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。
01
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
02
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”。
03
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”。
04
“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。
本文来自微信公众号“鸟哥笔记”（ID：niaoge8），作者：June，36氪经授权发布。
