圖源：視覺中國
「AI生成的內容該怎麼界定其智慧財產權？」「當越來越多人把AI當做戀人，背後的倫理問題該如何判定？」……這些討論來自香港大學的AI倫理課課堂。
為系統培養能應對這些挑戰的專業人才，香港大學於2023年創立了亞洲首個AI倫理方向的文學碩士項目——人工智慧、倫理與社會碩士（簡稱AIES）。一年後，Monica成為了該專業的第二屆碩士生。
人工智慧與倫理、社會相結合的前沿專業，在旁人眼中或許超前且抽象，卻成為Monica突破職業瓶頸的最佳選擇。Monica曾輾轉於媒體與網際網路行業，在工作中接觸大模型項目後，對AI領域產生了濃厚興趣。「我是文科背景出身，沒辦法申請純理科專業，AIES完美契合我的需求。」Monica坦言。
這個被仲介稱為「文科生轉碼寶藏項目」的碩士專業，吸引了近百名來自不同專業背景的學生。課程設置充分體現「AI+X」的複合培養理念：必修的數學課幫助學生理解AI底層邏輯，哲學課探討意識本質，倫理課則聚焦社會層面的現實問題。
這種教育創新正在全國高校蔓延，其背後卻隱藏著AI人才荒的現實。數據顯示，2024 年，中國人工智慧專業在校生約 4 萬多人，而整個領域的人才缺口卻高達 500 萬。這種現實正在倒逼中國高等教育體系開啟一場前所未有的轉型實驗。
傳統「標準化」的人才培養模式已難以適應AI時代的需求，國內外頂尖高校紛紛啟動教育改革，構建「AI+X」的交叉培養體系。斯坦福等高校已開設「人機互動」等前沿專業，北大、復旦等頂尖學府紛紛開設AI通識課。
《普通高等學校本科專業目錄（2025年）》顯示，今年共增列了29種新專業，其中人工智慧領域成為重點新增方向，包括人工智慧教育、智能視聽工程、音樂科技、數字戲劇等。根據教育部公布的數據，截至目前，全國有超600所高校開設了「人工智慧」本科專業。在專業設置快速擴張的同時，關於AI人才培養的深層次思考也在同步推進。
50%職業被重塑，誰會被淘汰
與Monica相似，浙江大學「智能體育工程」首屆學生林白也選擇了AI跨學科道路。「智能體育工程」專業為浙江大學第一年招生，外界頗有質疑，認為專業小眾，易窄化職業發展道路。
但高考670分的林白面對質疑時表示：「體育與AI都是我的興趣所在，而且作為首批學生更能獲得優質資源。」該專業融合自然科學、AI工程與體育科學，旨在培養體育科技領域的複合型人才。
這種「興趣導向」的跨學科選擇，正在成為填補AI人才缺口的新路徑。
即將畢業的Monica總結這一年的收穫：「最重要的是學會了用多元視角審視技術。」雖然課程更多是提出問題而非解決方案，但隨著AI與社會深度融合，解答這些命題將成為新一代人才的使命。
自ChatGPT橫空出世，AI技術以顛覆性姿態重塑職場生態。
麥肯錫《工作的新未來》預測，2030至2060年間，50%的職業將被AI影響。這一進程並非簡單的「取代」，而是一場職業價值的重新洗牌——重複性勞動加速消亡，創造性工作價值凸顯，職場人正站在技術革命的分水嶺上。
一些基礎崗位首當其衝，客服、數據錄入、基礎編程和修圖師等職業被AI批量取代；法律文書審核、財務核算等專業領域，AI的準確率與效率已超越初級從業者；PPT製作、視頻剪輯等傳統職業技能壁壘正在崩塌，職場競爭進入「人機協作」新維度。
當然硬幣並非只有一面，硬幣的另一面是AI也催生了一些黃金賽道。提示詞工程師時薪高達500元，AI訓練師成為熱門職業，大模型工程師可以拿到百萬年薪。
翰德（Hudson）《2025人才趨勢報告》顯示 ，AI方向的招聘量同比增長約25%，而生成式AI相關崗位需求增長超過300%。此外，數字戲劇導演、AI音樂製作人等藝術科技混合型人才走俏。
在這場重構中，職場人面臨殘酷的進化抉擇時刻：要麼成為駕馭AI的人，要麼淪為被淘汰的「技術落伍者」。這種能力重構直接反映在薪酬市場上。普華永道報告指出，2024年，擁有人工智慧技能的從業人員平均工資溢價56%，是前一年的兩倍。
獵聘大數據研究院《2025AI技術人才供需洞察報告》顯示，從AI技術職位的招聘薪資來看，50萬元年薪以上的職位占比最高，為30.97%。在求職平台上，即便是與AI相關的非技術崗，月薪也多數過萬。
人才爭奪戰背後的供需失衡正愈演愈烈。企業間的「人才軍備競賽」屢創新紀錄：從小米以千萬年薪招攬羅福莉，到Meta豪擲2億美元從蘋果挖角核心高管，頂尖人才已成為決定企業AI戰略成敗的關鍵籌碼。
AI生成30%代碼下的程式設計師進化論
這場人才爭奪戰的背後，折射出AI產業更深層的結構性矛盾——技術疊代速度已遠超傳統人才培養體系的供給能力。當企業為頂尖人才開出天價時，一個更隱蔽的危機正在蔓延：AI對傳統技術崗位的替代速度，正以指數級快於人才的轉型速度。
目前，程式設計師群體正經歷著最劇烈的職業陣痛。「這是程式設計師最好的時代，也是最壞的時代」，深耕計算機行業十餘年的Jeremy如此感嘆。
這種矛盾性在項目的開發實踐中表現得尤為突出：AI編程助手讓開發效率實現質的飛躍，曾經需要十人團隊數周完成的項目，如今兩三人配合AI工具能在幾天內交付；與此同時，技術疊代的加速也讓程式設計師們陷入持續學習的焦慮，稍有不慎就可能被時代淘汰。
然而Jeremy卻從中看到了更深層的價值：「這讓我想起物理學史上的範式革命——既有舊理論被顛覆的震撼，又有探索未知領域的興奮。」在他看來，能夠與自己參與創造的AI技術對話協作，這種獨特的職業體驗本身就是一種難得的成就。這種「與未來共舞」的參與感，正是技術工作者最珍貴的職業饋贈。
當前，AI技術對編程行業的重構已進入深水區。多位資深從業者觀察到，隨著Cursor等AI編程工具的成熟，初級程式設計師崗位正面臨前所未有的替代風險。伯克利大學計算機科學教授James O'Brien的研究顯示：AI生成的代碼質量雖未達完美，但其疊代速度已達到人類初級開發者的5-8倍。這一結論正在全球科技公司得到驗證。
矽谷AI研究員Eddy直言：「當下年輕人選擇計算機專業需要更加慎重」。在他看來，頭部科技公司的招聘標準已發生質變，傳統「程式設計師必修」的SQL編寫、基礎架構搭建等技能，正被AI工具快速替代。「自然語言編程工具的普及，正在削減初級工程師的競爭力。」Eddy強調。
行業數據印證了這一轉型趨勢。SignalFire《2025人才趨勢報告》揭示，科技巨頭對應屆生的招聘比例同比驟降25%，技術團隊平均年齡上升至34.5歲。企業更傾向於採用「AI+資深工程師」的組合模式，基礎開發崗位需求持續萎縮。
近期科技巨頭的裁員潮更具說服力。在微軟今年5-7月的裁員潮中，其全球裁員15000人中，其中半數為軟體開發崗位。CEO納德拉坦言，公司近30%的代碼已由AI生成，這一比例還將持續攀升。無獨有偶，亞馬遜、谷歌等科技巨頭同樣在調整人力結構，將資源向AI研發傾斜。
這也意味著，AI時代的到來不僅是工具革新，更是職業上的顛覆。Jeremy分析指出，「未來的核心競爭力，在於將領域知識、業務洞察與AI工具深度融合的能力。」在他看來，程式設計師不再只是「寫代碼的人」，而是逐漸成為能與AI配合、駕馭智能工具的「AI合作者」。只有在變化中掌握新技能，才能在技術浪潮中保持不可替代性。
700萬年薪與AI流水線的殘酷分野
當前，各行業正經歷著一場深刻的職業生態重構，呈現出「冰火兩重天」的格局。
在人工智慧技術快速發展的推動下，企業對AI人才的需求呈現爆發式增長。為吸引頂尖人才，頭部企業紛紛打破傳統薪酬體系，開出了極具競爭力的薪資待遇。
以Deepseek為例，其招聘的應屆畢業生年薪可達百萬級別，而名校博士畢業生的最高年薪更是達到700萬元。值得注意的是，網際網路巨頭為爭奪資深AI人才，甚至開出了千萬級別的年薪方案。
可以看見，這場由AI驅動的職場變革呈現出明顯的兩極分化態勢：傳統崗位面臨轉型升級的挑戰，而AI訓練師、提示詞工程師等新興職業則快速崛起。在此背景下，從業者既面臨被技術疊代的風險，也迎來了職業發展的新機遇，主動適應變革成為關鍵。
今年3月，飛行器製造工程專業的應屆畢業生秀達加入一家科技公司擔任AI訓練師。這個看似光鮮的職位，實際承擔的是提示詞工程師的工作職責。在AI行業快速發展的初期，諸如數據標註師、AI訓練師、提示詞工程師等新興崗位的職責邊界尚未完全明晰，工作內容常常存在交叉重疊。
雖然本科學習的是飛行器製造工程，但秀達一直對AI技術保持著濃厚興趣。在ChatGPT橫空出世之初，他就敏銳地察覺到提示詞優化這一新興領域的潛力。憑藉兩段AI相關的實習經歷，他成功進入這個新興行業。
最令他自豪的是，在某頭部科技公司實習期間，他設計的提示詞優化方案被應用於服務百萬用戶的核心產品中，顯著提升了用戶體驗。「看到自己設計的方案能服務如此大規模的用戶群體，這種成就感難以用言語表達。」秀達說。
然而，這份看似前景廣闊的職業也面臨著質疑聲。隨著大模型技術的快速疊代，越來越多人認為提示詞工程師終將被AI取代。對此，秀達表示，「外界可能認為這只是簡單的文字調整，但實際上每個可落地的提示詞方案都需要經過數十次疊代測試和優化。」
為了保持職業競爭力，秀達持續學習AI工具和算法原理，甚至開始自學編程，努力將自己打造成能夠搭建智能體、設計完整工作流的複合型人才。
與積極進取的秀達形成鮮明對比的，是秦羽的職業經歷。她曾就職於某網際網路巨頭的AI數據標註崗位，這份在社交媒體上被戲稱為「AI流水線工人」的工作，現實與想像大相逕庭。
「原本期待能學習到和AI相關的專業知識，沒想到每天的工作就是給AI系統『糾錯改錯』。」秦羽自嘲道。她的日常工作是修正AI生成的各類錯誤，比如將《甄嬛傳》導演從「馮小剛」更正為「鄭曉龍」，將一些錯別字和錯誤信息修改成正確內容。
這份工作強度不高，有時一天僅需工作兩小時，但長期機械重複的勞動讓她倍感焦慮：「難以獲得能力提升是一方面，另外很現實的是，我們目前所做工作的目的就是為了讓AI取代我們」。
入職短短兩個月後，秦羽就果斷選擇了離職。她清醒地意識到，數據標註工作的本質是通過人工訓練來逐步實現人工替代，而她不想被困在這份毫無成長性的工作當中。離職時她注意到，公司500人的數據標註團隊群里，又新增了數十名求職者，高流動性已成為這類門檻低、可替代性高職業的典型特徵。
秀達與秦羽的職場鏡像，折射出AI時代最殘酷的生存法則——當技術疊代速度超越個人進化曲線時，職業賽道的選擇將決定未來的可能性邊界。
這不僅是兩個年輕人的故事，更是整個數字勞工時代的隱喻。在算法重構生產關係的今天，職業價值正被重新定義：提示詞工程師的創造力溢價與數據標註員的工具化困境，本質上映射著「認知套利」與「體力折舊」的分野。
當AI重構職場版圖，頭部人才是企業未來決勝的關鍵，而每個人的學習曲線斜率，終將決定其在智能時代坐標系中的位置——是站在算力金字塔的尖頂，還是沉沒於自動化浪潮的基底。
