腾讯研究院:AI职业新趋势大数据研究报告

近年来，人工智能技术的迅猛发展引发了关于“AI是否会取代人类工作”的广泛讨论。腾讯研究院最新发布的《2026年AI职业新趋势大数据研究报告》，基于2024年第一季度至2025年第二季度我国六大主流招聘平台约1亿条招聘数据，系统量化了AI技术对中国劳动力市场的渗透路径与结构性重塑效应。报告的核心发现令人深思：AI带来的首要变化，并非岗位总量的简单增减，而是职业分层逻辑的重写。

一、渗透率不到2%，但格局已定

1.1 显性渗透率：1.6%–1.92%

数据显示，明确提出AI技能要求的岗位在全部招聘岗位中的占比不足2%，在1.6%至1.92%之间窄幅波动。这一数字与美国（1.8%）、新加坡（3.2%）等国家基本相当，说明AI技能仍属于“小众”但稳定的需求。

值得注意的是，报告坦诚承认了这一数据的局限性：许多企业实际工作中已广泛使用AI工具辅助文案、代码生成等，但并未将其写进岗位描述。真实渗透率很可能高于2%这个数字。

1.2 地理集聚：九成AI岗位集中在五大城市群

然而，低渗透率并不意味着低影响力。报告指出，AI技能岗位高度集中在五大城市群（长三角、珠三角、京津冀、长江中游、成渝），占比达九成。这意味着AI职业红利目前高度区域集中，二三线城市的直接AI岗位机会仍然有限。与此同时，AI技能在技术岗与非技术岗之间的渗透率差距悬殊：技术岗为8%左右，非技术岗不足1.5%。这种“数字鸿沟”表明，AI目前仍主要被视为技术岗位的核心能力。

二、需求重心：从"会开发"转向"会应用"

2.1 开发技能 vs 应用技能

报告将AI技能分为两大类：AI开发技能（模型架构、训练框架、优化方法等）和AI应用技能（AI工具使用、AI写作、AI绘图、AI视频剪辑等）。

数据变化非常清晰：应用类技能的占比在一年内从17.7%升至34.7%，几乎翻倍。 市场对"会用AI"的人的需求，增长速度远超"会做AI"的人。

2.2 技术岗：AI技能需求是非技术岗的5倍以上

在所有具备AI技能要求的岗位中，技术岗的需求强度是非技术岗的5倍以上。但非技术岗中也出现了明确的AI技能集中区：咨询、管理、教育、设计四个领域对AI应用技能的要求正在快速上升。

2.3 算法岗从"专才"走向"通才"

在技术开发岗位内部，报告发现了一个重要趋势：市场对“复合型通才”的偏好明显增强。同时具备传统AI（如机器学习、计算机视觉）和新兴AI（如大模型架构、微调、部署）技能的岗位占比，从15.86%上升至25.60%。

此外，“广义AI算法”岗位已取代具体的图像或视觉算法，成为占比最高的细分门类（近24%）。这表明，企业不再满足于寻找特定领域的“专才”，而是更青睐能够打通底层原理与前沿应用、具备综合解决问题能力的“通才”。

三、中美差异：中国走的是另一条路

3.1 美国：高级岗位激增，初级岗位萎缩

美国市场在AI冲击下呈现出典型的"剪刀差"效应——对高级科学家和架构师的需求激增，同时大量初级岗位被AI替代。Lichtinger等人的研究数据显示，美国初级岗位年薪中位数高达5万至8.5万美元，用AI替代初级员工有明显的成本优势。

3.2 中国：高级岗位回落，初级岗位稳定

报告发现了一个与美国截然相反的结构特征：中国AI岗位中高级岗位占比出现下滑，初级岗位占比保持稳定在7%左右。

报告从两个角度解释这一差异：

• 成本结构差异：中国初级劳动力成本相对较低，企业更倾向于用AI为初级员工赋能（人机协同），而非直接替代。当前薪酬体系下，这比聘请高薪专家或用AI替代初级员工都更具性价比。
• 产业发展阶段差异：美国仍聚焦底层大模型研发，需要大量高级人才；中国已加速转向场景应用落地阶段，对应用型、工程型人才需求更广泛，支撑了初中级岗位的稳定性。

这一发现的政策含义很清晰：在"降本增效"的宏观导向下，国内企业在招聘高成本资深专家时更加审慎，转而追求更具性价比的执行层人才。

四、"精英优先"：AI岗位的学历与经验门槛

4.1 学历：71%要求本科及以上

AI岗位对"本科及以上"学历的需求高达71%，远超全市场24%的平均水平。这是典型的"精英优先"逻辑。

4.2 经验：79%要求工作经验

79%的AI相关岗位要求具备工作经验，且平均经验年限要求比市场基准高出1至1.5年。雇主寻找的不是AI新手，而是有行业积累的"老手"来驾驭AI工具。

不过报告也观察到一个微弱但值得关注的趋势：学历和经验门槛正在轻微松动。 这暗示市场正在从"唯学历论"和"唯资历论"向更重视实际能力产出缓慢调整。

五、薪酬溢价：AI岗位的抗跌性

5.1 月薪溢价7000–9500元

整个观察期内，具备AI技能要求的岗位平均月薪始终比市场平均水平高出7000元至9500元。这是一个稳定的、显著的正向溢价。

5.2 抗跌性：市场下行中的"薪酬粘性"

2025年市场整体薪资出现下行。全样本高薪区间（20000元及以上）占比大幅收缩了54%，但AI岗位同一区间的收缩幅度仅为25%。

这种"薪酬粘性"验证了核心AI人才的稀缺性与高替代成本——在宏观环境波动中，AI技能依然能为劳动者提供相对稳健的收入保障。

六、核心启示与政策方向

报告的结论部分提出了三个层次的判断：

第一，AI正在重塑职业分层逻辑，而非简单改变岗位总量。当前劳动力市场的核心矛盾，可能并非“有没有工作”，而是“处于哪一层工作”的分布问题。

第二，转型焦点从“是否在AI行业”转向“是否具备与AI协作的能力”。同一岗位内部，会用AI与不会用AI的员工在效率和报酬上的差距已经开始显性化。

第三，教育与培训体系需要重构。从“一次性学历教育”转向“应用能力+复合能力+转型能力”的长期能力供给。

在此基础上，报告提出了四项政策建议：建立面向AI的就业结构监测体系、实施分层次的AI技能普惠行动、推动企业“转岗+再培训”的平滑转型、探索社会保障创新。

总结

这份报告用一亿条招聘数据说清了一件很多人凭直觉感受到但缺乏量化证据的事：AI对就业的影响是结构性的，不是总量性的。 它不制造大规模失业，但它在重新分配机会与收入。对中国市场而言，这个重分配的方向与美国不同——中国选择的是"人机协同、赋能基层"的路径，而不是"替代初级、保留精英"的路径。这条路径是否可持续，取决于后续产业政策的走向和教育培训体系的适应速度。

本文基于腾讯研究院《AI职业新趋势大数据研究报告》撰写，详细内容请查阅原文。