作者：Lingo　发布：　阅读时间：37 分钟

AI研究员的薪资正在达到过去技术行业很少出现的水平。OpenAI目前公开招聘研究科学家，基础年薪为25万至44.5万美元，此外还提供股权。[1] 媒体报道的极端数字通常还包括多年股权、签字费和留任条件，不能直接理解为一年现金收入，但AI人才价格迅速上涨已经是事实。

大厂为什么愿意付出这个价格？它们真的能够从一个研究员身上收回成本，还是正在重复过去的技术泡沫？

技术人才的薪资从来不只由个人能力决定，也会受到产业周期影响。一个新技术刚出现时，真正做过相关项目的人很少，公司又无法通过成熟流程复制这些经验。企业为了缩短研发时间，往往愿意支付远高于原有岗位体系的价格。

如果这项技术还能服务大量用户，人才价格会进一步分化。经济学家Sherwin Rosen在1981年提出“超级明星经济”：当成果可以在大市场中重复销售时，顶部人才之间不大的能力差异，也可能造成悬殊的收入差异。[2] 软件和模型都可以低成本复制，AI研究因此比传统制造更容易形成超级明星薪资。

半导体首先经历了这轮竞争

20世纪50年代，半导体产业还没有形成稳定的人才市场。肖克利创办实验室后，从美国各地招募年轻科学家和工程师。1957年，摩尔、诺伊斯等八名核心成员集体离开，成立仙童半导体。仙童后来又分裂出英特尔、AMD等公司。[3]

当时企业争夺的不只是几个工程师，而是能够共同完成材料研究、器件设计和生产工艺的团队。仙童早期取得成功，却没有持续给核心员工足够的股权，也没有及时投入新的生产设施。人才随后不断离开，公司逐渐失去技术领先地位。[4]

这个阶段留下了一个重要经验：前沿产业首先争夺人才，随后才学会设计适合人才的组织。工资能够把人招进来，研发自主权和长期利益才能让团队留下。

互联网把高薪变成了股权

20世纪90年代，互联网公司开始广泛使用股票期权吸引工程师。企业当期收入不足，便把未来增长的一部分提前写进员工薪酬。到2000年前后，股票期权已经成为国际高科技公司争夺工程师的重要工具。[5]

这种薪酬方式把技术人才与资本市场连接起来。股价上涨时，员工获得的回报可能远高于工资；估值下降以后，尚未兑现的股权也会迅速缩水。互联网泡沫破裂并没有让优秀工程师失去价值，但大量依赖估值支撑的薪酬承诺被重新定价。

金融业也出现过类似现象。20世纪80年代以后，华尔街大量吸收数学、物理和计算机人才。NBER的一项长期研究发现，从20世纪90年代中期到2006年，金融业工资明显高于其他行业，其中约30%至50%的工资差异可能来自行业租金，而不完全是劳动生产率。[6] 当一个行业利润丰厚，人才会分享利润；利润下降以后，这部分溢价也很难长期维持。

AI进入了薪资扩张期

斯坦福《2026年人工智能指数报告》显示，2025年全球企业AI投资超过此前一年的两倍，产业界生产了90%以上的重要前沿模型。[7] 模型研究从高校进入企业，资本开始直接给研究能力定价。

大厂支付的费用中，一部分对应研究员已经证明的能力。一个训练方法如果能够提高模型性能，或者减少一次失败训练，可能节省大量算力成本。另一部分来自人才稀缺：真正参与过前沿模型训练的人仍然有限。公司还会为不确定的未来付费，因为它无法提前知道谁会提出下一种关键方法，也不愿意让竞争对手先得到这个人。

问题也由此出现。模型通常由大型团队共同完成，外部公司很难判断一项成果究竟来自某位研究员，还是来自他所在团队的算力和协作条件。企业知道人才重要，却还没有形成稳定的评价标准，于是论文、学校和上一家公司的名称容易成为替代指标。薪资最高的时候，往往也是市场最难准确识别人才的时候。

自动驾驶曾经提供过一次预演。Uber在2018年为自动驾驶及其他前沿技术项目支出4.57亿美元，2019年又以72.5亿美元估值为自动驾驶部门引入外部资本。[8][9] 到2020年，Uber决定把自动驾驶部门并入Aurora，并向合并后的公司追加4亿美元投资。[10] 高额投入和高估值没有保证Uber继续独立研发这项业务。前沿人才只有进入合适的技术路线和组织体系，才能兑现账面价值。

Agent开发工程师：历史周期的产物终会回到历史周期

Agent开发工程师短期会扩张，长期却未必保持为独立岗位。企业现在需要工程师把模型接入现有系统，但模型厂商会继续把工具调用和流程编排内置为标准能力，模型也能生成越来越多的连接代码。今天需要工程师手工搭建的流程，未来可能只需配置平台。熟悉某个Agent框架能够换来当前的就业机会，却很难形成长期薪资壁垒。

上层开发被标准化以后，简单Agent将越来越多地由业务人员直接搭建，复杂Agent则会进入企业的生产系统。后者一旦可以读取数据、修改订单或调用资金账户，问题就从能否运行变成出错以后如何控制后果。Anthropic指出，Agent自主行动可能误解用户意图，也可能执行非预期操作或受到提示注入攻击。[13] 权限控制、运行监测和人工接管因此不会随着框架成熟而消失。

未来两到四年，企业仍会集中招聘Agent开发工程师。Anthropic对数百万次人机交互的研究显示，Agent连续执行任务的时间正在延长，软件工程已经占到Agent活动的近一半；用户越依赖自动执行，也越需要随时中断和接管系统。[14] 需求会继续增加，但企业对这个岗位的评价标准会从做出一个演示，转向能否长期稳定运行。

OpenAI公开招聘的Agent基础设施工程师，需要建设执行环境和生产平台，还要处理集群扩展、容器编排等问题。[15] 这类工作更接近后端和基础设施开发，而不是提示词工程。随着简单功能被平台吸收，能够把Agent接入生产系统并对结果负责的工程师，反而会获得更长的议价周期。

行业经验也不会因为Agent出现而贬值。Anthropic对Claude Code使用情况的研究发现，经验更丰富的开发者通常能让Agent一次完成更多工作，成功率也更高。[16] Agent降低了执行成本，却没有替代问题定义和结果判断。

也可以反过来问：企业会不会直接招聘Agent全栈工程师，让一个人完成过去多个岗位的工作？在创业公司和新业务团队中，这种情况很可能出现。AI编码工具降低了跨技术栈工作的成本，一个Agent工程师可以同时完成模型接入、接口开发和简单部署，企业也会借此缩小早期团队。

但全栈不等于一个人在每个方向上都比专业工程师更强。Agent工程师的优势，在于借助AI横跨技术栈，并对一个业务结果负责。随着模型和平台吸收常规开发工作，企业确实可能减少独立的后端、平台和业务自动化岗位。只有当性能、安全或复杂业务规则成为瓶颈时（业务瓶颈是关键），专业分工才会重新出现；这些能力也可能集中在少数平台团队或外部服务商。

所以，本文更愿意把Agent开发看成软件工程的一次重组，而不是一个永久独立的新工种，毕竟分久必合，合久必分，在技术史上也是见怪不怪的。短期内，市场会集中招聘Agent开发工程师；长期看，这些能力会逐渐并入后端开发、平台工程和业务自动化岗位。

AI人才溢价还会持续多久？

本文的基准判断是：AI人才的普遍溢价还能持续两三年，结构性溢价会持续五到十年；极少数前沿研究者的超级明星价格可能长期存在。

截至2026年，市场还没有进入全面降温阶段。PwC分析超过10亿条招聘信息后发现，需要AI技能的岗位增长约69%，整体就业市场增长约9%；AI技能对应的平均薪资溢价达到62%。这些数据不能证明AI技能造成了全部薪资差异，但至少说明相关岗位的需求仍在快速增长。[11]

人才供给也已经开始追赶。美国AI软件相关硕士毕业人数从2023年至2024年增长17%，美国和加拿大新增AI博士人数从2022年至2024年增长22%。随着课程、开源模型和开发工具逐渐成熟，掌握一般AI技能的人会继续增加。[12]

以2026年为起点，不同岗位的溢价可能出现明显分化：

人才类型溢价可能持续变化方向
提示词、模型接入、普通AI应用开发1—3年最先回落，逐渐成为软件工程师的基础技能
Agent应用开发工程师2—4年框架拼接的溢价会先回落，系统可靠性和业务集成能力继续升值
模型训练、推理优化、数据工程3—5年仍然稀缺，但评价会越来越看实际结果
芯片适配、编译器、分布式训练系统5—8年受算力竞争推动，工业积累难以速成
顶尖模型研究员、研究负责人5—10年以上人数极少，可能继续呈现超级明星定价
AI与医疗、制造、金融结合的人才5年以上溢价会转向能够把AI做成行业结果的人

2026—2028年：溢价仍然明显

企业还在从试验走向大规模应用。斯坦福《2026年人工智能指数报告》显示，2025年全球企业AI投资超过此前一年的两倍。[7] 只要资本继续投入，大厂仍会争夺模型训练和基础设施人才。

但会调用模型很快不再构成稀缺能力。模型平台会继续降低开发难度，AI本身也在帮助工程师写代码。普通应用岗位的门槛下降以后，企业不会长期为一个AI标签支付高价。

2028—2030年：平均溢价下降，内部差距扩大

届时，AI可能像今天的云计算和移动开发一样，成为许多岗位的默认能力。企业不再单独招聘大量AI人才，而会要求产品经理、工程师和行业人员直接使用AI。

薪资不会整体下跌，而会明显分层。只会使用现成模型的人将逐渐失去标签溢价；能够降低训练成本、解决系统瓶颈或者带来实际收入的人，仍然拥有议价能力。

2030年以后：AI标签消失，能力溢价保留

当企业能够准确评价AI项目的收入和成本，薪资会从参与过哪个模型，转向具体解决过什么问题。行业热度带来的价格逐渐消失，可验证的贡献开始主导定价。

最大的变量是下一次技术范式变化。如果世界模型、机器人或新的模型架构再次打开未知空间，又会产生一批新的稀缺人才，薪资周期也会重新开始。

媒体报道的天价合同可能比AI人才的整体溢价更早降温。这些合同通常包含多年股权和留任条件，对公司估值非常敏感。资本市场一旦调整，账面总包可以迅速缩水；基础工资和真正稀缺的能力则不会同步消失。

因此，现在的大厂抢人具有双重性质。对拥有算力、产品和研究组织的公司，高薪聘请关键研究员可能是合理投资；对无法提供这些条件的公司，按照头部实验室的价格招聘明星，只会购买一份难以兑现的履历。

每家公司都担心竞争对手先得到人才，因此单家公司很难主动停止加价。个体决策可以保持理性，整个行业仍可能形成过度竞争。历史上的半导体、互联网和自动驾驶都经历过类似阶段。

参考文献

[1] OpenAI. Research Scientist[EB/OL]. [2026-08-10]. https://openai.com/careers/research-scientist-san-francisco/.

[2] ROSEN S. The Economics of Superstars[J]. The American Economic Review, 1981, 71(5): 845-858. https://econpapers.repec.org/article/aeaaecrev/v_3a71_3ay_3a1981_3ai_3a5_3ap_3a845-58.htm.

[3] Computer History Museum. 1956: Silicon Comes to Silicon Valley[EB/OL]. [2026-08-10]. https://www.computerhistory.org/siliconengine/silicon-comes-to-silicon-valley/.

[4] LAWS D. Fairchild Semiconductor: The 60th Anniversary of a Silicon Valley Legend[EB/OL]. 2017-09-19[2026-08-10]. https://computerhistory.org/blog/fairchild-semiconductor-the-60th-anniversary-of-a-silicon-valley-legend/.

[5] PONSSARD J P. Stock Options and Performance-Based Pay in France[EB/OL]. Brookings Institution, 2001-03-01[2026-08-10]. https://www.brookings.edu/articles/stock-options-and-performance-based-pay-in-france/.

[6] PHILIPPON T, RESHEF A. Wages and Human Capital in the U.S. Financial Industry: 1909—2006[R/OL]. NBER Working Paper No. 14644, 2009[2026-08-10]. https://www.nber.org/papers/w14644.

[7] Stanford Institute for Human-Centered Artificial Intelligence. The 2026 AI Index Report[EB/OL]. 2026[2026-08-10]. https://hai.stanford.edu/ai-index/2026-ai-index-report.

[8] Uber Technologies, Inc. Registration Statement on Form S-1[EB/OL]. 2019[2026-08-10]. https://www.sec.gov/Archives/edgar/data/1543151/000119312519103850/d647752ds1.htm.

[9] Uber Technologies, Inc. Current Report on Form 8-K[EB/OL]. 2019-07-02[2026-08-10]. https://www.sec.gov/Archives/edgar/data/1543151/000119312519188316/d767435d8k.htm.

[10] Uber Technologies, Inc. Current Report on Form 8-K[EB/OL]. 2020-12-07[2026-08-10]. https://www.sec.gov/Archives/edgar/data/1543151/000155278120000598/e20603_uber-8k.htm.

[11] PwC. 2026 Global AI Jobs Barometer[EB/OL]. 2026-06-15[2026-08-10]. https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html.

[12] Stanford Institute for Human-Centered Artificial Intelligence. The 2026 AI Index Report: Education[EB/OL]. 2026[2026-08-10]. https://hai.stanford.edu/ai-index/2026-ai-index-report/education.

[13] Anthropic. Trustworthy Agents in Practice[EB/OL]. 2026-04-09[2026-08-10]. https://www.anthropic.com/research/trustworthy-agents.

[14] MCCAIN M, MILLAR T, HUANG S, et al. Measuring AI Agent Autonomy in Practice[EB/OL]. Anthropic, 2026-02-18[2026-08-10]. https://www.anthropic.com/research/measuring-agent-autonomy.

[15] OpenAI. Software Engineer, Agent Infrastructure[EB/OL]. [2026-08-10]. https://openai.com/careers/software-engineer-agent-infrastructure-san-francisco/.

[16] Anthropic. Agentic Coding and Persistent Returns to Expertise[EB/OL]. 2026-06-16[2026-08-10]. https://www.anthropic.com/research/claude-code-expertise.