深度洞察：近年來AI行業(yè)人才需求的結(jié)構(gòu)性演進(jìn)

過去幾年里，全球AI產(chǎn)業(yè)在技術(shù)突破與市場(chǎng)需求的雙重驅(qū)動(dòng)下，在應(yīng)用層逐步呈現(xiàn)涇渭分明的兩種主流發(fā)展路徑與人才訴求：其一是以消費(fèi)級(jí)產(chǎn)品為核心的ToC向AI，其二則是以產(chǎn)業(yè)解決方案為核心的ToB向AI。

ToC AI的本質(zhì)，是依托基座模型的泛化能力，通過產(chǎn)品化封裝與交互設(shè)計(jì)，構(gòu)建面向全球海量用戶的標(biāo)準(zhǔn)化智能服務(wù)，核心競(jìng)爭(zhēng)力在模型泛化能力、用戶規(guī)模化觸達(dá)等。無論是像AIGC工具（文生圖）、個(gè)性化推薦（淘寶智能推薦），還是對(duì)話式交互（豆包/deepseek），這些都是使用模型技術(shù)的ToC 向AI 終端產(chǎn)品案例，最終比拼的是 “模型即產(chǎn)品” 的轉(zhuǎn)化能力。

當(dāng)前，盡管全球LLM廠商大力推動(dòng)API化與模型即服務(wù)（MaaS），但產(chǎn)業(yè)真實(shí)痛點(diǎn)往往無法被標(biāo)準(zhǔn)化接口覆蓋。因?yàn)橥ㄓ媚芰κ悄：模髽I(yè)的痛點(diǎn)是結(jié)構(gòu)化的。通用模型擅長(zhǎng)處理的開放域問題，與行業(yè)所需“結(jié)構(gòu)化、高確定性的解決方案”之間，存在天然鴻溝與結(jié)構(gòu)性錯(cuò)配。

所以ToB向AI則走向另一條縱深之路。它不以內(nèi)卷“更大更通用”的模型為目標(biāo)，不滿足于將通用模型通過API淺層輸出，而是致力于將AI能力深度融合進(jìn)行業(yè)的業(yè)務(wù)流程、知識(shí)體系與決策環(huán)節(jié)中。比如工業(yè)質(zhì)檢、金融風(fēng)控、醫(yī)療輔助診斷等，這類企業(yè)往往需要構(gòu)建“行業(yè)專家系統(tǒng)”，核心壁壘并非僅源于模型性能，而在于對(duì)行業(yè)知識(shí)圖譜的消化、對(duì)Know-How的結(jié)構(gòu)化理解與閉環(huán)賦能。

近些年，在接觸一些國(guó)家級(jí)橫向科研課題，面臨難題時(shí)，難免會(huì)有深刻感受:過去幾年AI似乎是先把屋頂建設(shè)好了，但很多承重結(jié)構(gòu)還沒來得及補(bǔ)齊。尤其是工業(yè)、能源這些重工困境領(lǐng)域，這種趨勢(shì)更加顯著。你會(huì)發(fā)現(xiàn)算法能力再強(qiáng)，在現(xiàn)場(chǎng)也無法替代行業(yè)專有技術(shù);數(shù)據(jù)再海量，也無法跳過專業(yè)工程部署。可正是這些to B的工程性實(shí)事，關(guān)系到人民的安居樂業(yè)、生命的安全，是一定無法去做任何糊弄的。

而未來AI人才要補(bǔ)的，我認(rèn)為正是這些結(jié)構(gòu)性缺口。所以可以發(fā)現(xiàn)，近些年，市場(chǎng)對(duì)于擁有「AI技術(shù)棧」+「精通垂直行業(yè)X」的復(fù)合型人才需求愈發(fā)強(qiáng)烈。尤其能源技術(shù)、工業(yè)制造、生物醫(yī)藥等全球核心實(shí)體經(jīng)濟(jì)領(lǐng)域，企業(yè)需要的不再是純粹的模型“調(diào)參俠”，而是將算法模型與深厚行業(yè)知識(shí)結(jié)合解決高價(jià)值業(yè)務(wù)問題的行業(yè)專家。

怎樣的公司，更適合有一定從業(yè)資歷的「AI+垂直領(lǐng)域?qū)＜胰瞬拧刮磥戆l(fā)展?

簡(jiǎn)單來說，ToB向的AI更講求對(duì)于實(shí)際場(chǎng)景的賦能價(jià)值，需要的人才往往更深度垂直、更懂真正的行業(yè)需求。這些“Know-how”的AI+垂直領(lǐng)域?qū)＜遥芙鉀Q行業(yè)過往痛點(diǎn)、難點(diǎn)，讓算法落地于真實(shí)場(chǎng)景，塑造一套能跑通業(yè)務(wù)、產(chǎn)生商業(yè)價(jià)值的完善系統(tǒng)。

此類人才其實(shí)是難得的，不能僅靠發(fā)國(guó)際頂會(huì)論文讀碩士博士刷學(xué)歷競(jìng)賽履歷等方式壘砌，更需要有一定在行業(yè)內(nèi)真正深度實(shí)干的工作經(jīng)驗(yàn)。

那么什么樣的公司，更適合這些有一定從業(yè)資歷的「AI+垂直領(lǐng)域?qū)＜胰瞬拧沟奈磥戆l(fā)展呢？

To B端AI企業(yè)不缺算法和模型，更缺懂行業(yè)、懂業(yè)務(wù)、能把技術(shù)跑通的人。比起互聯(lián)網(wǎng)大廠，像施耐德電氣+這類正穩(wěn)步走在A| 化路上的全球老牌能源巨頭，其實(shí)也是不錯(cuò)的選擇。這種在場(chǎng)景和數(shù)據(jù)積累方面具備大量行業(yè)know-how經(jīng)驗(yàn)的全球性大型企業(yè)，行業(yè)需求對(duì)口、培養(yǎng)體系透明，更歡迎具備一定從業(yè)資歷的A1+垂直領(lǐng)域?qū)＜倚腿瞬牛?/span>

硬實(shí)力：從全球老牌能源巨頭AI 化聊開去，施耐德電氣何以成為ToB AI+人才的未來“價(jià)值路徑”

全球老牌能源巨頭的 AI化，比如施耐德電氣這類企業(yè)。外界總以為它們?cè)诒?AI 沖擊，其實(shí)行業(yè)內(nèi)部更清楚，巨頭們對(duì) AI 的看法從來不是“新生代技術(shù)”，而是能源技術(shù)的智能未來。

正如我一直強(qiáng)調(diào)的，通用大模型公司很難真正進(jìn)入工業(yè)底層，是因?yàn)樗鼈內(nèi)狈εc物理世界耦合的能力。能源巨頭的優(yōu)勢(shì)其實(shí)不在 A1，而在它們對(duì)物理世界一直以來的“解釋權(quán)”。很多全球性企業(yè)內(nèi)專家系統(tǒng)沉淀，這些資產(chǎn)只缺一個(gè)更智能的AI引擎。模型是新血液部早就有幾十年的知識(shí)圖譜、:但全球性企業(yè)往往是永動(dòng)脈，A1最終是它們的加速器而非顛覆者。在這種情況下，只有懂得AI與縣體領(lǐng)域兩種語言的復(fù)合型專家人才，才能真正讓 AI變成生產(chǎn)力。

AI是風(fēng)口，實(shí)業(yè)是地基。而施耐德電氣就是那種把,地基打得極其穩(wěn)定的全球性實(shí)業(yè)公司，基于對(duì)行業(yè)know-how的長(zhǎng)久積累，將AI賦能于實(shí)業(yè)中。

它不是傳統(tǒng)意義的AI公司，卻擁有AI公司難以復(fù)制的底層能力:扎實(shí)的行業(yè)基礎(chǔ)、完備的軟硬件體系、全球領(lǐng)先的能源技術(shù)經(jīng)驗(yàn)、大量真實(shí)的行業(yè)場(chǎng)景數(shù)據(jù)，以及深度理解行業(yè)價(jià)值鏈的能力。這些是任何純算法團(tuán)隊(duì)，短期內(nèi)都無法補(bǔ)齊的。

也正因?yàn)槿绱耍┠偷码姎庠趦?nèi)部并沒有把AI人才定義為“算法崗”而是提出了一個(gè)更契合ToBAI未來趨勢(shì)的角色--價(jià)值整合者(Value Integrators):懂技術(shù)，更懂行業(yè);能推動(dòng)算法落地，也能定義價(jià)值業(yè)務(wù);既是技術(shù)推動(dòng)者，也是項(xiàng)目主理人。

在這里，AI人才的工作不是孤立地優(yōu)化模型指標(biāo)，而是置身于諸如啤酒釀造、半導(dǎo)體冰機(jī)能耗管理、暖通節(jié)能改造、新型電力系統(tǒng)的具體情境中，去解決那些直接影響客戶成本與效率的痛點(diǎn)。舉個(gè)例子，比如施耐德電氣幫助某頭部啤酒企業(yè)“改造硅藻土過濾工藝”時(shí)，團(tuán)隊(duì)面對(duì)的并非一個(gè)標(biāo)準(zhǔn)的算法問題，而是“如何在不影響啤酒品質(zhì)的前提下，減少昂貴的過濾材料消耗”。通過將AI算法嵌入邊緣控制設(shè)備，系統(tǒng)能夠?qū)崟r(shí)判斷生產(chǎn)狀態(tài)，AI智能控制硅藻土添加泵開度，由模型輸出全局最優(yōu)的添加策略，動(dòng)態(tài)調(diào)整硅藻土添加量，在安全生產(chǎn)的同時(shí)實(shí)現(xiàn)了20%的物料節(jié)約與15%的生產(chǎn)效率提升。

而在面向新型電力系統(tǒng)的“能源管理顧問系統(tǒng)”里，施耐德電氣的人才采用的基于AI的獨(dú)有優(yōu)化控制算法，通過對(duì)實(shí)時(shí)數(shù)據(jù)的收集和分析監(jiān)測(cè)各設(shè)備的運(yùn)轉(zhuǎn)情況及能效，實(shí)時(shí)調(diào)度光伏、儲(chǔ)能與負(fù)荷，在紛繁的電價(jià)信號(hào)與天氣變化中尋找最優(yōu)解。

這使得廠區(qū)和園區(qū)實(shí)現(xiàn)了從新能源發(fā)電端到電能儲(chǔ)存、負(fù)荷用電需求的完美動(dòng)態(tài)平衡。而且據(jù)我所知，這套EcoStruxure Microgrid Advisor解決方案的能力，還在實(shí)踐中繼續(xù)迭代不斷優(yōu)化加強(qiáng)。

可以發(fā)現(xiàn)，在這些典型項(xiàng)目里，算法只是工具，真正創(chuàng)造價(jià)值的是人才。AI人才不僅貢獻(xiàn)代碼，更主導(dǎo)價(jià)值閉環(huán)的構(gòu)建。施耐德電氣擁有完整軟硬件能力與全生命周期服務(wù)，能實(shí)現(xiàn)數(shù)據(jù)上下游貫通，給客戶提供端到端落地能力。這些成功的實(shí)踐反復(fù)印證了一個(gè)道理：在ToB領(lǐng)域，AI的價(jià)值永遠(yuǎn)以“為客戶帶來了什么”為標(biāo)尺。參與其中的人才，也因此順勢(shì)完成了從“技術(shù)專家”到“項(xiàng)目主理人”的蛻變。

所以在施耐德電氣，一個(gè)AI人才的工作不會(huì)停留在“模型做好了”，而是要進(jìn)入真實(shí)場(chǎng)景，與行業(yè)架構(gòu)師、客戶、工程團(tuán)隊(duì)共同解決各種復(fù)雜的問題，我想這也是很多人在這里成長(zhǎng)得快的原因。

軟文化：施耐德電氣包容的環(huán)境與清晰的路徑，為人才成長(zhǎng)“托底”

如果說硬實(shí)力為人才提供了施展的舞臺(tái)，那么一家企業(yè)的軟實(shí)力與內(nèi)在文化，則決定了這個(gè)舞臺(tái)是否足夠?qū)拸V、包容并激勵(lì)人才持續(xù)成長(zhǎng)。

   •   務(wù)實(shí)且以價(jià)值為導(dǎo)向的企業(yè)文化

施耐德電氣屢次入選福布斯最佳雇主榜單，其吸引力遠(yuǎn)不止于行業(yè)地位。我認(rèn)為這里流淌著一種“務(wù)實(shí)而包容”的文化血液。它強(qiáng)調(diào)“IMPACT”價(jià)值觀——包容、精進(jìn)、使命、力行、求知、共贏，將業(yè)務(wù)價(jià)值與客戶成功置于創(chuàng)新之前。堅(jiān)持務(wù)實(shí)且以價(jià)值為導(dǎo)向的企業(yè)文化，這讓每一位員工都能清晰地看到自己的工作對(duì)現(xiàn)實(shí)世界的改變。

施耐德電氣高度包容與信任的組織氛圍，支持創(chuàng)新并明確“允許試錯(cuò)”，關(guān)注點(diǎn)在“如何解決問題”而非問責(zé)。允許試錯(cuò)，但更看重閉環(huán)，我認(rèn)為這種務(wù)實(shí)氛圍對(duì)于經(jīng)歷過技術(shù)落地難的行業(yè)專家來說是一種尊重。

   •   人性化關(guān)懷與完善的員工福利：

作為世界500強(qiáng)外企，施耐德電氣還有良性的彈性工作制、完善的福利制度與人性關(guān)懷（比如說健康支持、員工持股等等），公司上下共同營(yíng)造人性化、受尊重的工作氛圍。上過班的人都知道，除了每個(gè)月工資到卡的數(shù)字，企業(yè)為員工托底的“心理安全區(qū)”同樣至關(guān)重要。

   •   “雙通道”發(fā)展與內(nèi)部活水機(jī)制

對(duì)于已有一定資歷的“AI+行業(yè)”專家人才，職業(yè)的“天花板”與未來可能性往往是大家核心關(guān)切的。施耐德電氣給的雙通道是能走的：簡(jiǎn)單來說，技術(shù)專家路線可以在專家崗位不斷精進(jìn)；業(yè)務(wù)線能轉(zhuǎn)向管理崗或者向前端業(yè)務(wù)靠近。公司通過完善的數(shù)字化人才發(fā)展體系，幫助員工規(guī)劃職業(yè)發(fā)展路徑，獲得職場(chǎng)成長(zhǎng)，并且明確支持員工轉(zhuǎn)型，讓人才的職業(yè)生涯不被單一角色所局限。

另外，通過 “Career Hub”內(nèi)部人才市場(chǎng)，員工能夠主動(dòng)參與跨領(lǐng)域、跨部門的項(xiàng)目，接觸從能源管理到工業(yè)自動(dòng)化的多樣場(chǎng)景。這種機(jī)制打破了組織壁壘，讓AI人才能持續(xù)刷新自己的行業(yè)認(rèn)知與應(yīng)用邊界。施耐德電氣還鼓勵(lì)員工在日常工作中精進(jìn)自身，提供施學(xué)堂、達(dá)·芬奇課程、外部專家分享等豐富學(xué)習(xí)資源，這些提升的都是自身的行業(yè)認(rèn)知和實(shí)戰(zhàn)能力。

回到行業(yè)本身：未來幾年AI人才真正會(huì)流向哪里？

回到行業(yè)本身，未來趨勢(shì)其實(shí)已經(jīng)比較明確：ToC AI 繼續(xù)卷模型、卷產(chǎn)品、卷速度，主戰(zhàn)場(chǎng)在“廣度”和“速度”，繼續(xù)圍繞大模型能力、用戶體驗(yàn)與產(chǎn)品迭代展開軍備競(jìng)賽，這是資本與資源高度齊飛、相當(dāng)燒錢燒資源的競(jìng)爭(zhēng)路徑。

外界看海量ToC向AI企業(yè)不斷迭代推陳出新，瘋狂在卷參數(shù)、算力、推理鏈路，但業(yè)內(nèi)心知肚明做ToC向，真正的競(jìng)爭(zhēng)焦點(diǎn)在企業(yè)自身能否構(gòu)建一個(gè)足夠技術(shù)厚度與用戶黏性的生態(tài)。因?yàn)橄M(fèi)級(jí)AI產(chǎn)品的模型能力每幾個(gè)月就可能被追平，鞏固自身護(hù)城河并留住長(zhǎng)期產(chǎn)品受眾才是重中之重。

而 ToB AI 的決勝關(guān)鍵則在“深度”與“密度”，卷場(chǎng)景、卷落地、卷產(chǎn)業(yè)價(jià)值鏈，競(jìng)爭(zhēng)焦點(diǎn)日益轉(zhuǎn)向?qū)?xì)分場(chǎng)景的穿透力、對(duì)復(fù)雜流程的落地能力，以及對(duì)產(chǎn)業(yè)鏈價(jià)值的重塑程度。所以兼具技術(shù)深度、行業(yè)認(rèn)知與系統(tǒng)工程能力的 AI 復(fù)合型人才，將加速流向那些能提供真實(shí)場(chǎng)景閉環(huán)、長(zhǎng)期價(jià)值錨點(diǎn)與系統(tǒng)性挑戰(zhàn)的ToB領(lǐng)域。

當(dāng)下的AI圈，像極了一場(chǎng)“軍備競(jìng)賽”。無論在全世界東西南北哪個(gè)半球，無數(shù)聰明的大腦擁擠在算法微調(diào)、刷榜和追求更大參數(shù)量的賽道上，但技術(shù)的商業(yè)價(jià)值卻愈發(fā)模糊。純粹的模型調(diào)參專家正在變多，“煉丹師”的含金量在被稀釋，內(nèi)卷的同時(shí)也面臨價(jià)值重估。

企業(yè)支付高薪的邏輯，逐步轉(zhuǎn)向?yàn)?“技術(shù)變現(xiàn)能力”付費(fèi)。在這個(gè)結(jié)構(gòu)下，未來最稀缺最具成長(zhǎng)性的AI人才，是那些將算法與具體的業(yè)務(wù)場(chǎng)景、成本結(jié)構(gòu)和收入模型緊密結(jié)合的人，這種才能在行業(yè)價(jià)值鏈中站住腳。而被施耐德電氣稱為「價(jià)值整合者」的這類角色，本質(zhì)上就是這樣的人。未來數(shù)年最被ToB市場(chǎng)需要，也是非常值得技術(shù)人投身的方向。

在「百模大戰(zhàn)」的喧囂中，施耐德電氣為AI人才提供了一條夯實(shí)技術(shù)商業(yè)價(jià)值、更高壁壘的職業(yè)路徑。或許AI競(jìng)爭(zhēng)的未來不在于燒出一個(gè)最強(qiáng)模型，而在于誰能夠培養(yǎng)出真正的整合價(jià)值者。施耐德電氣目前正在做的，就是鋪設(shè)這樣一條面向未來的AI人才路徑。（轉(zhuǎn)載自：令姿）