优先级要解决的问题。

有没有一些岗位不是直接和 AI 相关，但因为 AI 热潮而受益？

这个阶段还没有。技术变革有点像水潭里的涟漪，一圈一圈向外延展、递延。

通常你受益的时候，是这一圈涟漪已经到了所在产业，发生了流程和结构变化，使一个工种消失，另一个工种出现。但现在不管中国还是美国，这一圈涟漪还在核心公司里。

最先是互联网巨头，以及互联网相关创业公司；现在往外走了一圈，是汽车、机器人、消费电子等行业的人才。两波变化中，我们还没看到非技术岗位的受益人群。

如果总结一下，从 2024 年到 2025 年，脉脉在更广泛的人才市场中看到了哪些 AI 带来的变化？

我们总结下来，没有看到凭空创造出一批新的岗位，也没有看到整个职类的职业被替代。

现在国内主要是，很多岗位被 AI 提效，同时对很多岗位的能力模型提出升级要求。AI 对工作的影响，主要还是提高产出数量和质量。因为中国人工并不贵，所以主流工作模式还是人和 AI 一起完成工作。

比如技术岗位，可能是把传统算法和大模型整合升级。以前的语音识别、音视频、自动驾驶，都是在新的大模型环境下需要重新做的事情。

另一方面，很多岗位招聘数量开始收缩，因为产出数量和质量提升了，所以不需要那么多人。比如市场岗位，以前文案要冥思苦想，现在会跟大模型一起讨论、共创。

标准化程度高、工作闭环周期短的工种，都面临缩减，但还没有到替代状态。现在既没有大规模新增，也没有大规模替代。我觉得这是一个短期平衡态，可能再过 2 到 3 年，涟漪继续向外扩展，会波及更多产业，更多人会感受到变化。

最后想讨论一下您自己以及脉脉怎么使用 AI。我们往回倒一点，您是 1998 级清华计算机系学生，之后参与了搜狗早期创业，在创立脉脉之前也做了很久程序员。在计算机技术背景下，您怎么看 AI 的进展？哪些地方让您很吃惊？

因为我是程序员，同时我原来在大学以及博士退学之前，读的都是 AI 方向。

那时候已经有人工智能方向了？

对，我读的是机器学习方向。

您是 2002 年开始读博士吗？

读研究生，直博。2002 年开始学。

那时候应该就叫机器学习。您当时对 20 年后的 AI 发展到什么程度，是怎么想的？

实话实说，完全没觉得 20 年后能看到 AI 这样的跳变。

我们那时候做最早的神经网络，神经网络大概只能跑到 10 层，计算量已经到了不可想象的程度。我们曾经在微软亚洲研究院做过一个 Office 助手，给用户提各种建议。大概在 100 万的数据集上跑神经网络，用当时最好的计算机，差不多要跑 2 天 2 夜。

那时候也没有太多集群，只有单机。跑 2 天 2 夜出来的结果，可以认为是很弱智。所以当时会用很多简化网络，比如 BNN、SVM 等，替代神经网络，做一些 ROI 更高、效率更高或者收敛速度更快的算法。

但现在因为算力和数据规模足够了，用暴力堆网络的规模做计算，当然也做了很多优化，效果确实比当时好非常多。所以我们这些原来做正统 AI 的人，从来没想过 AI 会发展到今天。

中间什么时候开始感觉到有这个苗头？

我觉得第一波是 deep learning。Deep learning 在视觉领域的应用，解决了很多问题。

我印象中，最早在 1990 年代，车牌识别连 10 个数字都很难。到 deep learning 之前，这些问题已经逐步解决了；到 deep learning 的时候，人脸识别变成可以在几亿人中准确识别一张脸。

对我这种脸盲来说，我在几百个人里都不能准确识别谁是谁，但机器已经可以做到，你就会觉得非常神奇。

后来 deep learning 在广告以及其他领域的使用，包括自然语言方面的一些应用，也都让人觉得很神奇。但那个节点跟今天能够和人自然对话、帮助大家写代码，完全不是一个量级。

您说的那个节点，应该差不多是 2010 年前后，X X light 前后？

对，2010 年前后。

那时候您是什么状态？您博士还没读完？

没读完，读了半年就退学，回来和小蔡一起去搜狗创业了。

当时是在搜狗做业务时关注到这个变化，觉得 deep learning 可能作为工具用于互联网业务和产品。

对。那时候还没有太多经验，还是觉得它是一个顺理成章的技术，很像当年 Google 推出 Hadoop 等大数据平台时的感觉，觉得这是一个工具。

您 2012 年创业时，并没有想过往 AI 方向做？

对。那个时候移动互联网还是最大的变革。很多时候不是一定要踩在技术最前沿，否则很可能变成前浪被拍死在沙滩上。还是要找当下最适合的技术方式。

那时候确实有一批早期创业公司。旷视大概 2011 年成立，商汤大概 2013 年成立。我跟旷视还挺熟，因为他们也是我的师弟，我们当时一起讨论创业做什么。

您说的是印奇吗？

那时候是唐文斌，印奇还没有回国。唐文斌当时在国内主持各种探索。

他们那时候已经创业了，但还没有找到方向，是很典型的“拿着榔头找钉子”。他们有人脸的视觉技术，却不知道应用于什么场景。

他们探索过游戏。我当时觉得挺好玩，但这东西怎么赚钱、怎么继续往后发展，他们也没想好。

后来他们又研究怎么在商场统计人流，因为商场需要统计人流，判断哪个是黄金铺位、进店和动线情况。结果发现，这个技术用在这里太高深了，直接统计进入商场的手机 Wi-Fi 数量就可以。

他们还尝试了很多方向，直到最后发现可以在银行做人脸验证，才进入高速发展状态。否则前两三年特别痛苦。

这一次 AI 的机会，能给脉脉这样的职场社交平台和招聘平台带来什么机会？

我觉得这可能是对整个行业的一次比较大的颠覆性机会。

现在我们主要用 AI 做招聘优化和改进。大家都知道，招聘对 HR 来讲要解决人才搜索、筛选简历等问题。这些事情 AI 基本上能做得跟人一样好，有时甚至比人更好。

第二部分是跟候选人沟通意向。比如有没有意向，有意向的话更关注什么方向的岗位。这也是非常大量的沟通工作。

我们推出帮助 HR 筛选简历的方案后，可以看到 3 分钟帮 HR 读 5,000 份简历。这个效率提升非常明显。

包括意向沟通，我们用 AI 筛选简历，从中筛出 1,600 人，和其中 1,200 人完成沟通，最后有 120 个人有意向。HR 反馈说提效非常明显，已经离不开这个工具了。

所以我们觉得，招聘场景中的每一个环节都可以用 AI 提效。到了某一天，整个招聘流程甚至都可以基本由 AI 自动完成。

所以你们目前主要的切入点，是服务招聘方。

对，我们现在主要服务招聘方。但服务招聘方的同时，也在服务候选人。

对候选人来讲，现在找工作压力也很大，要投很多工作，跟很多 HR 沟通，才可能找到合适的工作。当这部分工作开始被 AI 替代时，候选人真正需要解释或沟通的，可能只是以前没有说过的部分。已经说过的内容，AI 都可以帮助解决。

您在国内和硅谷，看到过哪些 AI 和招聘结合得比较有意思的新尝试？

我们自己以及美国的一些创业公司，都在做所谓的 AI 猎头产品或功能。也就是 AI 帮助双方做更好的撮合，让求职和招聘效率得到巨大提升。

现在求职和招聘还用周或月来衡量时间。真正有了 AI 以后，有可能降低到天，甚至小时。

硅谷有一些比较颠覆、也有点值得质疑的做法。比如帮助求职者面试时使用 AI 助手，这其实有作弊嫌疑。

前段时间我们聊过一家公司叫 Fellow Round，最近比较火的还有 H六Z投资的 Clue Link。您怎么看这种尝试？

这种尝试本身应该是一个过渡阶段的工具或功能。

我们内部招人时也讨论过这个事情。以前面试程序员，或者面试其他职位，我们希望他自己具备完成任务的能力，是用自己的能力完成任务。

但今天所谓的 AI 作弊，本质上也是看一个人怎么用好 AI 来完成任务。你还是交付了结果，更多看重的是结果本身，而不是他具备这个能力，还是利用工具具备这个能力。

举一个不太恰当的例子。以前旧社会招一个会算账的人，他一定要会打算盘，面试时会考察他打算盘的能力。后来大家按计算器也能做好，甚至用 Excel 就能做好，技能已经不是算盘了。如果还用算盘考察他，就会出现问题。

但对一些招聘方来说，他们不完全只是要结果，也想通过面试题目看一个人的能力和潜力。

对。现在核心问题是，你看的能力是他自身的能力，还是他使用 AI 的能力。这是 AI 给职业市场带来的新问题。

整个体系会发生巨大变化。但在变化过程中，很多公司还在用传统能力象限看候选人，候选人却借助 Final Round 这样的面试工具，用 AI 解决问题。我觉得这是一个过渡阶段，未来 1、2 年或者 2、3 年发生什么都很正常。

过渡阶段之后，相对长期来看，求职的整个链条会怎么变？

这个很难讲，也不好讲清楚。我们先讲最终状态。

最终状态是，所有人的工作基本都被 AI 替代，所以不需要求职了。

这应该是无数种未来中比较乐观的一种。

到目前看，可能还是概率比较大的一种。往前倒推一级，未来白领工作可能像今天滴滴、美团的蓝领工作一样开始平台化。

今天很多公司会雇佣几个销售、几个运营、几个产品、几个市场，凑在一起做一件事，这是公司在完成雇佣。但这些人实际上都在交付具体产出：销售找到客户和线索，把钱收进来；运营、研发把结果交付出去。

这些具体任务，很有可能在未来某一天由云端的人机混合公司来解决。可以理解为，外包从蓝领工作深入到白领工作。

而且这个外包可能也不是人完成的。

对，是机器系统和人混合完成。总有一些事情需要人来变通和适配，但大部分由机器完成。

从所有人都不用工作，到次一级的状态，就是大量外包公司。这种外包公司未来会越来越容易开起来。

现在硅谷已经有很多人，只有 1、2 个人就能开出这样的公司。未来可能会更容易。现在看到的 1、2 人公司，还是 AI 和代码相关的科技公司；但未来可能很多公司都能用这种服务开起来。

所以我们认为，会从机器上云走到人力上云，所有人力都变成云端服务，可以被所有公司调用。

今天跟您聊之前，我也和您的同事聊到过一个例子。平台上有些会计会说，给一家公司的账做 1 年，只收 2,000 元，这不是他全部收入，因为他一个人可以给很多家公司做账。

对，他可以给几十家公司做账。未来有 AI 帮助，可能给几百家公司做账。到那个时候，创业公司可能都不需要雇佣会计。

在这个情景下也会有一些衍生问题。如果一个职能平台化，外包给某个平台，但同一个行业里的公司可能是竞争关系。比如 A 和 B 是竞争关系，他们都让 C 平台做销售，这种问题怎么解决？

我觉得没有太大关系。A 公司和 B 公司都用一个云服务，云服务也可能都有一个网站、服务消费者，这没有太大区别。

平台会不会获得中间很多话语权？一边是消费者，一边是同类产品供应商。

它中间肯定有匹配效率的逻辑。现在最典型的就是广告公司、广告平台，把很多公司的利润吃走了。推谁、不推谁，其实是在平台这一层。

但未来可能没有那么夸张，因为销售体系里还有很多具体事情。比如到底给哪些客户打电话，可能还是由创业公司自己解决，不会全部交给平台。

如果真的把所有事情都交给平台，那平台就跟广告平台一样，确实有可能吃掉很大一部分利润。

在您说的人力上云阶段，真正要找工作的人是不是也少很多？

这个时候大家可能都受雇于一家外包巨头，但我觉得它雇的人也不一定很多，因为它是人机混合的。

它可能会把工作碎片化，跟今天一样：失业的人多了，开滴滴的司机就多了。但每个人可能多少都有活干，只是未来不只是跑滴滴、送外卖，也可以做客服、销售等各种白领工作。

白领工作零工化。

对。

您认为它还是能覆盖一定数量的就业人群吗？

我觉得它能覆盖足够数量的就业人群，而不是一定数量。足够的意思是，该就业的人还是能够就业，只是大家普遍被碎片化，工作被碎片化。

这种状态下，大家的收入会变少还是变多？职业成就感呢？零工带来的职业成就感是变少还是变多？

先回答后面的问题，职业成就感会变低，这是肯定的。人需要意义感和使命感，才会有更强的职业成就。自我认同，以及归属于某个组织或集体，是人的安全感很重要的一部分。

但没有办法，就像今天的滴滴司机和外卖员一样，他们没有那么多认同感，但有一份工作、能养家糊口，也还不错。

当然，可能前 5% 或 10% 的人还会在大公司工作，但绝大部分人可能会通过零工和外包方式工作。

至于收入，我觉得大家的收入基本会处在持平状态。今天跑滴滴、跑外卖，有些人足够拼，也能赚很多钱。我们同事前段时间为了写外卖大战去跑过外卖。

没跑过的话，收入就很差。

对，没有经验就很差。要懂这一行，还要足够拼、足够努力，收入就可能非常高。

白领零工平台上，努力、积极工作的人，收入肯定会比以前高一些。大部分人可能比原来工资略低一点，但可能只差 10%，也差不了多少。

如果不愿意干活，或者有一顿没一顿，也可以用很少的钱养活自己。

白领零工的职业发展是什么样？

我用美国一家公司内部的真实例子来讲。这家公司在全球招程序员，为 OpenAI 做数据标注。

所有人进来以后先做第一份工作，叫写代码。AI 给他一个任务，他去完成。10 个人都在写代码，AI 会评估谁写得好、谁写得不好，写得最差的淘汰。

写得最好的人，经过人和 AI 一起评估，会从写代码转去做 code review，也就是代码审查。这个人就相当于晋级了。

做代码审查的人也会有好和不好。做得不好的降级回去写代码，做得好的人可以被挑选去写 Agent，也就是开始修改 AI 的核心层。

这个人继续在体系里往下走，做得不好就降级，做得好就升级成 Agent reviewer，也就是审查写 Agent 的人。

你看，这个平台在全球范围内提供服务，分成 4 个层级，还是有升级状态的。但这个升级跟今天所谓的程序员、高级程序员、系统工程师完全不一样，是一个灵活的、可升可降的状态。

它是按周不断迭代的。

对。

您说的这件事已经发生了？

已经发生了，现在国外就是这样运作的。这是一家很大的独角兽公司。

他们现在有什么 Agent 需要大家 review？

他们大概有几百个 Agent。它们不只是帮 OpenAI 提供代码，也有 Agent 帮华尔街做一些任务。这些 Agent 是他们自己开发、自己 review 的，不是第三方的。

很有意思。每个领域可能都会有这样的情况。他们这个体系里现在组织了多少写代码的人？

大概是上千人的规模。

但他们还没有招募中国的写代码的人？

美国不允许招募中国人。如果是中国人，就必须以马来西亚或者新加坡的身份去做。美国现在的大公司对中国身份还是非常敏感。

这个平台里的程序员收入能到什么程度？跟印度本地比较好的公司程序员相比呢？

高很多，大概是硅谷一半的工资，10 万到 15 万美元左右。

但在班加罗尔生活。

对，非常幸福。

对这部分人来说，至少薪资待遇是很大的提升。

不只是印度，现在还包括东欧、俄罗斯。不过俄罗斯人很多会到南美去。

俄罗斯人也得从俄罗斯出来？

对，也要包一层。

你们接下来有没有类似的计划？

现在还没有。我们还在做招聘 AI 化，因为招聘是一个非常典型的场景，每个链条都可以解耦，每个链条都可以用 AI 提效和提速。把它们全部串起来，就有可能做成招聘零工平台，也就是白领零工平台。

我们把这个过程说完。最终状态是大家都不需要工作，往回退一步是人力上云，再往前推一步，就是大家开始用好 AI 解决工作问题。

这意味着大家的面试方式也发生变化。以前通过任务考察潜力和能力，现在知道你会用 AI 了，就会设计新的面试方式，考察你应用 AI 的能力。

对。我觉得这 3 个节点代表未来完全不同的社会变化。我真正没想清楚的是，从大规模零工平台到全员退休的过程中间会发生什么。

但从现在到大规模白领零工平台，我已经慢慢有感觉了。

离我们现在最近的节点，就是招聘会变成考察一个人能不能和 AI 一起工作的能力。你们已经看到哪些具体变化？自己也做了什么调整吗？

我们还在讨论，没有真正形成标准。但我可以举个例子。

通常招市场岗位，要考察文案功底。现在可以不考察文案功底，直接给他一个任务，让他自己或者用 GPT，在 10 分钟、20 分钟内给出一个比较好的结果。如果结果令人满意，就代表他有能力用好 AI，帮助自己解决文案问题。

程序员也会有类似的情况。

我们发现，产品经理和程序员之间的边界正在变模糊。很多产品经理已经可以调用 AI 实现自己的想法，很多程序员也可以通过 AI 画设计图、做用户反馈。

所以所谓的能力边界正在变模糊。

上次我和 Fellow Round 的创始人聊，他讲到一个挺有意思的事情，这属于展开想象：面试方式可能会变化。现在面试比较像考试，有一次性的，也有很多轮。

他说，硅谷很多小团队招人时，会让一个人过来工作 2、3 天，或者 1 周，双方磨合、体验。未来也可能用机器构造一个这样的环境，让候选人在环境里体验，来替代面试。

单纯从我的观点来看，这一步可能还没走到，就会进入下一步，也就是零工时代。

这两个可能会同时快速往前走。

对。面试能力、技巧和方式的演变，是一个细节上的小变革；但整个工作流的变革是最大的变革。

人力上云是更大的变化。

对，这是工作流的变革。

您觉得第一个、第二个节点大概什么时候发生？

第一个节点可能在最近 2、3 年发生，第二个节点可能在 5 到 10 年发生，但都取决于 AGI 真正发展的速度。

您和其他创业者、企业家讨论过第二个节点吗？大家有什么反馈？

讨论过，但还不多。基本上跟我讨论的人都觉得这是一个未来。

很多人一开始没往这个方向想，但讨论 30 分钟到 1 小时以后，可能会觉得这有确定性。因为它取决于工作中有多少事情是强耦合的，有多少事情可以拆开。

只要任务可以流转、可以拆解，就有可能被云端化。

谁有可能成为人力上云的平台？

我当然觉得招聘公司有可能。

在您的设想中，脉脉肯定有希望往这个方向发展。另一方面，也可能是全新的、现在还没出现的公司。

我觉得有几类公司很有可能。

第一类是大模型公司。大模型公司具备底层能力，相当于是科瑟干的活，最后 GPT 自己也能做。当 AGI 能力变强时，大模型公司会向外延伸。

第二类是大厂。很多云服务公司本来就是大厂做的，因为它有足够多的机器，可以复用和灵活使用。未来大厂也有足够多的人力资源进行复用和灵活使用。

如果一个大厂程序员除了服务大厂，也能服务社会上很多创业公司，他一定有自己的信用和价值。

第三类是招聘公司。我觉得这 3 类公司，都比较有希望进入下一个时代。

您不担心传播这个想法，别人知道您的 idea 吗？

有想法的人多了去了。我更希望找到志同道合的人一起做，研究这件事到底怎么实现。

我们刚才推演了未来的工作可能因为 AI 怎么变化。林凡总总结了 3 个节点。

第一个节点，可能未来 2、3 年发生，招聘本身会改变。更多考察的不是一个人本身的能力，而是他能不能和 AI 一起交付结果。

第二个节点更远一些，也是您觉得有很大机会的，人力上云。

第三个是更终局的状态，大家出生即退休。人可能不用工作，也不需要面试和招聘。

对，可能 95% 的人都不需要工作。

我们从远期展望回到最近的建议。我希望您可以根据脉脉看到的数据，给大家一些教育选择和职业选择建议。

教育选择挺难的，我先讲职业选择。

对所有人都有用的一件事是，一定要花钱买 AI 会员，把 AI 变成日常使用习惯。日常工作中的所有任务都想一想、试一试，交给 AI 看它能做到什么程度。

有一个很简单的衡量标准：不管用 ChatGPT 还是豆包等 AI 工具，每天能用 10 次，才算及格。如果每周才用 10 次，就要赶紧培养这个习惯。

这是您给脉脉员工的指标，每天 10 次？

对。我们内部和对外部都一直讲，每天 10 次是基础线。如果达不到这条线，在未来的时代里，工作一定会慢慢被淘汰。未来 2、3 年，AI 和工作的结合度会非常高。

这是在白领工作范围里。

对，白领工作。蓝领不一定，有些确实用不上。

另外，我建议所有人投入到 AI 暂时还不好替代的核心能力上。比如解决复杂问题的能力：你有多个头绪、多个线索，或者对自己的业务有足够多的了解和经验。

还有跨领域协调能力，比如生物和计算机结合，产品和运营结合，产品和研发结合。跨领域协作、复杂问题协作的主要特点是，在整个数字世界里还没有这些数据存在，所以 AI 还不能通过数据快速掌握这些能力。

总结一下，一是开 AI 会员，付费使用更好的功能；二是每天用 10 次；三是寻找那些本质上还没有被数据化、AI 还没有学到的复杂能力。

我最近也看到美国今年 6 月做过一个调查，针对 Z 世代，也就是大概 1995 年到 2005 年出生的孩子的家长，问他们认为什么工作最抗 AI。

超过 50% 的人选择了水管工。第二个也是超过 50% 的，是空调系统维护、维修技师；第三个是电工；第四个是护士。到第五个才是白领工作，律师。

但律师其实也会被替代，美国已经很明显了，Harvey 等公司就在做这个方向。

这个调查应该是对 1,300 多位家长做的。

它既对，也不完全对。对的地方是，今天大模型确实还做不了前面几个工作。但具身智能也在努力做这些事情。

它们的瓶颈都来自大模型本身 AGI 能力的进展。不过，具身智能对稳定性和安全性的要求可能很高，但也可能没有想象中那么难，完全取决于大模型什么时候能把“大脑”做好。

您觉得什么时候 AI 有可能当护士？

10 到 15 年。

这不算特别激进的预测。

不算。现在很多预测普遍比这个更激进，但我没有那么激进。

您自己也是家长，女儿刚高考？

对，刚刚上大学。

她选专业时，您会给她一些建议，还是让她按照兴趣选择？

我们做了比较深入的讨论，最后她选了生物学。

21 世纪是生物科学的世纪吗？

我觉得马上就要到了。

您的逻辑是什么？你们讨论的逻辑大概是什么？

最基础的逻辑是，碳基生命和硅基生命相比，硅基生命在过去几十年的发展速度非常快，但我们对碳基生命、基因以及人类基础结构的介入和理解还比较少。

大模型到来以后，反而成为一个很好的工具，能够帮助我们解决生物学以及人类各种遗传表征中的问题。

当拥有一个很好的工具时，一个学科可能会突飞猛进。就像牛顿、莱布尼茨发明微积分以后，物理学有了非常好的发展。

同样，生物学在大模型这个工具 ready 以后，也会有很大的进展。

生化环材之前被认为是理工科里的“天坑专业”。

对。它们原来的问题在于，做实验要重复无数次，才可能找到一个结果，很多时候凭概率、凭运气。

AI 是比喻意义上的“炼丹”，而生化环材有点像真的在炼丹。

对。AI 和自动化会大大提升效率。

所以如果一定要对选专业提建议，我反而可能建议选择这些“天坑专业”。但这个建议不作数，我只推广给我们自己家闺女。

不推广给别人。

对。

刚才聊的都是职业相关建议。我也想聊聊更广泛的生活。很多人觉得未来工作时间会大大减少，甚至有很多人不用工作。多出来的时间，我们怎么投入生活？

培养自己的兴趣。我觉得这件事特别重要。

您现在还练剑、打太极吗？

倒还没有。

您之前在清华时，是代表清华武术队去北京参加武术比赛，也取得过名次。

因为我实在没有办法解决，练剑和打太极时被人围观的问题。对爱人来讲，实在太难受了。

在学校有专门的训练场馆，可以跟武术队朋友一起训练。毕业以后有一段时间，我早上去健身馆，基本上还没有人。但现在很难找到没有人的场景，所以我改成户外和登山了。

所以您说最重要的是爱好。

我觉得兴趣和爱好可能是最重要的。很多人终其一生都没有找到自己真正喜欢做的事情。

有时候大家会把真正喜欢做的事情和兴趣爱好分开。比如打太极、练剑，如果不把它作为职业，不像吴京一样去比赛、拿名次，它更多是修养和修身养性。

但如果是一生追求、真正想追求的事业，里面肯定有很多痛苦的部分。

那是。您说的是兴趣爱好，而不是追求事业。

对，我说的只是兴趣爱好。很多人一生没有找到自己的兴趣爱好。

大家有时会把刷抖音、购物、吃甜品叫作兴趣爱好，但这些不能叫兴趣爱好。

什么才叫兴趣爱好？

范围其实挺广。比如比较节制地和三五个好友打麻将，我觉得也算。

不熬夜、不赌钱。

对。

未来生命中大概有 1/3 的时间，清醒时大概 1/2 的时间，本来是用来工作的，现在不用了。您觉得我们能接受这种认知上的巨大变化吗？尤其是已经工作了很长时间的人。

我觉得这都是所谓 native 的那一代。以前大家接受互联网也很难，但互联网原住民那一代就不会觉得难，后面的一代也不会觉得难。

对于已经工作很长时间的人，肯定会很难。因为工作时间比较长的人，确实会把自我认同和工作结合在一起。

但这可能不是人的本性。从有人类以来，并不是说人的价值就是工作。只是现代社会以来，我们很大一部分价值来自工作。

现在有一些科幻和文艺作品在讨论，人会失去意义感，生活变得更加困难。

但我觉得不一定。以前的贵族基本上也不用工作，但你不会觉得那些贵族活不下去，或者失去意义感。

只要能找到自己喜欢的事情，生活还是会有意义。

今天非常感谢脉脉的林凡总做客《晚点聊》和我们分享了他在硅谷感受到的 AI 人才趋势的变化和见闻，以及我们着重聊了脉脉通过他们自己详尽的数据看到的中国 AI 市场的变化，以及所有大厂在重回增本增效的这样一个大的趋势。然后我觉得特别有意思的部分是最后就是您推演的未来这个工作人力资源本身会怎么变化？然后有三个节点，两个可能比较近的，一个就是我们要去考察你和 AI 一起来工作的能力，第二个是人力上云。那非常感谢林凡总的做客，我们今天节目就到这里，各位拜拜，谢谢大家，拜拜。

本期节目就到这里，欢迎收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，欢迎推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注晚点聊 Late Talk，也欢迎关注我们的公众号晚点 Late Post，下期再见。