作者：June

2026 届校招，AI 岗位占比 90% 的百度，和招聘广告点击量极低的中小企业，正在上演同一场战争的两个极端。

据新闻报道：日前，百度、字节跳动、阿里巴巴、腾讯等互联网大厂纷纷开启了 2026 届校园招聘，均加大了对人工智能（AI）相关岗位的招聘力度。从需求方来看，头部企业求贤若渴，" 抢人 " 趋于白热化，可广大中小微企业却苦于 " 招不到人 "；从供给方来看，顶尖人才手握数个 offer、年薪 30 万元只是 " 起步价 "，但更多的求职者深陷 " 海投 " 苦海、感叹求职 " 内卷 "。

我想对现象背后的情况进行议论分析，期待给各位一些启发。

首先，我们来看招聘市场

从百度、字节跳动、阿里、腾讯，到华为、美团、京东、快手、小米、拼多多与蚂蚁集团来看，校招已经进入 AI 为王的时代，大厂对校招越来越重视，AI 的职能分层也越来越明显：

百度：AI 岗位占比超 90%。2026 届校园招聘中，百度计划发放超过 4000 份 Offer，其中超过 90% 集中在 AI 相关岗位——侧重大模型、多模态、智能应用、无人驾驶等方向。

字节跳动：AI 岗位占比也达 90%。提供逾 5000 个岗位，研发类岗位同比增长 23%，并推出如 "Top Seed 顶尖人才计划 " 与 " 筋斗云人才计划 " 等专项计划，聚焦大模型、AI 安全、AIGC、跨模态等前沿领域。

阿里巴巴：AI 相关岗位占比高达 60 – 80%。包括算法、AI 产品经理、智能数字人、医疗 AI、具身智能等领域。

其他厂商：类似趋势正在加速。据第一财经报道，阿里、腾讯、百度、字节跳动等大厂的 AI 招聘占比普遍偏高，如字节招聘 1 万岗位中，AI 岗位达 2353 个。

百度、字节、阿里、腾讯 2026 校园招聘与 AI 有关的人员部分截图如下：  

来源：网络

其次，我们来看看国内的培养情况

哪些学校在重点布局 AI 专业？

2018 年教育部发布《高等学校人工智能创新行动计划》，推动建设一批人工智能学院 / 研究院、跨学科平台与产学研协同机制，AI 进入系统性布局阶段。" 双一流 " 与工科强校持续加码：清华智能产业研究院（AIR）、北大智能学院、上海交大 AI 相关学院 / 中心、浙大跨学科 AI 研究平台等，围绕 "AI+ 产业 / 科学 " 搭建科研与人才培养体系。

《普通高等学校本科专业目录》已将 " 人工智能 "" 智能科学与技术 "" 数据科学与大数据技术 "" 机器人工程 " 等作为关键相关专业；各校还在计算机、自动化、电子信息类中设置 AI 方向。过去几年 AI 本科点快速扩容：多家媒体与高校渠道统计显示，开设 " 人工智能 " 本科专业的高校已达五百所量级，且还在继续扩大！

头部高校近期进一步扩招 " 战略学科 "（包括 AI、芯片、计算数学等），以对接新质生产力与产业升级需求。以清华 AIR、阿里 / 阿里达摩院、腾讯 AI Lab、百度等企业联合实验室 / 实践项目为代表，强调 " 真实数据 + 真实场景 + 工程落地 "。

再次，思考 " 供 " 与 " 需 " 为何不平衡

" 火 " 的一端：顶尖人才被哄抢。头部互联网与大模型公司把 AI 岗位放在校招 C 位。以百度为例，2026 届校招中 AI 相关岗位占比超九成，并面向大模型 / 多模态 / 训练框架 / 云原生等全栈方向开放；大规模 offer 与专项精英计划并行。业内报道普遍提到 " 顶尖校招包 " 水涨船高，30 万年薪被视为 " 起步价 " 区间的现象屡见媒体稿件与行业社群转载与讨论。

" 冷 " 的一端：中小企业招不到、普通毕业生投不动。职场平台与研究报告反映：AI 相关岗位招聘热、结构性缺口存在，但供给端呈现 " 分层 "。企业侧希望候选人具备 " 可直接上手的工程化与落地经验 "（数据治理、训练 / 评估与 MLOps、推理与服务化、A/B 与观测体系），而这正是多数学生短板。宏观就业数据亦显示结构性矛盾：总量承压与结构性缺口并存，造成 " 海投难、精准匹配难 "。

造成脱节的关键因素是什么呢？

能力谱系错位：课程重理论与算法，企业更看重 " 算力 - 框架 - 数据 - 评估 - 上线 " 的一体化工程能力与跨学科场景理解。高校 " 项目闭环 " 与企业 " 生产级闭环 " 之间仍有鸿沟。

算力与数据壁垒：中小企业缺公共算力 / 高质量语料与评测体系，难以承载 " 训练—迭代—上线 " 的完整链路，自然倾向挖 " 可即战 " 的少数人。

地域与平台虹吸：一线 / 强二线与头部平台掌握更优的算力、数据、场景与薪酬，人才进一步向少数平台集中。

岗位认知偏差：不少求职者把 "AI= 算法研究 "，但企业增量需求大量来自 AI 工程、应用产品、数据与评估、安全 / 治理等 " 灰度岗位 "。

评价与实习资源不均：高水平科研 / 竞赛 / 实习名额集中在少数顶尖院系与城市，拉大了 " 履历差 "。

" 马太效应 " 是否会加剧？

先说结论，会加剧！在短期到中期内，AI 行业的人才与资源确实呈现强者愈强的集聚态势，且这种集聚有其效率与规模经济逻辑（算力、数据、生态与品牌协同）。但如果缺乏制度与基础设施层面的 " 普惠化 "，社会层面的副作用会扩大：

机会不均：优质岗位、导师、算力、数据、实习名额进一步向少数平台 / 少数城市集中。

产业两极：头部公司跑在 " 模型 - 平台 - 应用 " 闭环上，长尾企业转而做 " 二次包装 / 低代码使用 "，高端技术红利外溢不足。

教育内卷：高校端持续扩招与开新专业，但难以迅速补齐 " 工程化—产业化 " 环节，导致 " 招生热—就业难 " 的结构性矛盾。

地区分化：区域算力 / 数据 / 应用生态差异，放大人才流向失衡。

有解吗，我觉得不管是否短期内能否马上解决，单必须要各方重视：

中小企业：降门槛、抓应用。

用开源与平台降低试错成本：优先采用国产成熟生态来做 PoC 与小步快跑；这些平台提供模型、工具链与社区示例，降低人力与算力门槛；岗位重构：将 " 模型训练 / 评估 / 上线 " 拆分为可招聘的工程颗粒（数据 / 评估 /MLOps/ 应用前后端 / 安全治理），引入 " 技术 + 业务 " 的 T 型人才；共建共享：对接高校联合实验室、地方 " 算力券 / 公共算力中心 "，用 " 以赛促研、以题带岗 " 的方式锁定潜力学生，提前培养 " 你会用、我能用 " 的校企合作关系。

高校与院系：补齐 " 工程化最后一公里 "。

课程 - 工程一体化：在 " 数理 + 算法 " 基础上，强化数据工程、评估与对齐、服务化与 A/B、观测与安全；课程以企业真实数据与场景驱动；毕业要求与实战挂钩：以 " 可复现的工程项目 + 规范化报告 + 开源仓库 " 为毕业能力证明，推动校内 " 模型—数据—评测—部署 " 全链实践平台建设；适度专深并行：推进 "AI+X"（理工农医文）的交叉学位点建设，鼓励与产业联合培养博士、工程硕士；信息透明：对专业招生规模、就业去向、工程化能力要求做年度白皮书披露，避免 " 只扩不育 "。（政策依据与趋势参见教育部行动计划与高校扩招动向。）

求职者：从 " 算法梦 " 到 " 工程真功夫 "。

围绕 " 全栈闭环 " 补技能：数据→训练→评测→服务化→监测 / 安全，一个环节能做到 " 能落地、可复现 " 就有显著优势；作品集导向：精选 2 – 3 个真实可运行项目（含 README、环境、测试数据与指标复现脚本），比 " 证书堆叠 " 更能打动用人方；理解岗位谱系：算法研究只是其中一支；AI 工程、AI 产品、评估与安全、数据与治理、AIGC 内容与工具链都在招人；地域与平台策略：不盲目挤向最卷赛道；合理评估城市、行业场景与成长曲线。

当技术红利被少数玩家垄断，"AI 普惠 " 便成了伪命题。或许，比 " 高薪抢人 " 更紧迫的，是建立一个能让小镇做题家、普通高校生、中小企业共同参与的 " 技术民主化 " 生态。

附：参考与数据来源

①教育部《高等学校人工智能创新行动计划》与本科专业目录（人工智能等专业设置）。

②高校与研究平台：清华 AIR、北大智能学院、上交大 AI 方向与课程、浙大 AI 交叉平台等。

③校招与岗位趋势（以百度 2026 届校招为例，AI 岗位占比 >90% 的公开信息与校招页面）。

④行业报道与薪酬区间讨论：证券时报等媒体关于 " 顶尖 AI 校招年薪 30 万起 " 的新闻汇总。

⑤人才供需与结构性矛盾：猎聘人才流动报告与新华社 / 智联招聘就业数据。

⑥头部高校扩招战略学科与 AI：路透的综合报道。

⑦开源与平台生态：PaddlePaddle、ModelScope、MindSpore 官方入口。