7家AI原生公司招聘数据：8大岗位变化揭示AI时代人类工作新走向

AI会抢走人类工作？7家AI原生公司招聘数据揭示8大岗位变化

引言 今年五一劳动节，网上流传着不少“赛博劳动节”“硅基劳动节”活动的新闻。从积极方面看，AI和机器人正逐渐成为重要的劳动力增强与补充力量；然而，这也引发了人们对AI替代人类劳动力的担忧——人类的工作机会是否会因此减少？甚至有人利用AI生图宣称这是“人类最后一个劳动节”。事实果真如此吗？为探究真实情况，本文延续去年9月发表的一项AI新职业研究框架，进行了一次研究更新。样本选取了7家国内外具有代表性的AI原生公司或团队，数据来源于官网公开的招聘信息，采集时间为2026年5月1日——劳动节当天。

美国选取了御三家OpenAI、Anthropic、DeepMind，中国则有智谱、月之暗面（Kim i）、深度求索（DeepSeek）和通义千问。研究的核心框架是将AI公司的所有在招岗位归为五类——使能者（负责模型研发）、协作者（负责产品和交付）、推广者（负责销售和营销）、治理者（负责安全和合规）、支持者（负责后勤和运营），以消除各公司岗位差异较大的问题，便于统一分析对比。（五类的详细定义见文末研究方法说明。）

核心发现

重要的事情提前说，与8个月前相比，这次研究发现AI新职业有八个变化：

1. 岗位总量倍增：AI公司不仅没有缩编，反而纷纷增岗招人。7家公司的在招岗位从718个增加到1570个，增长了一倍多。
2. 人力主体迁移：AI公司用人的重心从研发转向产品和商业化，使能者占比明显下降，协作者和推广者占比明显上升。
3. 使能者内部换血：工程师数量并未减少，反而有所增长，但增长重点发生了变化，推理、研究相关岗位增长显著，预训练、数据等岗位增长相对较少。
4. 协作者新岗位集群爆发：AI公司普遍呈现Palantir化，“部署”成为重要的普遍性岗位需求，FDE（前线部署工程师）最为典型，岗位数量从零星几个暴涨至一百多个。
5. 推广者伴随商业化激增：推广者增速在五类岗位中位居首位，增长到原来的4倍多。像客户成功、合作伙伴销售等岗位增长明显，商业变现成为AI公司的核心战略。
6. 支持者占比稳定：HR、财务、运营等岗位随业务同步增长，占比几乎不变。AI增强了这些办公室白领岗位，但并未完全替代他们。
7. 治理者结构分化明显：治理岗位整体增长了约1倍，但主要集中在Anthropic和OpenAI两家，合计贡献了90%。大部分AI公司对AI治理的人力和资源投入可能还不够充分。
8. 中美差异有扩有缩：中美AI发展大方向一致，都在从研发走向商业化，但五类岗位结构差距有两处扩大、三处缩小。与美国相比，中国的使能者占比更高，意味着AI研发追赶仍需加大投入；推广者比例相对较低，AI商业化尚处于早期阶段；治理者数量仍然较少，缺少像Anthropic这样主打AI安全战略的先锋企业。

变化1：AI公司在疯狂设岗招人

先回答最直接的问题：AI原生公司的人类岗位是增多了还是减少了？答案是增多了，而且增加了不少。7家公司的在招岗位总量从718个增加到1570个，8个月翻了一倍多。几乎所有公司都在扩张岗位，即便被Google整合的DeepMind，在招岗位数量也基本持平。

这与同期大量媒体渲染的“AI裁员潮”形成了鲜明对比。2026年第一季度，全球科技行业裁员约7.8万人，其中近半数被归因于AI替代。结合我们的研究来看，AI在消灭部分岗位的同时，也在创造不少新岗位，这两件事确实都在发生。

然而，新岗位增长并非简单的“堆人”，利用AI杠杆提升人效才是AI公司的核心目标。例如，Anthropic年化收入增长了约4倍，在招岗位只增长了约1.6倍，收入增速远超岗位扩张速度，说明人均产出大幅提升。

新岗位增长的另一个重要原因是组织发展和公司化运营的需要。从初创团队发展为创业公司、从创业公司成长为上市公司等，都需要进行组织和岗位的调整与扩张。例如，DeepSeek 4月启动了首轮外部融资，岗位也同步扩张，重点是补齐CFO、COO、内审经理等支持岗。智谱也类似，今年初成功上市后，在战略、HR、财务、法律、审计与合规等方面都在招聘。

AI公司运用AI的能力在业界最强，但它们自己也并未停止招人。AI可能会提高岗位要求、减少新增人力的增幅，但并未完全消灭这些岗位。

当然，岗位总量的变化只是表面现象，深入分析岗位结构的变化，能更清晰地看到岗位间的此消彼长。

变化2：人力主体从研发转向产品和商业化

去年9月，我们看到的整体是典型的“研发型公司”画像。招聘岗位中使能者（做模型的人）占比超过四成，其余四类岗位加起来才占另一半。

8个月后，情况发生了变化。招聘岗位中使能者的份额从四成多降至三成多，减少了约9个百分点。这些份额去了哪里？几乎都流向了协作者和推广者岗位，两类岗位合计占比增长了超过11个百分点。

这并不意味着工程师数量减少，使能者岗位的绝对数量仍在增加。实际上，协作者和推广者岗位增长更为明显。去年的AI公司基本属于研发机构，如今它们都在积极向成熟的商业公司转型。

整个行业都在加速迈向商业化，2025年下半年起，全球AI行业的主旋律已从“谁家模型更强”转变为“谁家落地更快”。Anthropic 4月年化收入反超OpenAI，靠的不是更强的模型，而是更成熟的企业级服务。OpenAI也在加强企业市场，宣布扩招数百名技术咨询人员。国内的智谱则重点招聘建设销售团队，上市后，商业化成为最关键的考验。

招聘特征是战略意图最真实的体现。一家公司若只是嘴上说“重视商业化”，并不足以说明问题。但如果其协作者和推广者招聘大幅增长，必然意味着商业化进程将加速。

具体分析这批新增岗位的招聘信息，有一个跨公司、跨岗位的共性特征十分突出——“客户界面”正成为AI新岗位的核心属性之一。无论是协作者中的部署工程师、推广者中的合作伙伴销售经理，还是使能者中新设的面向客户的技术咨询角色，几乎所有增长最快的新岗位都是面向外部、面向市场的。

相对而言，纯内向、偏后端技术的岗位变化不明显，未出现全新品类。这可能表明，目前AI公司最缺乏的不是做模型的人，而是能将模型转化为外部价值的人。

同时，这些新岗位的能力要求也在突破传统边界，对复合能力的需求更为广泛。AI部署工程师需要“8年售后工程经验 + 2年软件开发”；商业分析师需要“精通SQL + Python + 推理成本和毛利模型”；某公司的实习生都要求“熟练使用5种以上AI创作工具”。纯技术或纯商务能力已不足以满足需求，“技术 + 业务”的双栖能力更受企业青睐。

那么，具体哪些岗位在增长、哪些岗位在收缩呢？接下来按五类岗位分别进行分析。

变化3：工程师没少，但换了一批

8个月前，使能者的主力是训模型的人。如今，训模型的人仍在，但新增主力变成了让模型运行起来的人。

使能者仍然是招聘岗位最多的类型，但内部构成已发生明显变化。一批传统技术岗位的开放招聘明显减少，而一批新方向的工程岗位则迅速兴起。

招聘明显萎缩的有三类：数据科学家从9个减少到1个，机器学习工程师和大模型算法工程师的新增岗位也显著减少。原因虽各有不同，但都指向同一个趋势——大模型能力全面爆发后，过去需要专人进行的数据处理、专用小模型训练、算法探索等工作，要么被AI本身接管了一部分，要么集中到了极少数头部团队手中，行业不再需要大量的通用型研究者和复现者。Anthropic 2026年初发布的经济指数报告也证实了这一点：数据分析是目前AI渗透最深的工作领域之一。

那么，哪些岗位在增长呢？与技术热点直接相关。

推理工程师是增长最快的使能者岗位之一。模型训练完成只是第一步，如何让模型在实际部署中运行得更快、成本更低，才是规模化阶段的核心瓶颈。例如，Anthropic招聘多个推理方向的软件工程师，要求能够“跨硬件和系统库解决端到端推理性能挑战”。国内多家AI公司也在招聘推理infra工程师、推理优化工程师、推理加速研发工程师等，同样要求具备底层算子优化、Transformer推理加速等能力。可见，提高模型推理性能已成为AI公司普遍发力的重点方向。

研究科学家的需求也在快速上升。与“研究工程师”不同，研究科学家更侧重于定义新问题，而非实现已有方案。OpenAI和DeepMind都在扩充研究科学家的编制，这表明头部AI公司仍有大量科学问题需要攻克，AI尚未进入“技术已定、只差落地”的阶段。

还有一类值得关注的是数据中心和算力工程师，合计增长超过一倍。不少AI公司同时扮演着“模型公司”和“基础设施公司”的角色。Anthropic扩建美国本土数据中心，OpenAI在全球多地建设算力集群，对应的都是这批岗位的密集招聘。

使能者还有一个突出特点，即实习生岗位最多。今年7家公司的实习岗有40多个，使能者占比超过一半（53%），明显多于其他四类岗位。岗位类型也较为丰富，有研究型的，如后训练算法、多模态生成、大模型评测；有工程型的，如训练优化、推理系统、AI应用开发；也有内容创意型的，如AIGC图片、视频创作等。可以看出，头部AI公司不再局限于招聘成熟人才，也在系统性地培养后备力量，加大对有能力的年轻人才的吸纳力度。

总之，使能者的岗位结构调整明显，大方向是跟随AI技术主流——从训练走向推理、从模型走向软硬件协同。

变化4：一支“部署军队”正在成型

上一篇文章中，我曾列出6个值得关注的AI新职业实例，其中一个是前线部署工程师（Forward Deployed Engineer, FDE）。其源头是Palantir十多年前创造的岗位模式：FDE并非坐在公司编写软件，而是被部署到客户现场，深入客户的实际业务，解决具体技术问题，帮助客户真正运用新技术或产品。这种模式非常适合AI这种仍在不断迭代、充满不确定性的技术应用。

8个月前，这类“部署”岗位在样本中还寥寥无几。如今，它已发展成为成规模的新职业集群，广义上有100多个岗位。除了FDE，典型的还有AI部署工程师（AI Deployment Engineer，ADE）、AI部署经理（AI Deployment Manager，ADM）、技术部署负责人（Technical Deployment Lead）等。

当前哪家公司“部署”类岗位招聘最多？可能很多人会认为是Anthropic，但实际上是OpenAI，占总体的78.5%，这也反映出其正在大力拓展企业市场。

整体来看，部署类岗位呈现出三个特点：

1. 团队化：从零散的岗位发展为具备独立运转能力的完整部署团队建制。OpenAI的做法最为激进，不仅在全球十余个城市设立了FDE岗位，还围绕该团队配备了完整的支撑体系，包括专门支持FDE的招聘官、培训经理、平台工程师、战略运营经理等。一个岗位品类需要专门的招聘渠道、培训流程和工具平台，说明它已成为一个独立的业务单元。Anthropic的组织方式不同，但目标一致。它设立了一个名为有益部署（Beneficial Deployments）的团队，下设应用AI工程师、技术部署负责人、客户经理和架构负责人等角色，覆盖了从方案设计、技术交付到客户管理的完整链条。
2. 层次化：部署类岗位不仅局限于AI现场工程实现，还进一步向上层的业务成功拓展。国内相对熟悉的FDE，核心定位是提供驻场式深度工程交付，能够帮助客户将AI应用从原型部署上线，服务对象主要是战略客户和复杂场景。OpenAI还设立了AI部署工程师，其工作比FDE更贴近客户业务，提供产品采用和方案指导，包括帮助客户设计AI工作流、进行技术演示、引导工程团队上手等，覆盖面比FDE更广。此外，还有AI部署经理，负责将前两者积累的经验标准化，设计可复用的方法论、效果衡量和培训体系等，让更多客户无需一对一服务也能顺利使用AI。这三层角色结合起来，形成了将AI应用从单个样板推广到可复制、规模化的服务体系。
3. 复合化：部署类岗位对人员的能力要求不属于任何传统职业分类。核心是“工程师 + 咨询顾问 + 产品经理”的三合一。既要能够熟练运用AI编写代码进行交付，又要了解产品和客户业务，还要能够提供战略决策建议，几乎相当于超级个体，对综合能力要求较高。OpenAI Codex的AI部署工程师就是典型代表，需要作为客户信赖的技术伙伴，帮助他们将OpenAI的编程工具融入整个软件开发生命周期。要求具备8年以上售后工程或方案架构经验，同时还要有2年以上的软件开发背景。还有一项特别要求：“你必须是AI编程工具的深度用户，已经深度定制了自己的开发工作流”。这意味着，招聘的是“自己已经被AI改造过、能带着客户一起改造的人”。

为什么部署岗会出现这种爆发式增长？一个可能的原因是，纯API模式难以满足传统大企业的需求。客户购买了模型API，并不意味着会使用；大企业采购AI方案，需要有人帮助进行行业适配、系统集成和部署落地。一个API key无法解决银行的合规流程问题，也无法解决医院的电子病历对接问题。OpenAI和Anthropic这两家头部AI公司给出了相似的解决方案：模型公司必须配备一支部署军队。

对于广大软件工程师而言，过去五年热门的转型方向可能是“做云、做微服务”。而未来，“走到客户面前，把AI变成生产力”可能是更重要的职业转型路径之一。

变化5：推广者伴随商业化激增

客户从哪里来？需要依靠推广者。推广者是增速最快的一类岗位，8个月前只有66个岗位，现在增加到275个，增长到原来的4倍多，在五类岗位中位居首位。

8个月前，这些公司的推广者主要是企业客户经理这一种角色。如今，推广者的岗位类型明显丰富，正在形成一套“认知 - 获客 - 留存”的完整商业闭环。

1. 增强认知型岗位：让客户先了解你。在直接签单之前，AI公司需要让潜在客户了解自己是谁、能解决什么问题。这一层的岗位过去较少，现在正在快速建设。产品营销负责将技术能力转化为客户能够理解的价值主张，增长营销负责通过内容、投放、社交媒体传播价值主张，社区营销负责人在开发者社区讲述用户案例、建立信任。B端进行行业深耕，C端进行规模触达，本质工作与互联网时期差别不大。
2. 销售获客型岗位：从直销向分销扩展。企业客户经理仍然是推广者中数量最多的岗位，占总数的27%。变化不仅体现在数量增长上，还包括分工细化。Anthropic按金融、医疗、制造、政府等十多个行业方向分别设岗，OpenAI也进行了类似的专业化细分。传统的企业销售也有机会向AI赛道转型。更显著的变化是分销岗位从无到有。合作伙伴销售8个月前还不存在，现在中美都有AI公司专门设立。核心不再是直接向客户销售，而是将AI产品和能力赋能给咨询公司、集成商、云厂商等合作伙伴，借助他人的网络和客户信任来扩大覆盖面。
3. 促进客户留存型岗位：不止售卖还设专人陪跑。8个月前，AI公司基本没有专职负责客户留存的岗位。现在，成功类岗位从几乎为零增长到近30个，成为推广者中增速最快的方向之一。这类岗位不负责签新客户，而是负责让已签客户真正使用AI、深入使用、不流失。考核指标不是签单数量，而是客户使用量、留存时间、扩展情况。这是视角的转变，传统销售站在公司自身的角度，目标是将产品卖出去；成功类岗位站在客户的角度，目标是帮助客户真正用好AI。背后的逻辑很简单：AI产品使用门槛高，购买并不意味着会使用，使用不深入就容易流失。与其花费大量精力不断拉新，不如让已有客户用好、用久、用多。目前成功类岗位主要有两种设计。一是客户成功经理，典型如Anthropic，按区域和行业设立了近10个，更侧重于关系管理和战略引导，类似于顾问。二是AI成功工程师，典型如OpenAI设立了13个，更侧重于技术实施和产品落地，类似于驻场工程师。根本目的相同，都是确保客户不仅采购，而且能够真正持续应用AI产生价值。

这类岗位的快速出现，意味着AI公司开始将“客户生命周期价值”作为核心经营指标。竞争的维度已经从“谁的模型更强”转变为“谁能把模型变成持续的生意”。

变化6：AI没有干掉白领岗位

在关于AI替代就业的公共讨论中，“白领替代风险高”几乎成为一种共识。HR、财务、行政、运营等岗位被认为最容易受到AI自动化的冲击。

但开放招聘岗位数量显示，至少在AI原生公司内部，情况可能并非如此严峻。过去8个月，7家公司的支持类岗位随业务同步翻倍，财务、招聘、HRBP、行政、IT运营等岗位数量都有所增长，AI公司自己并未裁掉白领岗位。

当然，支持类岗位占比基本保持不变，维持在15%左右，增速确实不如其他岗位快，空间受到了一定压缩。

为什么占比基本不变？因为两类公司采取了相反的做法。一类是专注于业务拓展和市场竞争的AI公司，会相对压缩支持者岗位的增长量。典型如Anthropic和OpenAI，重心主要放在扩大营收规模上，岗位和人力投入自然侧重于AI业务和营销，支持类岗位数量虽然也有增长，但占比下滑较为明显。另一类是正在融资或准备上市的AI公司，会大力招聘多种支持类岗位以完善企业建制。典型如DeepSeek，目前开放招聘的支持类岗位占比最高，包括CFO、COO、财务总监、IT主管、内审经理等。据公开报道，DeepSeek正在启动首轮外部融资，这显然是在完善公司必要的组织架构和职能。智谱在港股上市前也经历了类似的过程，招聘了人力资源、财务、审计合规等岗位。

Anthropic 2026年1月发布的Economic Index报告，基于200万次Claude对话的真实数据，得出一个核心结论：“AI目前主要是增强而非替代，尤其在需要判断和人际交互的白领岗位上。”

虽然这个结论看起来有AI公司自我辩解的嫌疑，但与本文采集的AI公司招聘岗位数据情况基本相符，特别是支持类岗位。AI使支持类岗位的日常工作效率大幅提升，例如报表、数据整理、文书、排程等例行工作都可以由AI辅助完成。但决策、协调和信任关系仍然需要人类来完成。HRBP帮助团队进行谈判、财务总监进行审计判断、内审经理处理合规风险等，这些工作的核心是人际互动和专业判断，而非信息处理。

对于普通白领来说，AI公司招聘的支持者岗位数量增长是一个相对乐观的信号。但需要注意的是，这些公司里的支持岗并非原样保留，而是在利用AI工具大幅提升单人产出后，以更少的人力占比支撑了更大的业务规模。稳定的是岗位，而非工作方式。

变化7：治理者结构分化明显

治理类岗位总量已超过200个，增长了近1倍。然而，目前治理岗位的集中度很高，Anthropic和OpenAI两家贡献了总量的90%，其他AI公司投入较少。Anthropic治理岗位最多，与其“安全即产品”的商业策略高度相关。特别是对于高安全需求的行业客户而言，这种策略非常有效。

更值得关注的不是增幅，而是治理岗位内部的结构变化，已经不再局限于法务合规一种角色，正在分化为多个方向的岗位族群。简单来说，就是从“出了问题有人管”转变为“问题还没出就有人预防”。目前主要有四个方向：

1. 安全工程：数量最多的方向。核心职能是将安全要求转化为可运行的系统——开发滥用检测机制、构建内容审核基础设施、建设自动化执法管道等。要求具备软件工程能力和AI安全领域知识。
2. 信任与安全运营：在一线处理具体的安全事件——调查滥用行为、分析威胁情报、执行策略决策。值得注意的是，Anthropic专门招聘“技术化学/生物/放射/核/爆炸物威胁调查员”，要求的不是计算机背景，而是相关领域的专业学科知识，以专人落实防止AI灾难性滥用的原则。这对于国防、情报、执法等传统安全领域的从业者来说是一个职业机遇。
3. 安全研究：评估模型在生物安全、网络攻击、社会操纵等方向上的能力边界，设计红队测试方法，探索新出现的系统性风险。看重独立的研究能力，对于学术界的安全研究者来说，这是一条从论文走向实践的路径。
4. 法律合规与政策：在AI公司和监管机构之间搭建桥梁，将法律法规转化为公司内部可执行的合规制度。值得一提的是，Anthropic独家设置的“AI合规官”，被称为“一个全新且快速演进的监管领域”。随着欧盟AI Act等各国AI法律规范的发展成熟，这类岗位的需求将进一步增加。

从能力要求来看，四类岗位有一个共性：几乎都要求“技术理解 + 非技术领域专长”的组合。安全工程师需要了解模型行为；威胁调查员需要具备生化等专业知识；合规官需要了解AI能力边界；研究科学家需要理解政策含义。不要求你会训练模型，但要求你知道模型能做什么、不能做什么、在什么情况下会出现问题以及如何应对。

未来，随着全球AI监管的逐步完善和落地，部分合规义务可能会从企业自觉转变为法规强制。AI治理专属岗位的需求也可能从目前的“少数公司主动建设”转变为“整个行业的刚性配置”。对于有安全、合规等相关背景的从业者来说，现在是积极探索的窗口期。

变化8：中美局部靠近、核心拉开

接下来探讨一个更大的问题：中国和美国的AI公司招聘的岗位有何不同？这直接影响中国从业者未来的机会。

将7家公司按中美分成两组来看，大方向是一致的——两边岗位数量都在扩张，岗位比重上都在降低使能者占比、增加协作者和推广者占比。中美AI公司都在经历从重研发到重商业化的结构转变。

但仔细观察中美五类岗位比重的变化，情况远非趋同那么简单。五类岗位中，两类比重差距在扩大，三类在缩小，中美在岗位和人力资源投入上的侧重点有明显差异。

1. 使能者差距扩大：中国的比重明显高于美国。中国AI公司将更多人力配置在技术研发上，部分原因是模型基础能力仍处于追赶阶段，研发投入的优先级必然最高。从具体岗位来看，中国AI公司正在重点加大主流热点领域的工程力量，包括大模型算法、多模态、Agent、推理优化等方向，新招工程师类岗位的细化程度明显高于美国。此外，美国AI公司仍然更重视偏学术的前沿研究，招聘的使能者中约1/5是通用的研究科学家和研究员。相对而言，中国公司的研究人力布局更贴近产品，带“研究”属性的岗位大多绑定具体技术方向，如预训练、后训练、强化学习、多模态等。
2. 推广者差距扩大：美国的比重相对更高。中国AI公司正在着重补充前端获客岗位，如客户经理、业务拓展、增长营销等，核心目标是实现收入增长。美国AI公司的获客团队已具规模，招聘重心正在向两个方向延伸：一是渠道协同，如合作伙伴销售；二是售后留存，如客户成功类岗位，负责让客户用好、续约、扩展。这两类岗位，中国AI公司目前几乎没有招聘。差距反映了发展阶段的不同，中国AI公司的商业化尚处于初期，美国则正在迈向成熟期。特别值得关注的是，美国AI公司还在同步建设销售背后的支撑体系，模式上向微软、甲骨文等大型企业软件公司靠拢。例如，Anthropic已建立客户咨询委员会（CAB），由顶级客户高管组成的常设组织，直接参与影响产品路线图和商业化优先级；还有高管专属对接中心（EBC），在旧金山总部设立的专属空间，用于接待重要客户和政策制定者。OpenAI则在多个国家同步配备了客户成功工程师、部署工程师和本地化营销负责人，形成多岗协同的本地化GTM体系。
3. 治理者方面：虽然中美比重差距有所缩小，但招聘岗位的绝对数量差距仍然很大。2026年美国3家公司合计招聘198个治理岗，占比16.7%；中国4家公司合计仅招聘13个，占比3.4%。中国公司的治理岗基本集中在内容安全运营、风控研发和基础法务，主要从事问题处理和监管合规工作。美国公司则已经形成了“发现风险 - 防御风险 - 处理事件 - 应对监管”的全链条覆盖，上游的安全研究和系统性防御建设是中国目前招聘岗位的空白方向。这个差距与中美监管环境的差异直接相关。中国的AI监管侧重于内容合规和算法备案，企业的治理投入也相应集中在末端的内容审核和法务合规；美国的公众讨论和政策关注更多围绕模型能力失控和灾难性滥用，倒逼企业从更底层进行安全研究和工程建设。随着中国AI公司出海增多以及国内监管的逐步深化，未来在这个方向的补课可能会加速。

差距缩小的另外两类岗位，则反映了中美AI公司局部趋同的趋势。协作者方面，中美占比已基本持平，都在20%左右。双方都在大力建设产品化和客户交付团队，帮助客户使用AI。支持者差距也在缩小，中国AI公司正在从研发组织向完善的商业公司形态转变，DeepSeek正在补齐财务和运营高管班子、智谱上市前补齐法务和HR体系等，都是这一趋势的体现。

两个扩大、三个缩小，综合来看：中美AI公司的发展大方向一致，局部有趋同，但核心维度上的组织形态差异仍然显著。美国AI公司已经越来越像完整的企业级平台公司，拥有按行业深耕的销售团队、渠道生态、客户成功闭环以及从安全研究到合规的全链条治理建制。中国公司还处于从技术团队向完整公司转型的过程中，研发资源和人力投入较大，但商业化、客户经营和治理体系仍在搭建中。

从岗位招聘的差距，可以看出组织完整度的差距。2026年初DeepSeek创始人梁文峰在媒体采访时曾说过：“我们创新缺的肯定不是资本，而是缺乏信心以及不知道怎么组织高密度的人才实现有效的创新。”从这次招聘数据的分析可以看出，中国AI公司在工程和产品化等岗位建设方面力度很大，但要形成高效创新的系统化组织能力，可能是下一步更重要的任务。

结语：AI原生企业是先锋样本，也是未来指南

坦白地说，本文研究的只是7家AI原生企业，属于行业的先锋队。AI原生企业业务爆发、岗位增长，是这个阶段独有的规律，可能并不代表整个劳动力市场的现状。

目前，AI对整体劳动力市场和人类岗位的影响，更可能是一种非均衡的“有涨有消”状态，这是本文无法回答的局限性所在。但7家AI原生企业的招聘数据分析，仍然具有两个前瞻性的价值：

1. 作为传统企业AI转型的“预演”：如今，AI公司大规模招聘的FDE、AI部署工程师、合作伙伴销售经理、AI成功经理等岗位，未来几年，银行、制造、医疗、政府等行业可能都会需要自己的版本。研究今天AI原生企业的岗位地图，就是在展望未来各行各业的岗位地图。
2. 作为劳动者职业转型的“方向指南”：理解这些新岗位的职责和能力要求，掌握相关技能，有助于每个劳动者主动适应下一阶段的新工作，而不是被动等待被替代。

具体到不同人群的3条建议：

• 白领：学会使用AI开展工作。AI公司自己并未裁掉这些岗位，但前提发生了变化。Anthropic招聘会计经理，JD中明确要求“对AI工具如何消除低价值会计工作要有清晰的见解”；招聘项目运营经理，要求“把AI工具作为工作方式的核心组成部分”。岗位仍然存在，但需要的是能够用AI重新定义工作方式的人。
• 产品/营销人：窗口期已至。合作伙伴销售从0发展到近20个岗位，AI解决方案架构师、AI治理合规官、AI成功工程师等新品类正在涌现。智谱、Kimi也在招聘生态销售和海外市场等岗位，中国公司的GTM体系已进入加速建设期。
• 工程师：别只专注于写代码，学会面向客户。FDE、AI部署工程师、解决方案架构师等岗位需要懂业务、懂客户、能交付。OpenAI和Anthropic的JD要求“自己已经是AI工具的深度用户”，这句话适用于所有工程师。

回到文章开头的悬念——这是人类最后一个劳动节吗？显然不是。8个月里，7家AI公司净增加852个新招聘岗位。AI在替代工作的同时，也在创造工作——在AI原生企业这个先锋队里，新岗位的创造正在加速。

真正值得追问的，不是“人类还要不要工作”——而是——人类的工作正在被重塑成什么样子。这8个变化，就是2026年劳动节这一天，1570个岗位给出的回答——人类的工作没有消失，但正在被重新定义。

如果你身边有人还在焦虑“AI会不会抢我的工作”，可以把这篇文章转给他。

研究方法说明

• 数据源：7家AI公司官网全部公开在招岗位，采集时间点分别为2026 - 05 - 01和2025 - 09 - 15。
• 分类方法：延续本系列第一篇的“五类框架”（使能者 / 协作者 / 推广者 / 治理者 / 支持者）。采用新的规则引擎（R0职能优先 → R1治理 → R4推广 → R2协作 → R3使能 → R5兜底）统一对招聘岗位打标，保证跨期口径一致。
• 2025基数：718个岗位，并按新的规则引擎进行重新打标，因此部分岗位统计数据会与上一篇文章略有差异。
• 2026基数：1570个岗位，按规则引擎统一打标。
• 五类岗位定义（ECPGS）：
  • 使能者（Enablers）：AI生态的核心造血角色，负责AI技术的研究开发和模型能力提升，典型有各类工程师、科学家。
  • 协作者（Collaborators）：人与AI协作的桥梁，把AI转化成可用和有用的产品和服务，典型有AI产品、解决方案、部署等岗位。
  • 推广者（Promoters）：推动AI产品和服务的用户触达及销售，典型有AI市场营销、上市策略、用户增长等岗位。
  • 治理者（Governors）：为AI制定规则、监督执行，确保符合伦理、安全要求，典型有AI伦理、法律、对齐、安全等岗位。
  • 支持者（Supporters）：为AI业务正常运营，提供必要的人财物等资源和服务保障，典型有AI技术支持、运维以及财务、行政、人力资源等。