顺丰人转行AI产品经理:扒完招聘数据后的真实感悟
事情是这样的。
我现在正在参加一个AI产品经理的训练营。
为期十天的高强度学习,从早到晚。提示词工程、模型训练、RAG如何搭建、Agent如何拆分、立项文档如何撰写、模拟面试如何应对。说实话,强度大到让我有些恍惚,前一天还在规划知识库的离线建库流程,后一天就被安排做用户画像的交叉细分。
那天深夜,我整理完一份笔记,电脑还开着,我突然停了下来。
我盯着屏幕,脑海中浮现出一个非常朴素、但非常关键的问题。
我学的这些,外面真的有岗位在等着我吗?
这个行业,到底是真缺人,还是只是表面热闹?
我想了想没想明白。干脆不睡了,把智联、猎聘、BOSS直聘、脉脉这些平台2025到2026年的招聘报告全部扒了一遍。一份一份看,一直看到凌晨。
看完之后我的感受很复杂。这不是一句「AI很火,快去」能概括的。它更像一座被劈成三层的金字塔,塔尖的人和塔底的人,活在完全不同的世界里。
我先给你看一个数字,你感受一下这个撕裂感。
在2026年的同一场AI校招里,塔尖那批顶尖高校的应届博士,年薪能冲到200万;而塔底一个普通本科的算法助理岗,月薪只有6000块。
一个天上,一个地下。但他们简历上写的,可能都是「AI相关」。
这事我们后面细说。先说说,这个风口到底是不是真的。
因为说实话,我一开始也怀疑,是不是又是媒体炒起来的热度。
结果数据啪一下就把我说服了。
我先看BOSS直聘的一个口径,AI岗位月均新发职位的同比增速,2023年是8.5%,2024年涨到36.5%,到2025年,直接干到74.1%。你看这个曲线,它不是增长,它是在加速度。
我以为这就够夸张了。然后我翻到脉脉的年度报告。
脉脉说,2025年1到10月,AI新发岗位量同比增长543%。我当时想,543%已经很离谱了。再往下看,它说9月单月,同比增幅,超过11倍。
11倍。
我还没缓过来,又看到企业端的校招数据。百度2026校招超4000个offer,AI岗占比超过90%。阿里7000多个offer,AI岗占六成以上。京东直接开放3.5万个岗位。
最让我「卧槽」的是字节的一个计划,叫Top Seed。这个计划面向全球,只招大约30位顶尖应届博士。它的口号我记到现在,「找大模型领域前5%的人,做95%的人做不到的事」。
不限专业,只看你的研究潜力。
哦对,还有一个数字。AI实习生,日薪已经到4000了。一个实习生一天的钱,比很多行业正式员工一个月还多。
到这你大概能感觉到,这个风口是真的,不是吹的。国内AI企业现在超过5300家,人才缺口,多方都在引用的一个数字是,超过500万。
所以我学的这个方向,至少没错。我心里那块石头先落了一半。
那风口里的人,过得怎么样呢?我特别关心钱这块,相信屏幕前的你也关心。
脉脉那份《2025年度人才迁徙报告》里有个高薪岗位排行,我看完是真的服气。
排第一的,AI科学家、AI负责人,平均月薪,12.7万。
注意是平均,不是顶薪。这个数字断层式地碾压第二名。第二名大模型算法,7.1万。后面AIGC算法、广告算法、深度学习,基本都在6万到7万这个区间挤着。
我盯着那个12.7万看了好一会儿。这已经不是打工了,这是站在浪最高的地方。
但真正戳到我的,不是这个最高的数字。
是另外一组。
我学的是AI产品经理,对吧。脉脉的数据,AI产品经理平均月薪比普通产品经理高20%;智联那边给的AI产品经理平均招聘月薪,将近2万。
更关键的是增速。AI产品经理这个岗位的招聘需求,智联口径同比增长144%,脉脉口径甚至到369%,是所有岗位里增长最快的那一类。
脉脉报告里有句话,我看完心里一动。它说,企业现在不只要懂技术的算法工程师,更要能把AI从实验室搬到产品化的人。
把AI从实验室,搬到产品里。
这不就是我们这群人正在学的事吗。
还有一个数字我必须告诉你,因为它太重要了。AI产品经理这个岗位里,有47%的从业者,来自非计算机专业。金融的、医学的、做设计的,什么背景都有。
也就是说,这扇门,它没把不会写代码的人,关在外面。
聊到这,你是不是觉得这篇文章要往「快来转行AI产品经理,钱多门槛低」这个方向收了?
我本来也以为是。
直到我扒到一个数字,整个人愣在那。
脉脉的报告里写,2025年,AI领域的人才供需比,首次超过1,达到1.08。
我解释一下这个1.08是什么意思。供需比超过1,就是说一个AI岗位,已经有1.08个人在抢了。
你没看错。连AI这个最火的领域,自己都开始卷了。
那个我们以为还在「供不应求、随便挑」的赛道,已经悄悄翻篇了。光环还在,但抢的人也涌进来了。
而如果你把镜头拉远,看整个就业大盘,那个数字更冷。新经济行业整体供需比已经升到2.23,2.23个人抢一个岗。2026届高校毕业生,1270万。
AI的热,挡不住整个市场的凉。
然后是学历这道墙,肉眼可见地在变硬。猎聘的数据,49.9%的企业提高了对985、211的要求,26.2%更倾向硕士及以上。核心算法岗基本就是硬门槛,硕博起步,清北复交或者海外名校,最好还能读懂NeurIPS、ICML的顶会论文,有预训练、微调的经验。
某个大厂的算法岗校招,录取比例,100比1。
你现在再回头看开头那座金字塔,是不是清楚多了。
塔尖,一将难求,200万年薪追着前5%的天才跑。塔底,红海厮杀,普通本科算法助理6000块还得百里挑一。
最难受的,是卡在中间,上不去也不甘心下来的那批人。
说到这,我猜屏幕前可能有人已经开始焦虑了。
你不是博士,没有顶会论文。你可能本科很普通,甚至跟计算机八竿子打不着。你看着塔尖那些数字,觉得那是另一个世界的事。
我太理解这种感觉了。因为我自己,就是从那个「另一个世界」走过来的。
说点我的真实情况。我在顺丰干了三年半,华北分拨区的北京总部。最早半年做现场管理,给员工排班、调班次;后来一年半,做中转运营的质量管理;再后来一年半,做运力管理。
你看,排班、质量、运力,这些词里没有一个跟代码、跟大模型、跟顶会论文沾边。我不是程序员,大学也不是学计算机的。是最近,我才算真正认真地一头扎进AI里。
所以那种「这是天才的游戏,跟我没关系」的慌,我不是理解,我是正泡在里面。
但我想把我在训练营里悟到的一件事,分享给你。可能不成熟,但它真的改变了我看这件事的角度。
前几天我们课上,思敏老师亲自给我们演了一场真实的AI产品经理面试。她扮演面试者,去应聘一家做出海玄学产品的公司,全程录音,然后带我们一帧一帧地回放复盘。
那两个小时,比我看十份报告都管用。
因为它让我突然明白,这个行业真正缺的那种人,到底长什么样。
不是会背模型参数的人。是能把一件事,从用户的真需求,一路想到怎么落地、怎么赚钱的人。
我给你讲几个细节,你就懂了。
面试官问她,C端需求不像B端那么明确,要是你做出来市场数据不支持你的假设,你怎么办。这题有坑,因为你不可能做一个成一个。她没往坑里跳,她答的是一套「前中后」的流程。前期用真实数据加小成本快速验证,中期靠访谈挖真需求,因为用户会说假话,后期上线了用AB测试、灰度、模型评测反向迭代。
你发现没,这里面一个算法名词都没有。考的全是判断力。
还有更狠的一句。她说,做方案要选最合适、能解决问题的那个,不是有什么最新的技术、最新的架构就往上堆。
我当时就愣了一下。因为我们这种刚学完一堆新概念的人,最容易犯的毛病,就是看见个新东西就想塞进产品里,觉得不用上RAG五代架构、不上多Agent对抗,就显不出本事。
但真正的产品经理,是反过来的。
说实话,这一点我反而有点底气。我干了三年半运力和排班,天天跟真实的业务问题死磕,一个调度方案差一点,成本和时效当场就崩给你看。我太知道一个真问题长什么样,也太知道一套方案听着再漂亮、一线不买账就是一文不值。
而这,恰恰是那47%非计算机专业的人,能挤进来的那条缝。
那场面试还有一个点我印象很深。她讲一个没上线的个人项目,怎么讲出成果。她说,没上线不代表没价值,你可以说已经过两轮内测,验证了产品和市场的契合度,也就是PMF;你还沉淀了一套可复用的方法论,下一个产品能用同样的方法快速做出来,只要够多够快,总有一个能成。
你看,这整套东西,跟博士、跟顶会论文、跟100比1的算法岗,根本不是一个赛道。
它要的是你懂用户、懂商业化、懂怎么把AI这把锤子,精准地砸在那颗真正的钉子上。
我不是说这条路就轻松。它一点都不轻松,你得补技术认知、得练表达、得真的去做项目踩坑,一开始大概率笨拙得要命,做一个东西花的时间比老手多好几倍。我现在就在这个笨拙的阶段里,每天被一堆新概念按在地上摩擦。
但它至少,是一扇为「会用AI解决具体问题的普通人」留着的门,而不是只为天才开的。
写到这,我脑子里一直绕着一个画面,郝景芳那本《北京折叠》。
那个故事里,城市被折叠成三层空间,不同的人活在不同的时间和阶层里,彼此看不见。
我扒完这些数据,越看越觉得,AI的就业市场,也正在被折叠成三层。
第一层是塔尖的天才,200万年薪,做95%的人做不到的事。第三层是被AI挤进红海的普通岗位,6000块还在厮杀。
而中间那一层,是一个正在被AI重新定义出来的夹层,属于那些不站在最顶端、但能把AI用明白、能造出东西的人。
这一轮AI干的事,可能不是简单地消灭岗位,而是在重新折叠岗位。
你看那些数据,会拧螺丝的电工,工资涨了56%,需求翻了11倍,因为AI拧不了螺丝。会用AI造产品的人,月薪2万还在涨。最慌的,恰恰是那种卡在中间、又不肯学新东西的标准白领。
折叠正在发生。区别只在于,你想被折进哪一层。
回到那个睡不着的半夜。
扒完所有数据,我没有变得更亢奋,也没有更焦虑。我反而踏实了一点。
因为我至少看清了这座金字塔真实的样子,而不是被一句「AI很火快来」忽悠着冲进去,也不是被一句「天坑别学了」吓得不敢动。
风口是真的,门也是真的窄,但它不是只为博士开的那一扇。
我把我熬夜扒到的真实market,原原本本摊在这了。数据都标了平台和来源。