AI公司现在最缺的不是算法工程师，而是这3类人

如果你最近认真看过AI公司的招聘，会发现一个很有意思的变化。

AI公司当然还在招算法工程师，但“算法工程师”这四个字本身，正在变得越来越不值钱。

这句话听起来很刺耳，但可能是未来几年算法人才市场最重要的变化之一。

前几年，一家公司只要宣布自己做大模型，招聘页面上最醒目的岗位往往就是算法工程师。预训练、NLP、CV、推荐、强化学习，只要能够和“算法”沾上关系，市场就愿意给出很高的价格。

尤其是大模型刚刚爆发的阶段，懂Transformer、懂预训练、懂SFT、懂RLHF的人非常稀缺。很多原本做NLP、搜索、推荐甚至CV的人，只要能够快速完成技术迁移，就能吃到一轮巨大的技术周期红利。

但今天不一样了。

越来越多的人开始做大模型，越来越多的人会微调、RAG、Agent、评测和模型应用。高校开始培养相关人才，大厂不断扩张团队，创业公司也在大量吸收算法工程师。

算法人才的供给正在快速增加。

所以真正的问题已经不是“AI公司还缺不缺算法工程师”，而是：

AI公司到底缺什么样的算法工程师？

如果把现在的AI人才市场拆开来看，会发现真正越来越稀缺的，反而是三类人：能够把模型做成产品的人，能够把模型跑得又快又便宜的人，以及能够把数据、模型和业务真正形成闭环的人。

这三类人有一个共同特点——他们已经不只是单纯解决算法问题，而是在解决AI公司的核心问题。

过去算法工程师最容易建立的职业标签是“我会什么”。

我会Transformer。

我会多模态。

我会强化学习。

我会大模型微调。

我会Agent。

但未来企业越来越关心的，可能是另外一个问题：

你到底用这些东西解决过什么？

这其实是算法工程师价值体系的一次变化。

过去一个算法工程师做推荐系统，可能主要负责模型优化。今天同样是推荐算法，企业更关心的是，你做的推荐模型到底有没有提升用户留存、点击率、GMV或者转化率。

过去一个大模型算法工程师可能主要负责训练模型，今天企业会进一步追问，这个模型有没有真正上线？线上效果怎么样？推理成本是多少？用户愿不愿意用？模型能力最终有没有转化成产品价值？

这也是第一类越来越稀缺的人：

能够把模型变成产品的人。

举一个很典型的例子。

假设一家AI公司正在做企业级Agent。

一个算法工程师每天都在研究模型效果，优化Prompt，调整RAG召回策略，改Agent的规划能力，Benchmark也一直在提升。

另一个算法工程师做的事情看起来差不多，但他会继续往前走一步。

他会去研究客户到底在什么场景使用Agent，为什么任务会失败，哪些任务真正能够替代人工，哪些环节必须人工兜底，一次任务需要调用多少次模型，以及最终客户愿意为这个能力支付多少钱。

两个人可能都懂大模型。

甚至前者的模型指标可能更漂亮。

但如果三年以后再看职业价值，后者很可能已经开始负责一个完整的AI产品方向，而前者依然停留在“模型实验和指标优化”的位置。

原因非常简单。

前者解决的是一个技术问题。

后者开始解决的是一个商业问题。

而AI真正进入产业以后，企业最终愿意付钱的，从来不是“一个更漂亮的Benchmark”，而是一个能够解决真实问题的系统。

所以未来越来越值钱的算法工程师，很可能不是单纯把模型指标做到极致的人，而是能够理解“模型为什么存在、用户为什么使用、产品为什么赚钱”的人。

这并不是说算法工程师要转产品。

恰恰相反，真正稀缺的是那些 算法能力很强，同时又能够理解产品和业务的人 。

这种能力组合非常难复制。

因为一个人可以花几个月学会一个新的模型框架，但很难在几个月里同时获得模型能力、产品经验和真实业务经验。

第二类稀缺的人，则可能更加容易被低估。

那就是能够把模型跑起来、跑得快、跑得便宜的人。

很多人理解AI行业，第一反应都是模型。

模型参数多大。

模型Benchmark多少。

模型能力有多强。

但真正把AI产品做到大规模商业化之后，公司很快就会面对一个非常现实的问题：

模型太贵了。

一个模型能力再强，如果每一次调用都非常昂贵，用户规模越大，公司可能亏得越多。

于是企业开始越来越重视推理效率、算力利用率、模型压缩、量化、并行、GPU调度、KV Cache、Serving、Latency和吞吐。

这时候，一个能够把模型效果提高几个百分点的人，和一个能够把模型推理成本降低30%甚至50%的人，企业可能会给出完全不同的估值。

因为后者直接影响公司的商业模型。

这也是为什么，未来AI行业可能越来越需要一种复合型人才：

既懂模型，又懂系统。

他知道模型为什么效果不好，也知道为什么跑得慢；知道怎么训练，也知道怎么部署；知道怎么提升模型能力，也知道怎么降低推理成本。

这种人其实已经不是传统意义上的“纯算法工程师”。

他可能来自大模型训练，也可能来自推荐、搜索、广告、自动驾驶甚至传统分布式系统。

但他们共同拥有一个特点：

能够理解模型背后的整个计算系统。

随着AI模型越来越强，这类人才的重要性反而可能继续上升。

因为模型能力越接近，真正的竞争就越容易从“谁更聪明”转向“谁更便宜、谁更快、谁能规模化”。

同样一个模型，别人需要十块钱才能完成一次任务，你只需要五块钱；别人需要十秒，你只需要两秒。

这就是非常直接的商业价值。

而第三类人才，可能是未来AI公司最容易形成壁垒的一类人：

能够把数据、模型和业务形成闭环的人。

今天基础模型越来越容易获得。

开源模型越来越多，模型API越来越成熟，训练框架越来越标准化。

这意味着很多过去需要一家公司的核心算法团队花大量时间解决的问题，未来可能都可以被基础模型和开源生态部分解决。

那么AI公司的真正壁垒是什么？

越来越多的时候，答案会回到数据。

但这里说的数据，并不是简单地“拥有更多数据”。

真正重要的是，公司有没有能力持续产生高质量的数据。

比如一家AI Agent公司。

用户使用Agent完成任务，系统记录任务失败的地方；团队分析这些失败案例，把它们转化成训练数据、评测数据和新的任务样本；模型升级以后，Agent成功率提高，更多用户开始使用；更多用户又带来更多真实任务和真实反馈。

最终形成一个循环：

用户产生任务，任务产生数据，数据帮助训练模型，模型变得更好，更好的模型带来更多用户，更多用户又产生更多数据。

这才是真正的数据飞轮。

而能够理解这个飞轮的人，价值和一个单纯做模型的人已经完全不同。

因为他开始理解一家AI公司到底是怎么成长起来的。

这也是为什么，未来AI人才市场可能会越来越看重一种能力：

你能不能把模型能力变成一个持续增长的系统。

从这个角度来看，算法工程师真正的职业升级，其实不是从“不会大模型”变成“会大模型”。

而是从“会做模型”，逐渐变成“能够让模型产生价值”。

这也是为什么，现在很多算法工程师会产生一种困惑。

明明自己一直在学习。

论文也在看。

代码也在写。

新模型也在跟。

但为什么感觉自己的薪资增长越来越慢？

因为你可能正在进入一个非常典型的阶段：

技术能力在增长，但市场稀缺性没有增长。

你会的东西越来越多，但会这些东西的人也越来越多。

这就是职业价值里非常残酷的一件事情：

能力增长，不等于市场价格一定增长。

假设三年前只有100个人懂某项技术，而现在已经有1万人懂，那么即使你今天依然比三年前的自己强很多，你的市场溢价也未必会同步增加。

反过来，如果你掌握的是一个只有几百个人真正能做、但未来几年企业需要几千人的能力，那么哪怕你现在还不是这个领域最顶尖的人，你的价格也可能快速上涨。

所以算法工程师真正需要关注的，不只是“我今天会什么”。

还要关注：

未来三年，企业需要什么？

这其实就是技术周期。

2023年前后，大模型是一个巨大的技术周期。

大量NLP人才因此完成重新定价。

后来，训练、推理、Agent、数据、Infra、世界模型、具身智能、AI4S等新的方向不断出现。

每一次技术范式变化，本质上都在重新定义“什么样的人值钱”。

所以算法工程师的职业生涯，某种意义上已经越来越像一个周期行业。

你今天选择的技术方向，不只是决定你下一份工作做什么，也可能决定你三年以后站在哪一个人才市场里。

这也是为什么，同样是算法工程师，有人工作三五年以后年薪仍然不断上涨，有人却在P7附近开始遇到明显瓶颈。

差距很多时候并不是因为前者比后者聪明很多。

而是前者不断让自己进入新的技术周期。

他可能从传统推荐走向大模型，从模型走向Infra，从单一算法走向完整业务，从一个模块负责人走向一个技术方向负责人。

而另一个人可能一直在一个已经高度成熟的业务里，反复优化同一套东西。

两个人都在努力。

但他们所处的市场已经不一样了。

所以如果你现在是一名算法校招生，或者工作一两年的年轻算法工程师，我反而不建议你只盯着“现在什么岗位工资最高”。

真正应该问的是：

这个方向是不是正在形成新的技术周期？

我能不能在这个方向里接触真正核心的问题？

三年以后，我能不能形成一种别人很难复制的能力组合？

因为真正值钱的人，从来不是因为“懂一个模型”而值钱。

而是因为他掌握了一组很难复制的能力。

懂模型，又懂系统。

懂算法，又懂业务。

懂Agent，又懂数据。

懂研究，又能落地。

懂技术，又能负责完整方向。

这些能力组合，才是真正的稀缺性。

所以今天再问一句“AI公司到底缺不缺算法工程师”，答案当然是缺。

但AI公司正在越来越不缺的是那种只负责一个标准化模块、只追求单点指标、只会执行既定任务的算法工程师。

它们真正愿意高价抢的，是能够站在更高一层解决问题的人。

能够把模型变成产品的人。

能够把模型跑得又快又便宜的人。

能够让数据、模型和业务形成闭环的人。

而这三类人，其实代表了AI算法工程师未来最重要的三个升级方向：

从模型走向产品，从模型走向Infra，从模型走向数据和业务。

未来算法工程师的竞争，也许不会再是简单的“谁论文更多、谁模型指标更高”。

而会变成：

谁离真正的价值更近。

离用户更近的人，价值更高。

离核心算力和系统更近的人，价值更高。

离核心数据和业务闭环更近的人，价值更高。

这可能就是AI人才市场正在发生的一个最重要变化：

算法工程师不会消失，但“普通算法工程师”的溢价会越来越低，而真正稀缺的复合型算法人才，会越来越贵。

所以，如果你现在还在努力学习算法，不要停。

但也不要只让自己变成一个“更会做算法的人”。

你真正应该努力成为的，是一个：

能够用算法解决复杂问题的人。

因为AI时代真正值钱的，从来不是“我会什么”。

而是：

我会的东西，恰好是不是这个时代最需要、最稀缺、也最难被替代的东西。