企业家
3 场深度对话收录
林凡
观点集合
86.「明年科技公司就只招 AI 人才了！」和脉脉CEO林凡聊全球 AI 人才动向、组织变革与大模型季报
林凡预计明年科技公司基本只招 AI 人才，脉脉数据显示 AI 人才占比已达30%—40%，大厂技术校招收敛至 AI 算法、全栈和 Agent 三类。OpenAI用9个月将 Codex 从程序员推广至法务、财务，脉脉预计10—11个月完成切换；但供给激增能否转化为消费与商业需求，仍取决于信心和可验证的商业闭环。
查看摘要（7段）
- 林凡抛出全篇最核心的“暴论”：明年科技公司基本只会找 AI 人才——不会用 AI，就像今天不会用 PC 和手机一样不被公司需要。 依据是 OpenAI 内部从程序员用 Codex 到“法务、财务人人都用，平均让 Codex 工作一小时”只花了 9 个月；脉脉比 OpenAI 晚约 5 个月启动，预计用 10—11 个月完成。脉脉内部数据显示，2025 年起 AI 人才同比增长 10 倍，2026 年仍保持这一增速，占比已到 30%—40%；大厂校招技术岗已收敛为 AI 算法、AI 全栈、AI Agent 三类。
- 中美模型差距“现状在缩小”，且 token 贵是阶段性现象。 竞争重心从吃卡的 pre-training 转向 RL 和 Agentic RL 后，对资源的要求不像预训练那么高，国内外 SOTA“咬得比较近”；小模型蒸馏大模型能力越来越强（DeepSeek Flash 令人惊艳）。林凡判断，SOTA 高价 token 还会持续半年到一年，之后普通模型达到今天 Opus 5 或 Fable 5 的水平时，token 可能没那么贵——但他明确没有承诺差距未来还能继续缩小。
- 林凡称，RSI（AI 自进化）正在落地：Anthropic 和 OpenAI“应该”已有约 30% 的 training 工作交由 AI 优化，两家预计一年内做到 70%—80%，这被认为是模型能力快速提升的核心原因。 OpenAI 去年还在争 IOI 名次（拿了第七），今年已经“不 care”，核心目标变成一年之内冲击数学菲尔兹奖；林凡还说，他认为这一届可能是最后一届“人人都能参与竞争”的菲尔兹奖时代。
- Agent 正从“人叫它干活”变成“主动抢活”：Anthropic 内部 Claude 在 Slack 里拥有相关 context，会主动跳出来说“这个活我可以干”。 人类 70%—80% 的工作被林凡认为是 routine 工作；当这些逐渐被接管，人将开始做更多非例行工作、长期处在不舒适区。林凡把自己“三年人人程序员、五年管理者、十年 CEO”的预言压缩为一年、三年、五年，承认原来“预估得太保守了”。
- AI 人才分三类，最普适的能力分水岭是“能否让 Agent 自主、自动工作超过一小时”。 基座技术人才看论文和开源贡献，应用开发人才看真实 Agent 案例；业务效能人才的标准则是把自己从 loop 的阻碍中拿掉——“你的约束想得越清楚，前面的架构设计得越好，AI 能全自动完善细节的周期就会越长”。林凡称自己曾靠架构设计和 200 多个 test case，让 AI 连跑 10 小时、执行 700 多个 background task。
- 替代规律被颠覆：决定因素不是工作难易，而是有无“清晰、可验证的闭环”——数学家也可能危险，关系型工种反而相对安全。 清华计算机系 500 人 AI 群的共识是“AI 的智能已经超过我们了”，剩下的问题是 context 尚未充分释放；程序员不会消失，而会带着 coding agent 外流——“一个人就是一个团队”，物流、农业、外贸等过去请不起程序员团队的行业将首次用得起。
- 对宏观后果，林凡明确比主持人悲观：“没有你那么乐观”——AI 让生产力大幅提升，但问题在消费侧，供给增加不会自动带来消费增加，本质更是信心问题。 他预言 20 年后“所有人出生即退休”，但在此之前会有“极其动荡和极其恐慌”的十年。过渡形态是人力资源服务“上云”：小时级、天级雇佣，由 AI management 平台统一派单；脉脉设想的终局是平台甚至雇佣候选人，直接完成劳动价值匹配——服务对象不变，方法巨变。
Vol.200 专访脉脉林凡：AI能为社交和招聘带来什么新变化
脉脉判断AI将把招聘从过程价值推向结果交付，猎头70%甚至90%的工作可能被替代，标准化岗位未来五年或实现“一键到岗”。脉脉已有20%—30%的工作量AI化，数据优势预计影响至少一年到一年半，但重启社交和AI业务能否转化为大机会仍需要投入与市场验证。
查看摘要（8段）
- 中国长不出 LinkedIn 的核心是供需关系，不是产品：移动互联网十年工作太好找，“老板为什么要跟求职者聊？ 因为求职者不好招我才愿意花时间跟你聊”，所以 Boss 直聘的快速匹配赢了；如今一个岗位一千人投递，关系背书的价值回归，脉脉正重启职场社交——辅因是绕不过的微信生态，赌注押在"零零后说你加我脉脉不行吗"的代际变化上。
- 林凡的时代判断：互联网只改生产关系，AI 是生产力革命，To B 是中国往后十年最大的希望。 To C “都是基座大模型的事儿”（Perplexity 过得不好、这类生意被 Grok 抢了很大一块），而 AI 让中国 To B 从"只能提供过程价值"转向结果交付——“提升 10% 业绩你给我 5% 分成，这个好谈啊，没到我就不付。”
- 招聘的重构路径已量化：猎头 70% 甚至 90% 的工作 AI 能干，“猎头界的贝壳"全失败是因为那是生产关系解法、必须等生产力革命；未来五年标准化岗位实现"一键到岗”，入职才收钱，“招聘或求职像打车一样简单”，再加"人力上云"把人力成本变成可变成本。
- 最干的技术定义：AI 上限极高下限极低——IOI 拿全球第七的金牌，“改一个小 bug 说死了都改不对”；单轮 85% 准确率十轮后掉到两三成。" AI to B 的本质，就是让 AI 的下限变得足够高"——高到能直接雇佣 AI 员工。
- AI 人才市场是今年最重要的人才事件：带 AI 关键词的新发岗位占比从 2024 年 12% 升到 2025 年 1-10 月近 19%，DeepSeek 时刻后九月岗位量同比涨十一倍；硅谷聊 AI “全程中文一点都不戏剧化”，技术核心华人占一半以上，人才流向"很多都是中国挖美国的"。
- 中美创新差异是概率乘法：中国人做 ROI 大的事、风险厌恶，美国人愿赌 5-10% 成功率的事，“美国可能有一百个人愿意做，中国可能只有十个人”——80% 的领域中国非常强、垂直应用更快，20% 长线高失败率创新属于美国；对梁文锋的判断毫不留情：“那是个赌运气的事情，很难指望他按节奏给出大招。”
- AI native 组织三级跳：人人都是程序员（AI 干 20-30%）→ 人人都是管理者（60-70%）→ 人人都是 CEO（95%，一人公司遍地）；终局"出生即退休"。 脉脉自己 20-30% 工作量已 AI 化（二三年起不用 Copilot 就开掉员工），林凡本人 50-60% 的工作在与 AI 探讨，连管理层面的"残酷真相"和逐字稿都让 GPT 出。
- 脉脉的仓位：连续两年盈利、无需外部输血，但"今天真有大机会时需要大投入"，找钱重回第一位；相对初创的护城河是数据——“差不多会影响至少一年到一年半”，“我从来都不担心初创公司”。 风险自知：Boss 直聘当年做大就出乎他意料，最终是"愿力刚好跟社会趋势 match 在一起"加运气。
133: 4000日薪的实习生和零工化的程序员，与脉脉CEO林凡盘点25年AI人才市场 | 串台「职」无不言
Meta为顶尖AI人才开出千万美元年薪，背后是算力成本和广告收入带来的高经营杠杆：节省10%或提升广告收入0.1%，都足以覆盖薪酬。中国大厂AI招聘量同比普遍增长十倍以上，但初级程序员岗位已减少约20%—30%，人才竞争正从工资扩展到绩效、转岗和股票激励；中国就业冲击可能晚一到两年。
查看摘要（7段）
- Meta 对顶尖 AI 人才开出千万美元年薪，在林凡看来首先是“投入产出”算得过来。 一家每年投入百亿美元算力的公司，若有人把成本降低 10%，就可能省下 10 亿美元；Meta 近 2,000 亿美元广告收入若提高 0.1%，也对应 2 亿美元增量。相较之下，1,000 万美元薪酬并不夸张。DeepSeek 曾被举作费用大幅下降的例子，但林凡随后用节省 10% 的保守算例说明这个逻辑。
- 比 ROI 更重要的是，硅谷核心团队仍相信 AGI 可能在三年左右实现，并把它视为竞争与生存问题。 林凡出发前并无这种预期，和 OpenAI、Google 核心人员交流后称自己被“八成说服”：强化学习让编程等理工任务发生跳变，模型又可用“眼高手低”的判断能力为其他模型提供反馈，人类与 AI 的互动还在持续制造可筛选的新数据。
- 中国大厂已经从裁员省钱切换到“增本增效”，即重新决定钱投向哪里、投给谁才能放大效率。 报告所见，自 2 月起 AI 岗位发布量每月环比增长百分之十几至二十几，每月新增约 1 万名 AI 人才标注“看机会”，7 月起 AI 六小龙约 40% 的员工进入看机会状态；大厂 AI 招聘量同比普遍增长十倍以上。高绩效比例、AI 部门内部流动和股票归属节奏也都被改造，人才竞争已从工资扩展到组织与激励制度。
- AI 对就业的近期影响不是整类职业消失，而是初级岗位缩编、能力门槛升级，并且林凡判断中国可能比美国晚一到两年。 硅谷创业公司过去需要 8—10 名程序员，现在可能由 1—2 人完成，“一个主力程序员加上 AI”约等于原来 5 人；中国嵌入式、Python、C++、数据开发、前端、测试工程师、安卓、iOS 等岗位招聘量同比下降约 20%—30%，高管岗位也下降约四分之一。林凡把当前称为短期平衡态：“没有凭空创造出一批新的岗位，也没有替代掉整个职类。”
- 人才稀缺的定价已经延伸到论文、开源代码和实习生。 顶尖 AI 人才薪酬上限约为美国 500 万—1,000 万美元、中国 500 万—1,000 万元人民币，再往上“薪资就没有意义了”；少数顶尖实习生可拿到 4,000—5,000 元日薪，实习生占 AI 招聘的比例已快速升至百分之十几。AI 人才中本科、硕士、博士占比分别约 20%、54%、25%，博士人数甚至超过本科。论文引用数和 GitHub 代码下载量也成为粗略的定价指标。
- 林凡判断工作的下一轮结构变化不是普通远程办公，而是“机器上云”之后的“人力上云”。 最近两三年，招聘会从考察个人独立能力转向考察“人和 AI 能不能一起交付结果”；五到十年内，可拆分的销售、运营、研发、会计等任务可能由云端人机混合平台调用，白领工作随之零工化。收入或大体持平、努力者甚至更高，但组织归属和职业成就感会下降，前 5% 或 10% 的人可能继续留在传统大公司。
- 对个人最紧迫的策略，是把 AI 从偶尔使用的工具变成每天至少调用十次的工作习惯。 林凡的及格线很直接：“每周才用上十次，那你就得赶紧去培养这个习惯”；更长期的防线则是复杂问题、跨领域协作和尚未被数据化的经验。他说未来可能有 95% 的人不需要工作，主持人将这一终局概括为“出生即退休”，因此兴趣爱好并非闲谈，而是工作不再提供身份之后的意义基础。