2023年以来,随着ChatGPT成为全球持续热议话题,其核心领域之一AIGC(人工智能生成内容)也迅速进入国内公众视野,并被一些行业应用于自身业务之中,成为提升组织运行和人才工作效率及质量的得力助手

　　2023年以来,随着ChatGPT成为全球持续热议话题,其核心领域之一AIGC(人工智能生成内容)也迅速进入国内公众视野,并被一些行业应用于自身业务之中,成为提升组织运行和人才工作效率及质量的得力助手。在9月20日以 “强应用、多模型”为主题的见实大会在京召开之际,猎聘发布《AIGC及其产业链人才需求大数据报告2023》,分析国内AIGC整体领域和相关产业链的人才需求情况,为相关企业和求职者提供招聘及就业参考。

　　从AIGC整体需求来看,2023年1-8月,AIGC新发职位同比增长139.76%。分行业来看,IT/互联网/游戏行业的AIGC新发职位占比最多,为62.23%;汽车、电子/通信/半导体人工智能概念解释、科研技术/商务服务行业的AIGC新发职位占比位居第二至第四,分别为9.29%、6.47%、6.14%。其他行业的占比均小于6%。

　　从同比增长来看,IT/互联网/游戏行业中AIGC新发职位同比增长较为可观,为305.36%。AIGC基于人工智能算法,而IT/互联网/游戏则是催生算法及算法应用最为广泛而深入的行业,因而AIGC职位最多,需求最为旺盛,增速也较为迅猛。

　　从招聘平均年薪来看,2023年1-8月,整体AIGC新发职位招聘平均年薪为41.09万元,薪资同比有微涨,涨幅为0.88%。在AIGC新发职位分布最多的四大一级行业——IT/互联网/游戏、汽车人工智能机器人翻译、电子/通信/半导体人工智能机器人翻译、科研技术/商务服务中,其AIGC新发职位招聘平均年薪分别为43.13万、33.79万、41.36万、44.88万。

　　从2023年1-8月AIGC领域新发职位的职能来看,位居前五的是算法工程师、产品经理、自然语言处理(NLP)、图像算法、深度学习,其新发职位占比为15.47%人工智能产品的定义、9.44%、4.91%、4.86%、2.37%。这五大职能的招聘薪资均较高,均超43万,其中深度学习、图像算法、自然语言处理(NLP)位居前三,招聘平均年薪均超50万,分别为55.78万、55.10万、53.31万。算法工程师、产品经理位居第四、第五,为49.47万、43.65万。

　　从AIGC新发职位的城市分布TOP10来看,北京新发职位最多,占比为25.29%。上海、深圳人工智能机器人翻译、杭州位居第二至第四,占比分别为18.33%人工智能概念解释、14.78%、13.01%;广州以5.10%的占比位居第五,其他城市占比均低于3%。北上广深杭具有较好的互联网产业基础,聚集了大量高科技公司,整体产业发展较为成熟,热衷尝试新科技,因而AIGC人才需求较为旺盛人工智能机器人翻译。

　　从这TOP10城市AIGC职位的招聘平均年薪来看,深圳、北京、上海位居前三,均超44万,分别为47.42万、46.30万、44.94万。杭州、广州薪资位居第四、第五,分别为38.44万、35.72万人工智能概念解释。

　　目前,我国AIGC 产业可大致分为基础设施层、模型层及应用层。基础层侧重基础支撑平台的搭建,包含传感器、AI芯片、数据服务和计算平台;模型层侧重核心技术的研发,主要包括算法模型、基础框架、通用技术;应用层注重产业应用发展,主要包含行业解决方案服务、硬件产品和软件。

　　猎聘大数据研究院分析了招聘市场上的AIGC职位在基础设施层人工智能机器人翻译、模型层及应用层的招聘需求,采用层层下钻的研究方法,揭示各产业链主要职位序列的人才需求情况。

　　从各个产业链的AIGC职位在一级职能中的分布来看,基础层、模型层、应用层中IT互联网技术类职能需求均居首位。基础层和模型层侧重基础设施和核心技术的研发,对技术的要求较高,IT互联网技术占比超70%,分别为75.05%、71.46%,应用层在三者中份额相对较小,占比43.55%。

　　相较基础层和模型层,应用层的AIGC职位中销售/客服、产品、市场/公关/广告/会展类的占比相对较高,为17.58%、13.67%、8.59%。销售/客服在基础层人工智能产品的定义、模型层的占比相对较小,分别为1.76%、5.39%;而产品类AIGC职位在基础层、模型层的占比分别为10.24%、10.52%,均位居第二。市场/公关/广告/会展类在基础层和模型层的占比不超过0.9%。这一差异的成因在于基础层、模型层以技术驱动为主,而应用层面向终端消费市场,IT互联网技术占比相对较低,而销售/客服、产品、运营和市场需求较多。

　　由于基础层和模型层侧重技术,因而职位对学历的要求更高,硕博占比约为30%左右,基础层AIGC职位对硕博学历的需求占比总和为27.56%;模型层为30.89%;应用层为18.07%。其中,模型层对博士的需求占比最高,为3.28%,而基础层和应用层对博士的需求不超过1.5%。由此可见,模型层招聘对人才的教育背景门槛设置更高。

　　从各产业链AIGC职位对人才的工作年限要求来看,3-5年的人才需求在各产业链中居首,均超30%,其中基础层为32.16%;模型层为41.25%;应用层为33.59%。各产业链要求的位居第二的工作经验的人群,基础层为1-3年,占比为24%;模型层和应用层均为5-10年,占比分别为19.36%人工智能产品的定义、27.34%。相比之下,模型层与应用层倾向于资历更深的人才,而基础层则对工作年年限的要求相对宽松。基础层需要快速掌握基础技术,对经验的深度要求相对较低;模型层研发性质更强;应用层涉及在终端市场的应用,这两者都需要经验的打磨和沉淀,才能应付自如。

　　基础层、模型层、应用层AIGC职位平均招聘年薪均超33万,其中模型层最高,为46.63万;其次是应用层,为43.35万;基础层位居第三,为33.92万。

　　从在各产业链AIGC职位需求相对较大的IT互联网技术、产品、设计、运营类职能来看,在基础层,产品平均年薪最高,为36.38万;在模型层,IT互联网技术和产品类职能的招聘薪资相差甚微,位居前二,分别为47.96万、47.57万。在应用层,IT互联网技术类职能招聘平均年薪以49.4万居首。

　　针对基础层、模型层和应用层AIGC职位占比较大的IT互联网技术、产品和运营三大职能,猎聘大数据研究院进行了细分职能分析,以揭示不同职能在不同产业链中的需求特点。

　　从IT互联网技术二级职能在各产业链的分布来看,基础层、模型层和应用层的AIGC职位对人工智能类需求均位居第一,占比均超50%,分别为53.73%、66.31%、73.54%。值得注意的是,模型层和应用层对数据职能的需求也相对较高,为6.12%、6.28%,均排名第三。

　　分析各产业链AIGC职位对于数据类细分职能的需求可见,在基础层,数据分析师占比位居第一,为46.15%;数据建模、大数据开发工程师、数据治理并列第二,占比为15.38%。在模型层,数据建模位居第一,占比为33.67%;数据挖掘工程师位居第二,占比为25.51%;数据分析师、大数据开发工程师并列第三,占比为18.37%。在应用层,位居前三的职能是:数据建模、大数据开发工程师、数据挖掘工程师,占比分别为56.67%、15.00%、13.33%。对比来看,各产业链数据类人才需求的共同点是对数据建模的需求较大,除此之外,大数据开发工程师在三个产业链中也有不小的占比。

　　②模型层:以模型产品经理为主,偏向于模型训练,提高模型适用性,对于算法、技术的能力有一定要求;

　　③应用层:以终端产品经理为主,直接面向用户的产品,一般要求具备产品经理的通用能力,侧重产品需求和用户分析。

　　从不同产业链的产品类AIGC职位招聘年薪段分布来看,模型层60万以上的职位占比为20.95%,远远高于基础层(1.88%)和应用层(9.52%),而相对低薪段占比较小,25万以下的职位占比不超过5%,明显少于其他基础层和应用层,而这与模型层整体产品类AIGC职位平均年薪(47.57万)高于基础层(36.38万)和应用层(41.02万)产品类职位的结论一致。

　　从各产业链对AIGC 产品类AIGC相关职位的工作经验要求来看,基础层和模型层要求3年以上的工作经验的职位比例均超80%,前者为88.68%,后者为80.95%,而应用层相对较低,为66.66%。值得注意的是,基础层和模型层对工作经验3-5年的人才需求最大,占比均超50%。基础层和模型层因其本身技术门槛较高,更青睐资深产品经理,而应用层面向市场,门槛相对较为灵活,对工作经验的要求相对宽松。

　　产品类AIGC职位与用人方达成意向的候选人目前所在岗位TOP10来看,产品经理占比最高,为60.14%。值得注意的是,算法工程师和技术/研发总监位居第八、第十,这表明AIGC产品类职位招聘除了接受普通的产品经理,还对算法工程师和技术/研发总监转型做产品张开怀抱,因为这些人更懂AI方面的技术。而从整体(普通)产品经理职位与用人方达成意向的候选人所在的岗位看,多数仍旧注重的是产品经理相关的业务岗位。

　　从所有达成意向的候选人来看, 74%的AIGC产品经理职位达成意向的候选人当前职能是产品经理,而这一比例在整体产品经理中是50%,普通产品经理对人才上一份工作的性质或内容更为宽容。而在达成意向的AIGC产品类候选人中,近50%拥有AI相关经验。由此可见,AIGC产品类招人要求远远高于普通产品类职位。

　　从运营类AIGC新发职位在各个产业链的细分职能TOP5来看,数据标注均位居前二,且占比较高,均超17%。具体来看,在基础层,内容运营和数据运营并第一,占比为21.05%。在模型层,产品运营和数据标注位居第一、第二,占比为21.43%、20%;在应用层,数据标注和产品运营位居第一,占比为17.39%。

　　数据标注可对文本、图像、音频或视频等数据按照预设标准进行分类、注释或标记,以确保人工智能算法得以有效运行,帮助机器学习算法理解图像的特征、对象、位置和类别等方面的信息,构建用于机器学习或人工智能训练的数据集,以便训练模型识别、分类、预测或生成新的数据人工智能产品的定义。因而在于AIGC相关的运营细分职能中,数据标注具有举足轻重的作用。

　　AIGC的发展依托于AI行业,在当前形势下,如何培养AI人才成为一个备受关注的热点课题。在工业和信息化部工业文化发展中心AI应用工作组指导下,行行AI与猎聘联合发布《AI行业人才培养十大建议》,具体内容如下:

　　三、企业应该设立AI关键岗位,必须设首席AI官(CAO),制定业务的AI升级发展战略以及AI时代人才战略;

　　五、培养企业AI所有成员实现AI应用技能的落地,从学会与AI沟通能力和编写Prompt提示词能力做起;

　　八、建立AI时代企业前期应用AI技术的容错机制,鼓励创新应用AI解决企业问题,赋予岗位和人才更多的试错权。

　　九、建立AI时代企业的数据安全和积累意识,培养人才建立企业的数据和场景应用壁垒,使其成为AI时代的核心竞争力;

　　十、建立企业AI人才的持续供给能力,学会与高校和第三方AI人才培训机构建立合作机制,从源头捕捉AI人才。

　　AI时代对于职场人,是机遇,也是挑战。职场人应以积极、开放的拥抱AI,灵活掌握AI使用技巧,借助AI赋能自身,实现能力扩容,提高工作效率和工作品质,增强个人职业竞争力和不可替代性,让职场之路越走越广阔。