總有人能瞧見機遇。
隨著DeepSeek的橫空出世，人工智慧（Artificial Intelligence，簡稱 AI）行業再次掀起討論熱潮。
有人迅速擁抱變化，借助 AI 搞錢——賣課、算命、寫小說，關於“AI 造富”的故事不斷上演；有人則憂心忡忡，思考AI對傳統崗位的衝擊。
AI 已成為大勢所趨，各行各業紛紛開啟 AI 人才爭奪戰，“應屆生年薪百萬，實習生月薪過萬”的消息不斷登上熱搜。
2018年，國內35所高校率先取得人工智慧專業建設資格，其中大多為實力強勁的985、211院校。此後，高校紛紛搶灘AI賽道，從雙非一本到二本，甚至專科院校，都爭相開設人工智慧專業。
選一門新興專業，就像一場賭博，要學會自負輸贏。
我們與幾位 AI 專業的畢業生聊了聊——當初為何選擇 AI 專業？如今的就業情況究竟如何？作為第一批 AI 專業的畢業生，是否真的踩中了時代的紅利？
命運在不經意間發生轉折。
參觀完造紙廠，陳楠更加堅定了轉專業的念頭。機器的轟鳴聲，潮濕的紙漿味，沉悶而灼人。造紙廠嘈雜的環境，讓他清晰地意識到，這不是他未來想走的路。
2015年，高考填報志願時，陳楠曾面臨選擇：是去一所985大學的冷門專業，還是去一所211大學的熱門專業？
他稱自己是典型的“小鎮做題家”——出生於東南某三線小城，在競爭激烈的高中時期，他曾一度跌至年級倒數，但骨子裡的不服輸讓他咬牙堅持，最終在高考時交出了一份令自己滿意的答卷。
權衡地理位置和學校口碑後，陳楠報考了廣州一所老牌985大學的紙漿造紙專業。
這所學校以理工科聞名，從現實角度考慮，紙漿造紙專業就業選擇有限。班上多數同學，要麼是被調劑而來，要麼和陳楠一樣，因分數受限無奈選擇。
幸運的是，學校的轉專業政策較為靈活，大一結束後，有全校範圍轉專業的機會。陳楠開始捲績點，為轉專業做準備。然而，身邊多數同學都想轉專業，競爭異常激烈。
彼時，計算機、電信、電力等專業炙手可熱。深思熟慮後，陳楠意識到，盲目扎堆熱門專業，自己大概率只能淪為陪跑者。
陳楠在學校時，上AI相關課程
“有沒有非熱門？，但未來有一定潛力的專業？”
他翻遍了轉專業目錄名單，最終將目光鎖定在自動化學院新設的一個專業——智慧科學與技術。
2016年3月，AlphaGo（阿爾法圍棋）在與世界頂級圍棋選手李世石的對決中取得了4比1的勝利。那一年，“阿爾法圍棋”被教育部和國家語委列為年度十大熱門新詞。
這場人機大戰在外界引起了轟動，但在信息滯後的校園裡，這個新聞並沒有掀起多大水花。“智慧科學與技術”，在當時並不是一個搶手的專業。
陳楠翻看了一些關於AlphaGo的新聞，心裡隱隱覺得，人工智慧或許是未來的趨勢。
他並不清楚這個“未來”到底有多遠，但綜合考慮下來，他覺得這個專業是自己能夠得著的，而且潛力巨大。
《真實人類》劇照
2017年，就在陳楠轉入 “智慧科學與技術” 專業的第二年，在媒體的大力宣傳下，“人工智慧”的概念迅速升溫。
他所在的專業瞬間炙手可熱，本科招生分數線一躍躋身全校前三。
轉專業後，陳楠沒有鬆懈。他在網上查閱國外高校人工智慧課程的安排，對比後發現，學院的課程體系尚不成熟，“智慧科學與技術”專業仍隸屬於自動化學院，教學重心依舊傾向於傳統自動控制，例如電機運轉、機器人控制等。
彼時，學院教師大多專注於傳統自動化研究，對 AI 領域涉獵不深。這讓陳楠萌生了考研的念頭。
2019年，他以專業第一的成績考入中國科學院多媒體中心，真正踏入了人工智慧的前沿領域。
陳楠拍攝的中國科學院大學
在中國科學院大學，陳楠所在的實驗室專注於計算機視覺領域，研究方向涵蓋人臉識別、圖像超解析度等前沿技術，屬於行業內頂尖水準。
強烈的同輩壓力隨之襲來。
他身邊的同學大多是保研上岸，在相關領域已有紮實的知識儲備。只比他高一屆的師兄師姐們，更是已發表多篇論文，科研成果頗豐。
研一期間，導師並未施加過多的研究壓力，但實驗室學術氛圍卻瀰漫著一股 “卷” 的氣息。同學們已積極投身科研工作，爭分奪秒做研究，希望能儘快發表論文，在學術領域取得突破 。
在這樣的氛圍中，陳楠逐漸意識到，他在科研方面並不是一個很有天賦的人，考慮到時間成本等問題，他放棄了讀博深造的想法。
研一下半年，他決定進入工業界實習，希望藉此積累實踐經驗，並接觸更落地的應用場景。
“事實證明，演算法崗位競爭激烈，要麼有豐富實習經歷，要麼有頂會論文。”研究生三年，焦慮與壓力如影隨形。陳楠一邊投論文，一邊埋頭實習。
兩年的大廠實習，為他積累了紮實且高度匹配行業需求的經驗，也讓他在畢業時手握百度、騰訊、位元組跳動等多個大廠 offer。
演算法永不停歇。
今天還炙手可熱的技術，明天可能就被淘汰，演算法的反覆運算速度快得驚人。
如今，陳楠已成為當下最火的大模型演算法工程師，站在AI行業的最前沿。（大模型是近年來人工智慧領域的重要突破，如Chat GPT、Deep Seek、豆包、文心一言等）
他所在的團隊，是公司核心的技術團隊之一，人才密度高得驚人。
清北的碩博、香港高校的精英、海外歸來的博士……大模型時代似乎格外偏愛那些天賦異稟的年輕人，團隊里已經出現00年的博士，以及98年一畢業就帶隊的技術新星。
“大模型整體有點在強調「天才少年」的感覺。”陳楠無奈道。
在這樣的氛圍下，27歲的他已隱隱生出年齡焦慮。“學習能力可能沒有年輕人那麼快，經驗可能也不如深耕某一領域的剛畢業的博士。”
他覺得自己卡在一個尷尬的中間地帶。
陳楠公司窗外
去年12月30日，“雷軍千萬年薪挖角95后AI天才少女羅福莉”的話題衝上熱搜。
隨著人工智慧技術滲透各行各業，AI人才需求飆升，互聯網大廠正傾盡全力爭奪AI領域的頂尖人才。
獵聘大數據研究院《2025AI技術人才供需洞察報告》顯示，AI技術崗位中，年薪50萬以上的職位佔比最高，達30.97%。
人工智慧從業者，成為了聚光燈下的焦點。
陳楠表示，今年應屆畢業生的薪資更是水漲船高。碩士畢業年薪可能達到60多萬，而一些頂尖的學生，年薪甚至可以達到200萬。
某招聘平台演算法工程師薪資範圍
為了保持競爭力，不被淘汰，陳楠不得不時刻緊跟行業熱點，不斷提升自己的技術能力。
在大廠工作的四年的時間里，他經歷了七任領導的更替，業務方向也幾經調整。從ReID到視頻處理，從GAN到多模態大模型，每一次變化，都是一次新的挑戰。
在AI行業，停滯就意味著被淘汰。“擁抱變化才是唯一的生存法則。”
陳楠的同學們，各自在風口上尋找著自己的最優解。
有人從top2碩士畢業，工作兩年後跳槽，年薪直逼百萬；有人選擇繼續深造，讀博期間手握多篇頂會論文，初創公司開出160萬年薪；還有人博士畢業後，選擇年薪90萬的大廠offer。
高薪背後，35歲危機感依然揮之不去。陳楠與朋友聊天時，大家都不約而同地提到這份焦慮。
如果說名校生承受的是焦慮與競爭的壓力，那麼普通院校的學生，首先要面對更現實的問題——如何生存下去。
2018年，國內35所高校率先取得人工智慧專業建設資格，其中大多為實力強勁的985、211院校。此後，高校紛紛搶灘AI賽道，從雙非一本到二本，甚至專科院校，都爭相開設人工智慧專業。
張悅時常懊悔，自己當初為何一時衝動，選擇了人工智慧。
她的高考成績平平，對自己的興趣所在也毫無頭緒。填報高考志願之際，父母向一位從事媒體行業的親戚徵求意見。對方提到：“人工智慧可能是未來趨勢，需求大、薪資高。”
僅憑這幾句模糊的預判，2020年，她懵懵懂懂地進入了西南一所普通二本院校的人工智慧專業。
然而，她很快發現，自己迷茫，學校似乎也迷茫。雖然跟風開設了這門專業，但教學資源有限，課程設置模糊，師資力量更是薄弱。專業課老師對 AI 的理解也僅停留在基礎層面。
她所學的人工智慧專業掛靠在計算機學院，許多課程與計算機專業重疊：程式設計語言、數據結構、資訊安全……直到大三，才勉強開設了幾門與人工智慧相關的課程，如深度學習和機器學習。
“課程太寬泛、太雜。”張悅發現，自己的代碼能力遠不如計算機專業的同學，而人工智慧課程不過是淺嘗輒止，難以支撐實際應用。
社交平臺上，關於二本AI專業生就業討論
大四上學期，張悅想找一份人工智慧相關好一點的實習，以此彌補學校資源的不足。
現實迅速潑了她一盆冷水。就連大廠的“AI數據標註”實習崗位，她都沒能爭取到。“數據標註屬於行業內底層崗位，類似於車間流水線工作，不需要太多的技術含量。” 她無奈地解釋道。
至於大廠熱門的演演算法實習崗位，她更是不敢奢望，這類崗位對學歷要求極高，本碩985是預設的門檻，她連投遞的資格都沒有。
2024年，張悅踏入招聘市場，發現自己的簡歷毫無競爭力：沒有實習經歷，沒有論文，也沒有項目經驗。
市面上需要的，要麼是精通代碼的程式師，要麼是真正懂AI的專業人才，她卻兩頭不靠。
事實上，直到畢業，張悅對“人工智慧到底是什麼”依然模糊不清。
謀求傳統程式員職位，同樣困難重重。她的程式設計功底較為薄弱，而更嚴峻的現實是，ChatGPT、DeepSeek 等大模型已經可以替代基礎碼農寫代碼了。
面對AI行業的高薪，張悅只能站在門外，望而卻步。
招聘平臺上，AI演算法工程師崗位需求增多
學了一門“高大上”的專業，卻找不到對口工作。這是當下許多二本人工智慧專業學生的困境。
張悅的同學中，有人通過自學提升專業技能，但學歷始終是一道難以逾越的硬門檻，她們因此將希望寄託於考研，期望通過考入 985 院校，獲取踏入人工智慧行業的入場券。還有一部分人選擇直接就業，只是崗位與 AI 毫無關聯。
更多的同學，和張悅一樣，踏上了那條被稱為 “宇宙盡頭” 的道路 —— 考公考編。
今年春節，DeepSeek的橫空出世，再次掀起了AI熱潮。各行各業，競相招攬AI人才，招聘市場似乎回暖。
去年剛畢業的張悅，已然放棄了在市場上尋覓工作的念頭。“如果不考研，肯定找不到真正與AI相關的工作。”她已經想通了，決定全力備戰考公。
“頂層贏者通吃，下層一無所有。”這是當下人工智慧行業所呈現的圖景。
AI行業的高薪令人嚮往，但背後的要求同樣嚴苛。
從移動互聯網時代廝殺過來的大廠，深諳“不把雞蛋放在同一個籃子裡”的生存法則。各條業務線此消彼長，團隊間的競爭暗流湧動。
陳楠所在的團隊，每半年就要經歷一次組織架構調整，崗位變動幾乎成了常態。
“大家的安全感其實都很低。”
他考慮嘗試副業，如果能夠順利發展，至少未來多了一個選擇；如果無法持續，等到主業力不從心時，國企或考公或許會成為退路。
他在社交媒體上分享 AI 相關內容，希望可以發展自媒體。可高強度的工作不斷蠶食著精力，日復一日的消耗，讓他漸漸力不從心。
幾個月過去，帳號再無更新，彷彿也被演算法的洪流吞沒。
陳楠在社交平臺分享AI行業相關內容
旁人眼中，大模型演算法工程師無疑站在技術最前沿，做著足以“改變世界”的事業。
陳楠回憶起最初參與的一些 ToB 專案，比如開發 AI 換臉應用，看著自己編寫的演算法被千萬使用者使用，那種將技術轉化為價值的成就感，讓他覺得一切付出都值得。
可如今，這種滿足感正變得稀薄。
做著“改變世界”的工作，他卻漸漸對世界本身失去了好奇心。沒空散步，沒空戀愛，沒空感受春夏秋冬。
工作日加班到晚上十點是常態，也沒有真正的週末。偶爾和朋友聚餐，更像是“從工作中抽空出去吃個飯”。他的聲音裡透著一絲淡淡的疲憊。
AI 浪潮翻滾，席捲無數人的命運。
無論是局外人，還是親歷者，每個人最終渴望的，或許不過是一份對生活的掌控感。