“AI生成的内容该怎么界定其知识产权？”“当越来越多人把AI当做恋人，背后的伦理问题该如何判定？”……这些讨论来自香港大学的AI伦理课课堂。

　　为系统培养能应对这些挑战的专业人才，香港大学于2023年创立了亚洲首个AI伦理方向的文学硕士项目——人工智能、伦理与社会硕士（简称AIES）。一年后，Monica成为了该专业的第二届硕士生。

　　人工智能与伦理、社会相结合的前沿专业，在旁人眼中或许超前且抽象，却成为Monica突破职业瓶颈的最佳选择。Monica曾辗转于媒体与互联网行业，在工作中接触大模型项目后，对AI领域产生了浓厚兴趣。“我是文科背景出身，没办法申请纯理科专业，AIES完美契合我的需求。”Monica坦言。

　　这个被中介称为“文科生转码宝藏项目”的硕士专业，吸引了近百名来自不同专业背景的学生。课程设置充分体现“AI+X”的复合培养理念：必修的数学课帮助学生理解AI底层逻辑，哲学课探讨意识本质，伦理课则聚焦社会层面的现实问题。

　　这种教育创新正在全国高校蔓延，其背后却隐藏着AI人才荒的现实。数据显示，2024 年，中国人工智能专业在校生约 4 万多人，而整个领域的人才缺口却高达 500 万。这种现实正在倒逼中国高等教育体系开启一场前所未有的转型实验。

　　传统“标准化”的人才培养模式已难以适应AI时代的需求，国内外顶尖高校纷纷启动教育改革，构建“AI+X”的交叉培养体系。斯坦福等高校已开设“人机交互”等前沿专业，北大、复旦等顶尖学府纷纷开设AI通识课。

　　《普通高等学校本科专业目录（2025年）》显示，今年共增列了29种新专业，其中人工智能领域成为重点新增方向，包括人工智能教育、智能视听工程、音乐科技、数字戏剧等。根据教育部公布的数据，截至目前，全国有超600所高校开设了“人工智能”本科专业。在专业设置快速扩张的同时，关于AI人才培养的深层次思考也在同步推进。

　　与Monica相似，浙江大学“智能体育工程”首届学生林白也选择了AI跨学科道路。“智能体育工程”专业为浙江大学第一年招生，外界颇有质疑，认为专业小众，易窄化职业发展道路。

　　但高考670分的林白面对质疑时表示：“体育与AI都是我的兴趣所在，而且作为首批学生更能获得优质资源。”该专业融合自然科学、AI工程与体育科学，旨在培养体育科技领域的复合型人才。

　　即将毕业的Monica总结这一年的收获：“最重要的是学会了用多元视角审视技术。”虽然课程更多是提出问题而非解决方案，但随着AI与社会深度融合，解答这些命题将成为新一代人才的使命。

　　麦肯锡《工作的新未来》预测，2030至2060年间，50%的职业将被AI影响。这一进程并非简单的“取代”，而是一场职业价值的重新洗牌——重复性劳动加速消亡，创造性工作价值凸显，职场人正站在技术革命的分水岭上。

　　Bsports必一体育

　　一些基础岗位首当其冲，客服、数据录入、基础编程和修图师等职业被AI批量取代；法律文书审核、财务核算等专业领域，AI的准确率与效率已超越初级从业者；PPT制作、视频剪辑等传统职业技能壁垒正在崩塌，职场竞争进入“人机协作”新维度。

　　当然硬币并非只有一面，硬币的另一面是AI也催生了一些黄金赛道。提示词工程师时薪高达500元，AI训练师成为热门职业，大模型工程师可以拿到百万年薪。

　　翰德（Hudson）《2025人才趋势报告》显示 ，AI方向的招聘量同比增长约25%，而生成式AI相关岗位需求增长超过300%。此外，数字戏剧导演、AI音乐制作人等艺术科技混合型人才走俏。

　　在这场重构中，职场人面临残酷的进化抉择时刻：要么成为驾驭AI的人，要么沦为被淘汰的“技术落伍者”。这种能力重构直接反映在薪酬市场上。普华永道报告指出，2024年，拥有人工智能技能的从业人员平均工资溢价56%，是前一年的两倍。

　　猎聘大数据研究院《2025AI技术人才供需洞察报告》显示，从AI技术职位的招聘薪资来看，50万元年薪以上的职位占比最高，为30.97%。在求职平台上，即便是与AI相关的非技术岗，月薪也多数过万。

　　人才争夺战背后的供需失衡正愈演愈烈。企业间的“人才军备竞赛”屡创新纪录：从小米以千万年薪招揽罗福莉，到Meta豪掷2亿美元从苹果挖角核心高管，顶尖人才已成为决定企业AI战略成败的关键筹码。

　　这场人才争夺战的背后，折射出AI产业更深层的结构性矛盾——技术迭代速度已远超传统人才培养体系的供给能力。当企业为顶尖人才开出天价时，一个更隐蔽的危机正在蔓延：AI对传统技术岗位的替代速度，正以指数级快于人才的转型速度。

　　目前，程序员群体正经历着最剧烈的职业阵痛。“这是程序员最好的时代，也是最坏的时代”，深耕计算机行业十余年的Jeremy如此感叹。

　　这种矛盾性在项目的开发实践中表现得尤为突出：AI编程助手让开发效率实现质的飞跃，曾经需要十人团队数周完成的项目，如今两三人配合AI工具能在几天内交付；与此同时，技术迭代的加速也让程序员们陷入持续学习的焦虑，稍有不慎就可能被时代淘汰。

　　然而Jeremy却从中看到了更深层的价值：“这让我想起物理学史上的范式革命——既有旧理论被颠覆的震撼，又有探索未知领域的兴奋。”在他看来，能够与自己参与创造的AI技术对话协作，这种独特的职业体验本身就是一种难得的成就。这种“与未来共舞”的参与感，正是技术工作者最珍贵的职业馈赠。

　　当前，AI技术对编程行业的重构已进入深水区。多位资深从业者观察到，随着Cursor等AI编程工具的成熟，初级程序员岗位正面临前所未有的替代风险。伯克利大学计算机科学教授James OBrien的研究显示：AI生成的代码质量虽未达完美，但其迭代速度已达到人类初级开发者的5-8倍。这一结论正在全球科技公司得到验证。

　　硅谷AI研究员Eddy直言：“当下年轻人选择计算机专业需要更加慎重”。在他看来，头部科技公司的招聘标准已发生质变，传统“程序员必修”的SQL编写、基础架构搭建等技能，正被AI工具快速替代。“自然语言编程工具的普及，正在削减初级工程师的竞争力。”Eddy强调。

　　行业数据印证了这一转型趋势。SignalFire《2025人才趋势报告》揭示，科技巨头对应届生的招聘比例同比骤降25%，技术团队平均年龄上升至34.5岁。企业更倾向于采用“AI+资深工程师”的组合模式，基础开发岗位需求持续萎缩。

　　近期科技巨头的裁员潮更具说服力。在微软今年5-7月的裁员潮中，其全球裁员15000人中，其中半数为软件开发岗位。CEO纳德拉坦言，公司近30%的代码已由AI生成，这一比例还将持续攀升。无独有偶，亚马逊、谷歌等科技巨头同样在调整人力结构，将资源向AI研发倾斜。

　　这也意味着，AI时代的到来不仅是工具革新，更是职业上的颠覆。Jeremy分析指出，“未来的核心竞争力，在于将领域知识、业务洞察与AI工具深度融合的能力。”在他看来，程序员不再只是“写代码的人”，而是逐渐成为能与AI配合、驾驭智能工具的“AI合作者”。只有在变化中掌握新技能，才能在技术浪潮中保持不可替代性。

　　当前，各行业正经历着一场深刻的职业生态重构，呈现出“冰火两重天”的格局。

　　在人工智能技术快速发展的推动下，企业对AI人才的需求呈现爆发式增长。为吸引顶尖人才，头部企业纷纷打破传统薪酬体系，开出了极具竞争力的薪资待遇。

　　以Deepseek为例，其招聘的应届毕业生年薪可达百万级别，而名校博士毕业生的最高年薪更是达到700万元。值得注意的是，互联网巨头为争夺资深AI人才，甚至开出了千万级别的年薪方案。

　　可以看见，这场由AI驱动的职场变革呈现出明显的两极分化态势：传统岗位面临转型升级的挑战，而AI训练师、提示词工程师等新兴职业则快速崛起。在此背景下，从业者既面临被技术迭代的风险，也迎来了职业发展的新机遇，主动适应变革成为关键。

　　今年3月，飞行器制造工程专业的应届毕业生秀达加入一家科技公司担任AI训练师。这个看似光鲜的职位，实际承担的是提示词工程师的工作职责。在AI行业快速发展的初期，诸如数据标注师、AI训练师、提示词工程师等新兴岗位的职责边界尚未完全明晰，工作内容常常存在交叉重叠。

　　虽然本科学习的是飞行器制造工程，但秀达一直对AI技术保持着浓厚兴趣。在ChatGPT横空出世之初，他就敏锐地察觉到提示词优化这一新兴领域的潜力。凭借两段AI相关的实习经历，他成功进入这个新兴行业。

　　最令他自豪的是，在某头部科技公司实习期间，他设计的提示词优化方案被应用于服务百万用户的核心产品中，显著提升了用户体验。“看到自己设计的方案能服务如此大规模的用户群体，这种成就感难以用言语表达。”秀达说。

　　然而，这份看似前景广阔的职业也面临着质疑声。随着大模型技术的快速迭代，越来越多人认为提示词工程师终将被AI取代。对此，秀达表示，“外界可能认为这只是简单的文字调整，但实际上每个可落地的提示词方案都需要经过数十次迭代测试和优化。”

　　为了保持职业竞争力，秀达持续学习AI工具和算法原理，甚至开始自学编程，努力将自己打造成能够搭建智能体、设计完整工作流的复合型人才。

　　与积极进取的秀达形成鲜明对比的，是秦羽的职业经历。她曾就职于某互联网巨头的AI数据标注岗位，这份在社交媒体上被戏称为“AI流水线工人”的工作，现实与想象大相径庭。

　　“原本期待能学习到和AI相关的专业知识，没想到每天的工作就是给AI系统‘纠错改错’。”秦羽自嘲道。她的日常工作是修正AI生成的各类错误，比如将《甄嬛传》导演从“冯小刚”更正为“郑晓龙”，将一些错别字和错误信息修改成正确内容。

　　这份工作强度不高，有时一天仅需工作两小时，但长期机械重复的劳动让她倍感焦虑：“难以获得能力提升是一方面，另外很现实的是，我们目前所做工作的目的就是为了让AI取代我们”。

　　入职短短两个月后，秦羽就果断选择了离职。她清醒地意识到，数据标注工作的本质是通过人工训练来逐步实现人工替代，而她不想被困在这份毫无成长性的工作当中。离职时她注意到，公司500人的数据标注团队群里，又新增了数十名求职者，高流动性已成为这类门槛低、可替代性高职业的典型特征。

　　秀达与秦羽的职场镜像，折射出AI时代最残酷的生存法则——当技术迭代速度超越个人进化曲线时，职业赛道的选择将决定未来的可能性边界。

　　这不仅是两个年轻人的故事，更是整个数字劳工时代的隐喻。在算法重构生产关系的今天，职业价值正被重新定义：提示词工程师的创造力溢价与数据标注员的工具化困境，本质上映射着“认知套利”与“体力折旧”的分野。

　　当AI重构职场版图，头部人才是企业未来决胜的关键，而每个人的学习曲线斜率，终将决定其在智能时代坐标系中的位置——是站在算力金字塔的尖顶，还是沉没于自动化浪潮的基底。