人工智能信息服务产业人才需求分析报告2026-中软卓越研究院

人工智能信息服务产业人才需求分析报告（2026）PostAnalysisReportOfArtificialintelligenceServiceIndustryField(2026) 3 4 4 7 8 一、人工智能信息服务产业简介年，我国服务业总规模达到了80.9万亿元，对经济增长的贡献率达到了61.4%，这就意味着在“十五五”期间，服务业是就业的主渠道，目前服务业从业人员大约达到了3.6亿人，占全国就业人口总数大约一半。在生产性服务业方面，重点围绕科技服务、现代物流、信息软件服务、供应链金融、节能环保、商务服务这6大领域17个重点环节进行布局。生活性服务业方面绕居民服务、养老托育、健康服务、文旅体服务等4个重点领域，促进基本需求类服务更加普惠优质。整体行业营收达到15.48万亿元，是服务业中的支柱产业，推动软件业从生产性服务业向专业化和价值链高端延伸。在人工智能赋能信息服务业方面，开展“人工智能+软件”专项行动。推进生产性服务业向专业化和价值链高端延伸，加快推动软件和信息技术服务业创新发展。●尤其是在人工智能赋能信息服务业方面，开展“人工智能+软件”专项行动，加快智能编程研发应用，培育模型即服务、智能体即服务等相关新业态。●进一步加强开源生态建设，推动基础软件、工业软件智能化升级。●健全制造业数智化转型服务体系，分类分级培育优质的数智化转型服务商。●深入实施工业互联网创新发展工程，有序推进算力布局和边缘算力建设，完善智算云服务体系。●实施工业数据筑基行动，建设一批工业领域高质量数据集。2025年8月，国务院印发了《关于深入实施“人工智能+”行动的意见》，明确到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。根据以上产业发展情况可以推断，人工智能服务产业将与传统软件服务业高度结合，到2030年人工智能服务产业将规模预计突破10万亿元1。人工智能信息服务产业上游（软硬件基础层）：涵盖智能芯片、传感器、计算设备、算力中心、数据服务、云服务、AI算法、操作系统、中间件、AI框架等环节，汇集了华为、英伟达、寒武纪、商汤科技、阿里云、腾讯云、科大讯飞、微软、谷歌等国内外核心企业；中游（技术与平台层）：包含通用技术、知识图谱、大模型、领域算法四大板块，代表企业有腾讯、阿里、字节跳动、百度、DeepSeek、科大讯飞、海康威视等；下游（应用层覆盖机器人、软件、工业制造、金融、交通、能源、商业、家居、医疗、教育等多个场景，展现了AI技术在各行业的落地应用方向。目前，人工智能信息服务产业链上、中、下游生态企业主要分为三类：底层基础设施、中游人工智能研发、人工智能信息服务应用（见表1）。息二、人工智能信息服务产业现状与发展趋势当前人工智能信息服务产业整体处于技术迭代加速、场景落地深化、竞争格局分化、政策强支持、挑战与机遇并存2026年1月国务院新闻办公室发布数据显示，2025年我国人工智能产业活力迸发，人工智能企业数量超6000家，核心产业规模预计突破1.2万亿元。网络数据显示，我国2025年智能服务产业达到了4.8万亿元3，年均复合增长率全球AI市场中我国市场占比约25%，仅次于美国，生成式AI成为最大增量，2025年相关服务收入同比增长80%+。其中ToB（企业服务）占比65%（工业、金融、政务、医疗为主ToC（个人服务）占比35%（内容创作、智能客服、教育领域为主）。人工智能信息技术服务产业技术层面以大模型发展为主导，技术不断优化迭代。基础层算力（GPU/ASIC/异构芯片）、数据（高质量标注数据、行业知识库）、框架（国产框架如MindSpore、PaddlePaddle、Deepseek）逐步自主可控，但高端芯片、核心算法、高质量数据仍有短板。技术层面通用通用大模型如文心一言、通义千问、Deep智谱迭代加速，多模态、长文本、工具调用、Agent智能体成为标配；行业专用模型（医疗、工业、金融、教育）快速落地。主要产品形态包括专业/通用大模型、大模型API、AI开发平台、数据服务平台等。同样基于大模型技术的垂直行业应用包括如工业质检、金融风控、医疗影像、政务咨询、教育测评、智能交通调度等场景定制化服务。应用层面人工智能技术在工业制造、金融、医疗交通、政务民生、商业零售、家居、能源、机器人十大下游领域的落地布局，其中家居、金融领域AI渗透率达60%+，数字化落地程度最高，政务民生、教育紧随其后，机器人、能源行业渗透率不足30%，尚处在推广起步阶段。域造检技国务院数据显示，我国人工智能信息服务产业有以下几个发展趋势：一是国内智能芯片继续加速，算力规模持续扩业高质量数据集加速涌现，预计到2030年我国算例将突破250万P，智能算例占比将超80%。二是智能应用不断拓展，人工智能应用已覆盖钢铁、有色、电力、通信等重点行业，2026年是“行业+AI”深耕之年，AI将进入千行百业的核心生产系统，加速数智化升级，释放AI新质生产力。未来我国将深化“人工智能+”行动，赋能千行百业、服务千家万户，“十五五”末人工智能相关产业规模将达10万亿元以上。IDC、Gartner等报告显示，2027年90%以上的企业都将更加关注人工智能带来的影响，其中50%的大型企业至少有一个核心的环节将会使用AI技术服务。2028年，15%的日常工作决策将由AI来完成。三是人工智能服务加快终端产品结合，AI手机、AI电脑、AI眼镜、具身智能、智能汽车等等多个场景人工智能终端产品走入千家万户。华为中国政企业务总裁吴辉表示，AI将带来“大增量”时代，直接带动硬件、软件和服务的快速增长。预测未来三年人工智能信息服务业规模可能超8万亿元，2030年末可能达到12万亿元（见图2）。2024至2026年，从国务院、工信部、国家网信办等中央多部委到北京、上海、浙江、江苏、安徽、广东、四川等多地省市，密集出台系列“人工智能+”顶层及细分专项政策，覆盖信息通信、制造、能源、教育、工业互联网、智能眼镜、智能体、AI伦理、生成内容规范、算力底座、行业大模型等全维度，分2027、2028、2030、2035多阶段设定发展目标，围绕算力网络、通用/行业大模型、工业智能体、高质量数据集、AI终端、全产业链自主可控、千行百业融合落地、产业规模扩容、伦理安全监管、区域产业集群培育等作出部署，自上而下构建起全国统筹、地方分层落地、多行业全面赋能的人工智能发展政策体系，推动AI技术、算力、产业、应用协同高质量发展。发布部门政策名称政策目标1202工业和信息化部《“人工智能+信息通信”创新发展实施意见（2026—2028年）》到2028年，人工智能与信息通信初步构建融合互促的创新发展格局。信息通信智能运营和服务能力达到国际先进水平，信息通信网络初步实现高等级自智，形成30个以上高价值典型场景，打造一批典型应用和特色智能体。网络、算力等信息基础设施支撑人工智能能力进一步提升，城域算力1毫秒时延圈覆盖率不低于75%。到2030年，人工智能与信息通信网络融合关键核心技术取得显著突破，通感算智一体化服务能力大幅提升，形成完备的协同创新和产业生态体系，“人工智能+信息通信”步入技术引领、产业繁荣、安全可靠、智能普惠的发展新阶段。2202工业和信息化部《“人工智能+信息通信”创新发展实施意见（2026—2028年）》到2028年，人工智能与信息通信初步构建融合互促的创新发展格局。信息通信智能运营和服务能力达到国际先进水平，信息通信网络初步实现高等级自智，形成30个以上高价值典型场景，打造一批典型应用和特色智能体。网络、算力等信息基础设施支撑人工智能能力进一步提升，城域算力1毫秒时延圈覆盖率不低于75%。到2030年，人工智能与信息通信网络融合关键核心技术取得显著突破，通感算智一体化服务能力大幅提升，形成完备的协同创新和产业生态体系。3202国家网信发改委等《智能体规范应用与创新发展实施意见》积极稳妥推动智能体典型场景应用，牵引技术产品优化提升，探索形成可复制、可推广的智能体落地应用模式。4202国家发改能源局等《关于促进人工智能与能源双向赋能的行动方案》到2027年，支撑人工智能创新发展的安全、绿色、经济的能源保障体系初步构建，清洁能源与算力设施互动能力显著提升。能源领域高价值场景逐步开放应用，能源高质量数据集共建共享长效管理机制初步建立，能源企业算力资源利用效率持续优化、稳步提升。到2030年，人工智能算力设施的清洁能源供给保障能力、能源领域人工智能专用技术研发和应用达到世界领先水平，人工智能与能源双向赋能取得明显成效。5202教育部、国家发改委等《“人工智能+教育”行动计划》到2030年，人工智能与教育深度融合格局基本形成，构建起纵向贯通、横向联通的人工智能全学段教育和全社会通识教育体系，人工智能人才培养规模与质量显著提升，形成全民人工智能素养培育长效机制。教育教学模式、科研范式、治理模式实现系统性变革，教育服务供给能力和现代化水平大幅增强，基础支撑环境更加集约高效，创新生态体系更加开放协同，智能技术应用更加普惠、安全、高效，形成一批高价值、可推广、可复制的应用场景，智慧教育新形态基本形成、全球影响力进入前列。6202工业和信息化部等《人工智能科技伦理审查与服务办法（试行）》推进人工智能科技伦理服务体系建设，强化人工智能科技伦理风险监测预警、检测评估、认证、咨询等服务供给，提升企业技术研发和人工智能科技伦理风险防范能力，加大对中小微企业人工智能科技伦理审查的支持和服务力度，推进人工智能科技伦理国际交流合作。7202月工业和信息化部等《“人工智能+制造”专项行动实施意见》到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。推动3－5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景。8202月工业和信息化部《关于开展2025年人工智能产业及赋能新型工业化创新任务揭榜挂帅工作的通知》面向人工智能产业发展底座、“人工智能+制造”、智能产品装备、共性基础支撑等重点方向，发掘培育一批技术创新强、应用落地快、典型示范好的关键技术和产品，加快人工智能与工业深度融合应用，高水平赋能新型工业化。9202国务院《关于深入实施“人工智能+”行动的意见》到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。202国家网信办《人工智能生成合成内容标识办法》工智能生成合成内容是指利用人工智能技术生成、合成的文本、图片、音频、视频、虚拟场景等信息。人工智能生成合成内容标识包括显式标识和隐式标识。202北京经信局《北京市人工智能赋能工业互联网高质量发展实施方案（2026—2028年）》力争到2028年，打造100个工业领域高质量数据集，培育50家智能化解决方案供应商，推出100个高水平工业智能体，打造一批多智能体协同应用场景。202北京市经信局《北京市智能眼镜产业高质量发展行动方推动“整机—操作系统—大模型—芯片—显示—光学”全产业链协同与集聚发展，特制定本行动方案。力争到2030年建成全球领先的智能眼镜产业高地，案（2026—2030年）》产业规模突破400亿元，实现关键核心技术自主可控与工业、医疗、文旅、智慧城市等重点行业规模化应用。202月上海市人民政府《关于人工智能“模塑申城”的实施方案》到2025年底，建成世界级人工智能产业生态，力争全市智能算力规模突破100EFLOPS，形成50个左右具有显著成效的行业开放语料库示范应用成果，建设3-5个大模型创新加速孵化器，建成一批上下游协同的赋能中心和垂直模型训练场。202浙江省人民政府《关于支持人工智能创新发展的若干措施》到2027年，初步形成可持续发展、领跑发展格局，通用人工智能核心技术和产业应用全国领先，培育若干具有全球竞争力和影响力的人工智能企业，全省规模以上人工智能核心产业营业收入超1万亿元。到2030年，全面形成可持续发展、领跑发展格局，通用人工智能核心技术和产业应用全球领先，培育出一批具有全球竞争力和影响力的人工智能企业，全省规模以上人工智能核心产业营业收入超1.2万亿元。202月江苏省人民政府《江苏省“人工智能＋”行动方案》到2027年，率先实现人工智能广泛深度融合，新一代智能终端、智能体等应用普及率70%以上，产业规模快速增长。到2030年，新一代智能终端、智能体等应用普及率90%以上，形成一批国内领先的大模型，打造一批规模化商业化应用场景，人工智能产业规模超万亿元，智能经济成为全省经济发展的重要增长极。到2035年，建成国内领先的“人工智能＋”创新策源地、产业新高地和融合应用先导区，全面步入智能经济和智能社会发展新阶段。202月安徽省人民政府《安徽省“人工智能+万物”应用行动方到2027年，覆盖重点领域超过50个，应用主体增长超过50%，应用落地突破5000个，新一代智能终端、智能体等应用普及率超70%；到2030年，全省十大重点方向全面突破，“百个”重点领域全覆盖，应用主体数量翻一番，应用落地超万个，新一代智能终端、智能体等应用普及率超90%。202广东省人民政府《广东省关于人工智能赋能千行百业的若干措施》到2025年，人工智能核心产业规模超过3000亿元。计算机、家居、机器人等8大门类，打造100款以上大规模使用的智能终端产品，人工智能核心产业打造500个以上应用场景，各行各业劳动生产率显著提升。202四川省人民政府《四川省加快推进“人工智能+”一号创新工程实施方到2027年，实现人工智能与重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，形成2—3个具有全国竞争力的细分赛道产业集群，重点支持打造10个左右具有全国影响力的行业标杆大模型、研发一批轻量化端侧模型，建设10个左右行业领域重大标志性应用场景，建成20个左右应用场景实验室等公共平台。到2030年，争创1—2个国家级新兴产业集群、建设200家智能制造先进工厂，集聚人工智能企业2500家以上、产业规模突破4000亿元，加快建成具有全国影响力的人工智能创新策源地和应用先导区，新一代智能终端、智能体等应用普及率超90%。到2035年，全面步入智能经济和智能社会发展新阶段。三、人工智能信息服务产业从业人员现状人工智能信息服务岗位可根据人工智能技术应用服务产业链划分为基础层、技术层和应用层。基础层以AI芯片、计算机语言、算法架构等研发岗位为主；技术层以计算机视觉、智能语言、自然语言处理等应用算法研发岗位为主；应用层以AI技术集成与应用开发岗位为主。根据国家信息中麦肯锡发布的研究报告显示，到2030年我国对AI人才的需求达到600万人，而市场上能提供的只有约200万人，这意味着那时我国AI人才缺口大约400万7。从结构方面看，我国AI人才队伍存在明显的结构性不均衡，基础层研发类人才明显偏少。芯片架构师、底层算法创新科学家等基础研发类人才较为缺乏。核心高端芯片设计师等基础人才需要经历技术迭代的经验积累、具备深厚的专业知识积淀和项目实施经验，其成长和培养过程通常需要几年甚至十几年，这一人才群体短缺是制约我国人工智能原始创新的关键。芯片与算力硬件研发与运维岗（占比13%AI芯片设计工程师、算力架构工程师、CUDA开发工程师、算力运维工程师、芯片测试工程师、服务器运维工程师；数据集与计算框架（占比16%数据治理工程师、多人工智能工程师；通用大模型与算法（占比20%大模型算法工程师、NLP算法工程师、计算机视觉算法工程师、多模态算法工程师、模型架构工程师；模型工程与中间件（占比16%）：人工智能训练师、模型优化工程师、RAG工程师、模型评测工程师、AI中间件研发工程师；AI应用与集成（占比23%）：AI解决方案工程师、AI开发工程师、风控算法工程师、医疗算法工程师、自动驾驶算法工程师、具身人算法集成工程师、控制算法工程师；AI交付工程师、AI运营工程师、风控分析师2017年起实施的《新一代人工智能发展规划》首次系统布局人工智能多层次教育体系，后续《高等学校人工智能创新行动计划》等文件进一步细化了智能教育发展路径。2026年4月，教育部等五部门发布《“人工智能+教育”行动计划》，旨在加快普及中小学生人工智能教育，并推动其与教育深度融合。专业名称专业代码开设院校数量1人工智能教育04011742人工智能0807176643商业人工智能120219——4人工智能工程技术310209315人工智能技术应用5102098086人工智能数据工程技术510217——人工智能全产业链高速发展，“人工智能+各行业”深度融合进程持续提速，人工智能行业人才发展趋势呈现出四大明确方向。其一，人才培养分层化精准匹配产业链层级需求。普通本科人工智能专业持续为技术层输送大模型、NLP、计算机视觉等通用算法研发人才，规模庞大的高职人工智能技术应用专业定向培育应用层场景落地实操人才，少量职教本科专业衔接算法工程转化环节，人工智能教育、商业人工智能等交叉小众专业补齐垂直细分领域人才供给，形成覆盖基础底座、算法研发、行业落地的梯度人才梯队，缓解产业人才结构错配问题。其二，AI与垂直行业复合型人才成为市场核心紧缺群体。伴随工业、金融、医疗、教育等领域智能化改造全面铺开，仅掌握单一人工智能技术的人才竞争力持续弱化，兼具大模型开发、RAG系统搭建能力与对应行业业务逻辑的跨界人才需求快速上涨，对应《“人工智能+教育”行动计划》等政策导向，人工智能教育等交叉专业持续扩容，适配千行百业智能化改造的复合型用人需求。其三，应用层实操技能人才规模化供给成为主流趋势。从专业开设院校数量可见高职人工智能技术应用布局范围最广，产业海量岗位集中于AI系统集成、数据治理、模型微调、算力运维等落地环节，职业院校以项目化实操教学为核心，批量输出可直接对接企业场景交付、设备运维、数据集搭建的技能型人才，支撑人工智能技术规模化下沉至各类中小企业。其四，基础层底层技术人才培育力度持续加大。此前国内人工智能人才多集中于算法应用领域，AI芯片、算力集群调度、底层框架研发、多模态数据工程等上游底座人才存在明显缺口，人工智能数据工程技术相关专业同步布局，本科人工智能专业新增算力硬件、分布式训练、国产框架开发课程，持续补齐产业链上游自主可控所需的底层技术人才短板，夯实我国人工智能产业发展根基。四、典型岗位人才需求分析人工智能信息服务产业岗位体系围绕芯片算力底座、数据框架支撑、大模型算法研发、模型工程转化、行业场景集成、合规运营保障形成完整产业链分工，各岗位领域职责梯度清晰、层层衔接。岗位领域主要工作描述AI应用与集成1.面向工业、金融、医疗、教育、交通等垂直行业，梳理智能化业务需2.基于成熟大模型、AI中间件开发行业智能系统、场景化功能模块；3.完成AI软硬件系统集成、联调测试、项目实施与客户现场交付；4.搭建行业知识库、业务智能流程，落地智能质检、风控、教学辅助等场景；5.跟进上线后系统运维、功能迭代，适配企业个性化业务改造。合规与运营1.落实AI算法备案、数据隐私保护、生成式内容伦理审核等合规管控工作；2.制定AI内容审核标准、算法风险排查流程，规避数据安全与伦理风3.开展提示词工程调优、用户使用数据分析，持续优化AI产品交互体验；4.面向企业客户提供产品培训、使用答疑、售后运营全流程服务；5.收集行业场景反馈，输出产品优化建议，协同技术团队完成功能迭代升级。模型工程与中间件1.基于通用大模型开展LoRA/QLoRA轻量化微调、模型量化、推理加速工程化改造；2.开发RAG知识库、智能体、API网关等AI中间件，搭建低代码模型调用平台；3.完成模型部署、容器化封装、分布式推理服务搭建，优化推理时延与并发能力；4.建立完整模型评测体系，持续跟踪模型效果，输出迭代优化方案；5.衔接算法研发与行业开发团队，屏蔽底层模型复杂度，支持行业应用开发。数据集与计算框架1.完成文本、图像、语音、视频多模态数据采集、清洗、去重、脱敏与标准化标注；2.搭建行业专用训练数据集，建立数据质检、质量分级与安全管控规范；3.对TensorFlow、PyTorch等深度学习框架进行二次开发、编译优化与环境封装；4.搭建分布式训练工具链，开发数据加载、预处理自动化脚本，提升训练效率；5.维护公共开源数据集与企业私有数据资产，支撑基座大模型、行业算法迭代训练。通用大模型与算法1.负责通用基座大模型预训练、超参数调优、Transformer网络结构优化；2.研发计算机视觉、自然语言处理、多模态融合、语音识别等基础通用算法；3.开展大模型对齐、幻觉抑制、上下文理解等核心能力迭代与效果验证；4.设计通用算法评测指标，完成模型精度、鲁棒性、泛化能力对比实验；5.封装标准化通用AI能力接口，为下游模型工程、行业应用提供基础算法支撑。芯片与算力硬件1.开展AI专用芯片、NPU、算力服务器硬件架构设计、驱动开发与硬件适配调试；2.搭建、部署、运维智算中心GPU/CPU分布式集群，设计算力调度、显存优化方案；3.完成智能传感器、算力硬件整机性能测试、功耗优化与故障排查；4.制定算力资源分配标准，支撑大模型训练、模型推理全流程硬件资源供给；5.跟进国产算力硬件国产化迭代，完成硬件兼容改造，保障底层算力底座自主可控。人工智能信息服务产业六大岗位领域的人才需求占比分布，其中AI应用与集成占比最高达23.36%，是产业人才需求最集中的赛道；其次为通用大模型与算法，占比20.38%；模型工程与中间件、数据集与计算框架占比相近，分别为15.75%、15.51%；芯片与算力硬件（12.65%）、合规与运营（12.36%）占比相对偏低。岗位需求规模分析数据反映出当前人工智能产业人才需求重心向下游行业落地应用与中游基础算法研发倾斜，应用落地类岗位需求规模显著高于底层硬件、合规配套类岗位，同时模型工程、数据工具类转化支撑岗位也占据稳定需求份额，整体呈现出从算力硬件、数据框架、大模型算法、模型工程到行业集成、合规运营全产业链均衡分层的人才需求结构（图3）。人工智能信息服务六大岗位领域人才供给匹配度数值差异，通用大模型与算法以5.3万元的月薪均值居于首位，代表该赛道人才供给适配度最高；其次为数据集与计算框架4.8万元/月、AI应用与集成4.7万元/月，三者供给匹配水平相近；芯片与算力硬件月薪均值为4.1万元/月，处于中等区间；合规与运营、模型工程与中间件岗位月薪均值略低，分别3.8万元/月、3.4万元/月，整体体现出产业上游核心算法、数据类人才月薪偏高，运营和模型中间件类人才月薪偏低，可以反映出人才及AI技能的市场反馈（图4）。人工智能产业人才分布占比情况，区域集聚分化特征十20.8%、19.1%，三地合计占比超六成，是全国AI人才核心承载区域；与去年同期调研对比2026年人工智能服务产业人才需求占比明显变化，北京由2025年需求规模占比25.25%降至今年19.1%（由人才需求占比排名第一降至第三），上海、广东人才需求占比均上升约两个百分点超越北京人才需求占比。江苏、浙江构成第二梯队，人才占比分别为8.5%、7.7%，长三角形成完整人才集群；四川、湖北、安徽、湖南、山东、陕西、重庆等中西部及北方省份人才占比均不足4%，人才储备规模显著偏低，整体反映出我国人工智能人才高度向一线发达省市集聚，中西部地区人才供给存在明显短板，区域人才资源需求不均衡的格局。具身人工智能信息技术服务产业招聘岗位主要学历构成分析如表6：表6人工智能服务产业人才相关岗位岗位领域学历构成岗位方向内占比岗位总体占比AI应用与集成硕士或博士40.6%9.49%本科49.4%11.55%大专2.2%0.52%大专以下————不限7.7%1.80%合规与运营硕士或博士6.13%0.76%本科85.60%10.58%大专3.25%0.40%大专以下————不限5.03%0.62%模型工程与中间件硕士或博士17.04%2.68%本科64.44%10.15%大专9.28%1.46%大专以下0.82%0.13%不限8.42%1.33%数据集与计算框架硕士或博士29.65%4.60%本科58.88%9.13%大专3.54%0.55%大专以下————不限7.92%1.23%通用大模型与算法硕士或博士48.35%9.85%本科44.95%9.16%大专0.41%0.08%大专以下————不限6.29%1.28%芯片与算力硬件硕士或博士20.26%2.56%本科68.49%8.66%大专5.93%0.75%大专以下0.05%0.01%不限5.27%0.67%岗位领域职位岗位职责要求岗位占比AI应用与集成AI开发工程1.基于大模型、AI中间件搭建工业、金融、教育等行业智能化系统；2.完成AI功能模块开发、接口封装、前后端联调与项目交付；3.对接业务需求搭建行业知识库，落地智能业务流程；4.负责上线系统运维、功能迭代与客户个性化需求改造。21.30%风控算法工程师1.利用机器学习、大模型技术搭建金融信贷、交易反欺诈风控模型；2.挖掘多维度用户数据，识别信贷风险、交易异常行为；3.持续迭代风控模型，优化风险识别准确率，控制误判率；6.18%具身智能算法工程师1.研发机器人感知、多模态交互、运动规划类具身智能算法；2.完成大模型与实体机器人适配、机器人决策逻辑开发；3.采集机器人环境、运动数据训练优化感知与控制算法；4.开展真机与仿真测试，提升机器人复杂场景自主作业能20.77%岗位领域职位岗位职责要求岗位占比控制算法工程师1.设计工业设备、智能装备、机器人运动控制与闭环调节算法；2.完成伺服控制、轨迹规划、多设备协同控制逻辑开发；3.调试控制参数，优化设备运行精度、稳定性与响应速度；4.结合AI算法实现设备自适应控制、故障预判。22.13%医疗算法工程师1.基于医学影像、病历数据开发辅助诊断、影像识别AI算法；2.训练多模态医疗模型，实现病灶识别、指标自动测算；3.遵循医疗合规标准完成算法验证、临床适配与数据脱敏；7.28%自动驾驶算法工程师1.研发车辆感知、定位、路径规划、决策控制自动驾驶算法；2.融合激光雷达、摄像头、毫米波雷达多传感器数据完成环境感知；3.基于实车路测数据迭代模型，提升复杂路况自动驾驶鲁棒性；4.完成算法实车集成、仿真测试，满足车载功能安全规范。22.35%岗位领域职位岗位职责要求岗位占比合规与运营类AI运营工程师1.负责AI产品线上日常运营监控，跟踪模型输出效果、响应速度、错误异常数据；2.收集用户使用反馈、业务场景痛点，整理优化需求同步算法与开发团队；3.开展AI内容质量巡检、风险样本筛查，配合完成算法合规、伦理管控；4.搭建运营数据看板，定期输出运营分析报告，推动产品持续迭代优化。20.31%AI产品经理1.对接政企、行业客户挖掘智能化业务需求，输出AI产品需求文档、落地方案；2.统筹大模型、算法、开发、交付团队，协调推进AI系统产品设计与研发落地；3.定义产品功能、交互逻辑、评测标准，平衡技术可行性与行业业务诉求；4.跟进产品上线、市场推广、客户使用全周期，持续迭代产品适配行业场景40.16%风控分析师1.依托AI模型输出结果开展信贷、交易、经营风险识别与人工复核；2.分析风险样本特征，挖掘欺诈、逾期等异常行为规律，优化风控策略；26.07%岗位领域职位岗位职责要求岗位占比3.统计风控模型识别准确率、漏判误判数据，输出策略调优建议；4.落实金融数据隐私、算法监管合规要求，留存风险核查完整台账。人工智能交付工程师1.负责客户AI软硬件系统部署、环境搭建、模块联调与验收测试；2.为客户开展系统操作培训，解答业务使用、故障排查相关问题；3.对接客户个性化改造需求，协同开发团队完成现场功能适配；4.负责交付后系统基础运维、版本更新，保障AI系统稳定落地运行。6.91%提示词工程1.针对通用大模型、行业专属模型设计、优化标准化提示词模板；2.通过提示词工程减少模型幻觉，提升大模型在金融、医疗、工业等场景输出精准度；3.搭建提示词资源库，分类沉淀行业专用Prompt、Few-shot样本；4.结合RAG知识库调试提示词逻辑，适配企业智能问答、内容生成等业务模块。6.54%岗位领域职位岗位职责要求岗位占比模型工程与中间件类RAG工程师1.搭建企业行业知识库、向量库，完成文档切片、向量化、索引构建；2.设计检索增强生成链路，优化文本检索召回精度，减少大模型幻觉问题；3.对接业务场景开发检索问答、智能文档分析等RAG应用模块；4.持续迭代检索策略、重排算法，提升知识库问答准确性与响应速度。8.46%模型评测工程师1.搭建多维度模型评测指标体系，覆盖精度、鲁棒性、安全性、推理时延；2.设计通用及行业专用评测数据集，开展基座模型、微调模型对比实验；3.量化分析模型缺陷，定位幻觉、偏见、响应错误等问题并输出评测报告；4.跟踪模型迭代版本，完成上线前准入验证，把控模型交付质量标准。18.52%岗位领域职位岗位职责要求岗位占比模型优化工程师1.开展大模型轻量化改造，实施LoRA微调、模型量化、剪枝、蒸馏工程优化；2.优化推理框架与分布式部署方案，降低推理延迟、提升并发吞吐能力；3.针对边缘、算力受限场景定制模型压缩方案，平衡精度与硬件成本；4.持续跟踪硬件适配效果，输出长期模型性能迭代优化方29.53%人工智能训练师1.完成多模态训练数据清洗、标注、校验，构建标准化训练数据集；2.执行大模型微调、SFT监督微调、RLHF人类反馈对齐全流程训练任务；3.监控训练过程损失、收敛状态，调整超参数保障模型训练效果；4.沉淀训练流程标准化脚本，维护训练资源，支撑模型持续迭代更新。32.57%AI中间件开发工程师1.开发适配大模型调用的API网关、智能体框架、调度中间件等核心组件；2.封装标准化模型调用接口，屏蔽底层算力、模型版本差异，降低业务开发门槛；3.设计多模型负载均衡、权限管控、日志监控等中间件配套功能；10.92%岗位领域职位岗位职责要求岗位占比数据集与计算框架类AI框架研发工程师1.对PyTorch、TensorFlow等深度学习底层框架进行二次开发、编译优化与定制封装；2.研发分布式训练、异构算力调度工具链，提升大模型训练并行效率；3.优化算子性能、显存占用，适配国产算力芯片与训练硬件环境；4.搭建标准化训练环境底座，为数据处理、模型训练提供底层工具支撑。5.09%多模态数据处理工程师1.文本、图像、语音、视频等多源数据采集、格式转换与标准化预处理；2.设计多模态数据对齐、融合方案，生成适配大模型训练的复合样本；3.开发自动化数据清洗脚本，过滤低质量、重复、异常数据；4.构建行业多模态素材库，支撑通用大模型、行业算法迭30.86%岗位领域职位岗位职责要求岗位占比代训练。人工智能工程师1.搭建完整自动化数据生产、训练流水线，打通数据处理与模型训练链路；2.配置分布式训练集群，管理算力资源，监控训练全流程运行状态；3.整合框架工具、数据资产，为算法团队提供一站式训练开发平台；4.优化数据加载、训练调度逻辑，降低模型迭代的时间与算力成本。33.61%数据标注工程师1.按照行业规范完成图片、语音、文本、点云数据的人工标注、边界框绘制、语义分类；2.核对标注样本精度，剔除错标、漏标数据，保障数据集基础质量；3.使用标注工具完成批量样本处理，遵循数据脱敏、隐私保护要求；4.沉淀标注规范手册，辅助标注流程标准化、自动化落地。19.97%AI数据治理工程师1.建立全生命周期AI数据管理规范，完成数据分级、脱敏、权限管控；2.搭建数据资产目录，梳理训练数据集来源、质量、使用权限；3.制定数据质量检测标准，定期巡检存量数据集并完成缺陷修复；10.47%岗位领域职位岗位职责要求岗位占比通用大模型与算法类NLP算法工程师1.研发文本分类、语义理解、对话生成、机器翻译等自然语言基础算法；2.参与通用文本大模型预训练、微调、RLHF对齐工作，优化问答、长文本生成能力；3.解决模型文本幻觉、逻辑推理薄弱等缺陷，搭建金融、教育等行业NLP算法方案；4.构建文本评测数据集，量化模型语言理解能力，持续迭代优化模型效果。24.63%大模型算法工程师1.负责通用大模型预训练全流程，完成超参数调试、训练收敛状态管控；2.研究大模型预训练、监督微调、人类反馈对齐全套技术链路，提升指令跟随、逻辑推理能力；3.开展不同参数量模型训练对比试验，输出模型扩容、迭代优化技术方案；4.对接下游工程团队，输出标准化预训练模型，支撑行业23.68%岗位领域职位岗位职责要求岗位占比场景二次开发。多模态算法工程师1.研发图文、音视频、三维点云跨模态特征对齐、融合表征算法；2.参与多模态大模型训练，实现图像识别、图文生成、语音图像联动等复合AI能力；3.搭建多模态训练数据集，修正模态匹配偏差、生成画面失真等模型问题；4.制定多模态模型评测标准，赋能智能创作、机器人感知等场景落地。23.75%计算机视觉算法工程师1.开发目标检测、图像分割、特征匹配、图像生成等视觉基础算法；2.将视觉能力融入多模态大模型，实现图像问答、视觉检索、图文理解等功能；3.优化复杂光照、遮挡、畸变场景下模型识别精度，适配工业质检、医疗影像、自动驾驶场景；4.开展视觉模型仿真与真机测试。17.11%模型架构工程师1.负责AI框架研发，如Transformer、MoE混合、稀疏注意力等大模型底层网络创新架构；2.优化模型显存占用、算力消耗，平衡模型精度、参数量与推理时延；3.开发适配国产算力芯片的高效算子，降低大模型训练与推理硬件成本；4.输出通用底层模型架构方案，为NLP、视觉、多模态研发提供基础技术。10.83%岗位领域职位岗位职责要求岗位占比芯片与算力硬件类AI芯片设计工程师1.负责AI计算芯片如NPU、GPU等类型AI专用算力芯片架构规划、模块电路与逻辑设计；2.完成芯片前端RTL编码、仿真验证、时序约束优化，适配大模型训练推理算力需求；3.针对AI算子做硬件加速单元定制开发，优化芯片算力密度、功耗与显存带宽；4.对接流片、封装测试环节，跟进芯片样片调试。34.73%服务器运维工程师1.负责智算中心AI服务器整机上架、系统安装、驱动适配与基础环境部署；2.监控服务器硬件运行状态，处理显卡、电源、硬盘故障并完成备件更换；3.配置服务器操作系统、虚拟化环境，保障单机算力资源13.25%岗位领域职位岗位职责要求岗位占比稳定可用；4.维护算力集群的服务器软硬件性能、安全和故障维护。算力架构师1.负责大模型训练、推理业务需求，整体规划智算集群硬件组网与算力分层架构设计；2.设计GPU分布式集群互联方案，统筹显存、网络、存储资源配比；3.优化算力调度底层架构，平衡训练任务并发、算力利用率与硬件成本；4.对接芯片、服务器厂商，定制适配行业AI业务的一体化算力硬件解决方案。6.65%算力运维工程师1.搭建集群算力调度平台，管控多机多卡算力资源分配、任务排队调度；2.实时监控集群算力负载、显存占用、网络带宽，及时处理算力拥堵、任务中断问题；3.完成训练/推理任务自动化部署、版本管理、算力资源计费统计；4.优化集群运维流程，提升整体算力资源利用率，降低闲置算力损耗。3.02%芯片测试工程师1.制定AI芯片晶圆、封装后完整测试方案，搭建自动化芯片测试平台；2.完成芯片功能测试、算力性能、功耗、稳定性、兼容性全维度验证；3.定位芯片设计缺陷、硬件BUG，输出测试报告并同步设计团队整改优化；4.建立标准化芯片测试流程与质量判定标准。42.35%综合分析人工智能服务业领域岗位对不同学历层次的技术硕士学历层次岗位要求占比为28.66%，专科学历层次岗位要求占比3.77%。分析不同学历层次中岗位需求如下。分析不同学历练师，占专科层次岗位需求占比为37.05%，其次是服务器运维占比最高为7.45%，其次AI产品经理工程师、AI开发工程师、岗位名称岗位主要技能要求AI开发工程师1.熟练掌握Python/Java后端开发，熟悉FastAPI、SpringBoot等开发岗位名称岗位主要技能要求框架，具备接口开发与前后端联调能力；2.掌握大模型调用、RAG知识库搭建流程，能基于AI中间件开发行业业务功能模块；3.熟悉向量数据库（Milvus、Chroma）、容器Docker、K8s基础部署操作；4.熟悉行业业务逻辑，能够完成AI系统需求拆解、功能开发风控算法工程师1.精通机器学习、深度学习、强化学习等风控模型，掌握信贷、反欺诈特征工程搭建；2.熟悉大模型风控应用，能利用LLM挖掘文本、行为类风险特征，识别异常交易、骗贷行为；3.掌握SQL数据提取、指标计算，具备风控模型效果评估、阈值调优能4.熟悉并能输出风控策略与风险监控方案，完成相应策略算法开发形成模型并部署上线。具身智能算法工程师1.掌握机器人感知、运动规划、强化学习基础算法，熟悉ROS机器人操作系统；2.熟练使用PyTorch/TensorFlow训练视觉、多模态交互模型，实现机器人环境感知；3.掌握点云处理、相机标定、多传感器融合技术，可完成真机仿真联合调试；4.能将通用大模型与机器人决策链路结合，实现自主交互、复杂场景作业逻辑开发。控制算法工程师1.掌握PID、模型预测控制、自适应控制等经典控制理论，熟悉伺服、运动平台控制逻辑；2.熟练使用Matlab/Simulink完成控制仿真，掌握C/C++嵌入式算法开3.结合机器学习算法实现设备故障诊断、自适应参数调节；4.熟悉工业机器人、自动化产线硬件，可完成控制参数调试、设备精度优化。医疗算法工程师1.精通医学影像处理算法，掌握医疗图像分割、病灶检测相关模型；2.掌握多模态医疗数据融合，能基于病历文本、影像数据搭建辅助诊断大模型；3.了解医疗标准、医疗数据脱敏、医疗器械算法合规相关要求；4.具备医疗数据集标注、模型临床验证、影像算法落地部署能力。自动驾驶算法工程师1.掌握自动驾驶感知、定位、路径规划、决策控制全链路算法；2.熟悉激光雷达、摄像头、毫米波雷达多传感器融合技术，精通BEV、Transformer感知模型；3.熟练使用自动驾驶仿真平台，具备实车路测数据处理、模型迭代优化能4.了解车载功能安全标准，可完成自动驾驶算法嵌入式部署与整车联调。岗位名称岗位主要技能要求AI运营工程师1.掌握大模型产品线上监控工具，能够跟踪模型输出质量、响应时延、报错样本等运营指标；2.具备数据分析能力，熟练使用Excel、SQL提取用户行为数据，输出运营分析报表；3.熟悉AI内容合规、风险判别标准，可完成不良样本筛查、模型风险问题汇总；4.能够整理业务优化需求，同步算法与开发团队推进迭代。AI产品经理1.具备行业需求挖掘能力，可面向政企、金融、医疗等客户撰写AI解决方案、产品需求文档；2.熟悉大模型、RAG、多模态等AI技术基础原理，能平衡业务诉求与技术实现可行性；3.掌握产品原型、流程设计工具，统筹算法、开发、交付团队推进项目落地。风控分析师1.熟悉信贷、交易、供应链等金融业务风险规则，能够解读AI风控模型输出结果；2.掌握SQL进行风险样本提取，具备异常交易、逾期欺诈行为人工复核与特征归纳能力；3.能够统计风控识别准确率、误判漏判等指标，提出模型与风控策略调优建议；4.熟知金融数据安全、监管合规要求。人工智能交付工程师1.熟练掌握人工智能算法应用，熟悉人工智能应用开发；2.掌握Linux系统、Docker容器基础操作，能够完成AI软硬件环境现场部署、模块联调；3.具备基础故障排查能力，可处理模型服务、知识库、服务器运行常见问题；4.能够面向客户开展系统操作培训，承接客户个性化功能适配需求并对接研发团队；5.熟悉项目验收流程，整理交付文档、运维手册，负责交付后版本更新与基础运维。提示词工程师1.精通各类大模型提示词设计逻辑，掌握Few-shot、CoT思维链、工具调用Prompt编写方法；2.熟练搭建行业提示词模板库，结合RAG检索逻辑优化问答、生成类场景输出效果；3.能够测试并解决模型幻觉、逻辑错误、输出格式混乱等问题，量化提示词优化效果。岗位名称岗位主要技能要求RAG工程师1.掌握Milvus、FAISS、Chroma等主流向量数据库，熟练完成文档切片、向量化存储、索引构建；2.精通检索、重排、大模型生成完整RAG链路开发，能够优化召回精度，降低模型幻觉；3.熟悉LangChain、LlamaIndex等大模型应用框架，可搭建行业专属智能问答、文档分析系统；4.具备文本数据预处理、知识库更新迭代能力。模型评测工程师1.掌握大模型多维度评测体系，涵盖推理、问答、安全、时延、鲁棒性等量化评价指标；2.能够搭建通用/行业评测数据集，设计自动化评测脚本，完成基座模型、微调模型对比实验；3.可定位模型幻觉、偏见、逻辑错误等缺陷，输出标准化评测报告与优化改进建议；4.熟悉模型上线准入规范，跟进版本迭代验证。模型优化工程师1.精通LoRA微调、模型量化、剪枝、知识蒸馏等轻量化优化手段，平衡精度与推理性能；2.掌握TensorRT、ONNXRuntime等推理加速框架，优化分布式推理时延、并发吞吐量；3.熟悉GPU显存调度、算子优化技术，可针对边缘、算力受限场景定制压缩方案；4.能够对芯片、模型部署持续优化，完成模型跨硬件适配，持续降低训练与推理算力成本。人工智能训练师1.熟练使用PyTorch、TensorFlow框架执行SFT监督微调、RLHF人类反馈对齐全流程训练；2.掌握多模态训练数据清洗、样本筛选、标注校验，搭建合规高质量训练数据集；3.可监控训练损失、收敛状态，调整学习率、批次大小等超参数，保障训练效果稳定；4.能够标准化AI训练任务，自动化执行模型迭代，沉淀训练脚本与资源管理规范。AI中间件开发工程师1.掌握Go/Python后端开发，独立开发大模型API网关、任务调度、智能体通用中间件组件；2.实现多模型负载均衡、权限管控、日志监控、计量计费等配套底层服务；3.屏蔽不同厂商大模型、算力硬件差异，封装统一调用接口，降低上层应用开发门槛；4.能够适配容器、分布式集群环境，保障中间件高并发、高可用。岗位名称岗位主要技能要求AI框架研发工程师1.精通C++、CUDA编程，熟悉PyTorch、TensorFlow底层源码结构，可完成算子开发、编译优化；2.掌握分布式训练通信机制，开发多机多卡算力调度、梯度同步工具链；岗位名称岗位主要技能要求3.适配国产NPU、GPU硬件完成框架移植、性能调优，降低显存与算力消耗；4.熟悉国产AI框架环境，支撑多类型模型的训练。多模态数据处理工程师1.熟练处理文本、图像、语音、视频、3D点云多源数据，掌握各类格式解析、标准化转换；2.能够开发自动化清洗、去重、降噪脚本，实现多模态样本对齐、跨模态特征匹配；3.熟悉使用OpenCV、Librosa等工具完成图像增强、语音分帧、视频抽帧等预处理操作；4.掌握搭建行业多模态素材库，遵循数据脱敏规范产出适配大模型训练的高质量数据集。人工智能工程师1.熟练使用Python、Shell搭建自动化数据-训练一体化流水线，打通数据处理、模型训练、部署全链路；2.掌握Docker、K8s集群运维，可配置分布式训练集群，管控算力任务调度与资源分配；3.整合深度学习框架、向量数据库、存储组件，搭建一站式AI开发训练平台；4.熟练掌握人工智能算法：机器学习、深度学习、强化学习等算法；5.熟悉计算机视觉、NLP等领域算法及实现原理；6.熟悉计算集群负载、模型训练调度管理，可以优化算力效率。数据标注工程师1.熟练使用视觉、文本主流标注工具，完成文本、图像、点云、语音分类、框选、分割标注；2.能够遵循标注规范开展样本质检，剔除错标、漏标、低质量数据，保障数据集基础精度；3.掌握基础数据脱敏操作，规避人脸、证件、隐私信息泄露风险；4.数据数据标注基础实施，掌握数据标注流程，可以解决数据标注过程中的问题，协助完善数据标注规范。数据治理工程师AI1.熟练掌握Python、Java、C++一种以上编程语言，熟悉数据结构等基础知识；2.熟悉数据仓库及相关工具，如Hbase、Kafka、Spark、Hive及Flink等常用工具；3.熟悉AI数据全生命周期管理体系，涵盖数据采集、存储、使用、归档、销毁全流程规范及相关知识；4.掌握数据分级分类、脱敏、权限管控技术，搭建企业AI数据资产目录；5.熟悉数据质量校验指标，自动化巡检存量数据集缺陷等相关知识，优化数据质量。岗位名称岗位主要技能要求NLP算法工程师1.掌握Python等编程语言；2.掌握词向量、语义理解、文本生成、机器翻译等自然语言基础理论，精通Transformer类模型；岗位名称岗位主要技能要求3.熟练使用PyTorch/TensorFlow完成基座大模型预训练、SFT微调、RLHF人类反馈对齐；4.能搭建文本检索、对话问答、文档摘要等NLP业务方案，解决模型幻觉、逻辑推理薄弱等问题；5.掌握文本数据集构建、评测指标设计，熟悉LangChain等大语言模型应用开发框架。大模型算法工程师1.熟练掌握NLP常用算法及通用开源大模型框架；2.精通大模型完整训练链路，包括预训练、监督微调、奖励对齐、蒸馏轻量化全流程实操；3.熟练调优学习率、批次大小、上下文窗口等超参数，管控分布式训练收敛与损失曲线；4.熟悉模型上下文扩展、长文本记忆、工具调用等能力优化方案，提升模型通用推理能力；5.熟悉多机多卡分布式训练架构，可适配国产算力硬件完成大规模模型训练部署。多模态算法工程师1.熟练掌握Python编程语言；2.熟练掌握机器学习、深度学习常用算法；Flux、Qwen-VL等多模态模型；4.能够搭建多模态数据集，完成图像、文本、语音样本联合训练，优化图文生成、视觉问答效果；5.使用OpenCV、Librosa、点云处理工具完成多模态数据预处理，解决模态匹配偏差、生成失真问题；6.设计多维度多模态评测指标，量化模型图文理解、创作、感知能力并持续迭代优化。计算机视觉算法工程师1.掌握机器学习、深度学习等基础算法，理解计算机视觉算法基本原理及实现；2.精通目标检测、图像分割、特征匹配、图像生成等视觉基础算法，掌握CNN、BEV、视觉Transformer网络；3.可完成工业质检、医疗影像、自动驾驶视觉模型训练，适配复杂光照、遮挡等真实场景；4.掌握视觉数据集标注、数据增强、仿真数据生成，搭建视觉模型自动化训练流水线；5.能够将视觉算法与大模型结合，实现图像问答、跨模态检索、视觉内容生成等复合功能。模型架构工程师1.熟悉开源通用大模型架构；2.精通Transformer底层原理，研究MoE混合专家、稀疏注意力、动态上下文等新型大模型网络架构；3.掌握CUDA算子开发、显存优化、算力调度技术，平衡模型参数量、推理速度与精度；4.熟悉国产GPU/NPU硬件定制轻量化高效结构，降低大模型训练与推理硬件成本；5.能够输出标准化底层模型架构方案，为NLP、视觉、多模态算法研发提供技术架构设计。岗位名称岗位主要技能要求AI芯片设计工程师1.掌握Verilog/SystemVerilog、C/C++等语言工具；2.掌握GPU/NPU/TPU等AI算力芯片架构设计原理，熟悉Verilog/VHDL硬件描述语言，可完成前端RTL编码、模块设计与时序仿真；3.熟悉AI架构开发和性能建模、底层驱动开发；4.精通矩阵运算、注意力算子等AI加速单元硬件实现，针对大模型训练推理优化芯片算力、带宽与功耗配比；5.掌握UVM验证方法学，完成芯片功能仿真