全益商学院丨AI如何撕裂人才市场，又将催生哪些新机遇？

斯坦福研究显示 AI 显著冲击美国年轻从业者就业：当地时间 2025 年8月 26 日，三位斯坦福经济学家联合发布的研究显示，自 2022 年11月 ChatGPT 上线以来，生成式 A 已在可高度自动化的岗位上显著压低美国年轻从业者的就业率，22 至 25 岁的软件开发人员就业人数相比 2022 年底的峰值下降了近 20%。而资深开发者因具备难以被 AI复制的软技能，受冲击较小(网易，2025 年8月28日)。

计算机科学专业应届生失业率攀升初级岗路在何方：纽约联储 2025 年 Q2 数据显示，计算机科学专业应届生失业率攀升至 7.3%，而艺术史专业仅 2.8%。CBS 同期报道显示，Meta 用AI替代 40% 的初级工程师，谷歌将 25% 的代码生成任务交给 Copilot，微软裁撤的 6000个岗位中，70%属于可被自动化替代的层级(搜狐网，2025年8月7日)

---网络公开信息，全益商学院搜集整理20250902

2025 年上半年，人工智能领域从 ChatGPT 到 DeepSeek 完成了技术迭代与应用拓展，这股变革浪潮正以前所未有的速度重塑全球人才市场格局。DeepSeek 的全球爆火不仅引发了新一轮 AI 技术竞赛，更在就业市场掀起了一场人才争夺的 “军备竞赛”。据智联招聘数据，2025 年春招首周，人工智能行业求职人数同比增速达 33.4%，位居行业第一；人工智能工程师的求职增速更是高达 69.6%，位居职业榜首，这充分反映了 AI 技术对人才市场的深远影响，同时也暴露出结构性矛盾与挑战。全益商学院联合全益猎头就此产业人才市场的阶段性巨变做了系统梳理。

上海市第二届人力资源服务业创新发展大会 2025年8月29日 上海展览中心

1.1 人工智能发展现状与人才市场关联

DeepSeek 等新一代 AI 技术的突破，推动了 AI 在各行业的广泛应用。2025 年上半年，AI 技术新发职位整体增长显著，达 36.82%。从行业分布来看，互联网、电子 / 半导体 / 集成电路、计算机软件占据前三，而家电行业的 AI 技术职位增长最为迅猛，达到 277.43%。在医疗医药康养领域，AI 的应用也日益广泛，从诊前分诊导诊到药物研发、临床决策等，都能看到 AI 技术的身影。

据全益商学院《2025中国医疗医药人才地图》报告显示，2024 年以来，政策端、资本端与技术端 “三力合一”，进一步推动了医疗医药领域 AI 相关人才市场的变化。政策上，2024 年 7 月出台的《全链条支持创新药发展实施方案》首次将 “临床研究专职人才” 纳入国家紧缺人才目录，直接触发 GCP 机构 CRA、CRC 扩招潮；2025 年 1 月 DRG/DIP 2.0 全国落地，医院病案科、医保科编制扩容 30%，新增岗位 2.4 万个，这些岗位中不少都对 AI 工具的使用有要求。资本端，在全球生物医药融资总额下跌 18% 的不利背景下，中国基因细胞治疗赛道逆势增长 47%，单笔平均融资额达 1.2 亿美元，驱动了该领域与 AI 结合的高端岗位需求；同时，2024Q4-2025Q1 的 10 起跨境 License-in 交易总额超 25 亿美元，使得熟悉 AI 技术的 BD 人才跳槽率升至 29.3%。技术端，AlphaFold3 开源与国产大分子设计软件 “云生化” 普及，使 “AI + 分子模拟” 复合人才需求三年复合增速高达 58%；国产手术机器人 2024 年装机量突破 1200 台，直接催生医疗机器人运维师与临床培训 “双赛道”，这些都是 AI 技术在医疗领域应用催生的新岗位。

这种行业渗透不仅创造了大量新兴岗位，也对传统岗位产生了替代效应，引发了人才市场的结构性调整。同时，AI 技术正从核心研发层向应用层快速扩展，形成了 “AI+” 的产业融合趋势。2025 年上半年，明确要求掌握 AI 工具的职位数量同比激增 149.41%，这表明 AI 技能已成为职场竞争力的重要组成部分，正从技术岗位向非技术岗位快速渗透，医疗领域的临床试验项目经理、合规专员等岗位也对 AI 平台的操作能力提出了明确要求。

2.1 AI 核心与相关技术岗位需求激增

2025 年上半年，AI 核心技术岗位呈现爆发式增长。据《2025 年中国 AI 工程师供需与薪资水平深度调研报告》显示，AI 工程师岗位需求量达 18.2 万个，同比 2024 年增长 45.6%。在细分岗位中，大模型算法工程师需求占比最高，达 28%，但供给仅占 12%，供需比高达 1:4.5，平均招聘周期达 72 天，成为最紧缺的 AI 岗位。

此外，AI 技术与传统行业的融合也催生了大量新兴岗位。以智能家居为例，随着智能家电的普及，家电行业 AI 技术职位增长近 280%。在医疗领域，医院大量招聘 AI 辅助诊疗规划师、数字健康管理师等新型人才，这些岗位是 AI 技术与医疗行业深度融合的产物。

医疗医药领域还存在四大需求与供给断裂式落差的 “断层” 岗位，且多与 AI 技术相关。一是基因细胞治疗领域，CDE 发布《AAV 基因治疗临床前研究补充指南》后，AAV 载体 CMC 人才缺口迅速扩大至 2600 人，这些人才需要掌握 AI 在基因治疗中的应用技术；二是 ADC 工艺领域，毒素 - 连接子工艺人才需结合 AI 技术优化工艺，其年薪 100-150 万元，跳槽频率仅 11 个月 / 次，创全行业最短纪录；三是 AI 制药领域，算法工程师需求旺盛，Mercer 2025 薪酬指南显示，该领域算法工程师年薪 45-120 万元，头部企业校招硕士起薪已抬升至 3.5 万元 / 月；四是基层中医领域，虽主要侧重传统医学，但在健康管理等方面也需运用 AI 工具，国家中医药管理局 “十四五” 硬指标要求二级以上公立中医院新增 12 万名中医医师，卫健委同步推进 “中医馆全覆盖”，再衍生 8.3 万名中医技师与健康管理师缺口。

2.2 跨学科复合型人才成刚需

DeepSeek 等 AI 技术的核心突破依赖多学科交叉，应用场景拓展也需要多领域协同创新，因此具备跨学科背景的复合型人才成为市场争夺的焦点。

根据猎聘大数据研究院《2025AI 技术人才供需洞察报告》，AI 技术人才中硕士和博士学历合计占比 67.90%，毕业于 985/211 院校的 AI 技术人才占比达 46.89%。这些高学历人才通常具备跨学科背景，能够在 AI 技术与垂直行业间架起桥梁。在医疗领域，这种跨学科需求更为明显，某医疗 AI 公司招聘的大模型算法工程师岗位要求候选人不仅具备计算机科学背景，还需要了解医学基础知识，能够理解医疗数据的特点和应用场景。

从地域分布来看，一线城市（北京、上海、深圳、杭州）聚集了 68% 的 AI 岗位，新一线城市（成都、武汉、西安等）增速达 35%。一线城市凭借完善的产业链和人才储备稳居核心枢纽，新一线城市则依托政策红利和产业转移优势实现快速增长，医疗领域的 AI 相关岗位也呈现出类似的地域分布特点。

医疗医药领域的区域 “薪酬 - 估值” 剪刀差也影响着跨学科复合型人才的分布。长三角地区，上海张江药谷硕士起薪 2.2 万元 / 月、博士 3.8 万元 / 月，AI 制药岗位年薪中位数突破 60 万元；苏州 BioBAY 以 “人才房票 + 股权激励” 组合拳，使顶尖科学家实际收益可达上海水平的 1.3 倍。京津冀地区，北京亦庄 AI 制药博士年薪较上海高 8%，但户口指标缩减 20%，导致 30% 候选人流向苏州；河北园区技术转化率不足 5%，形成 “研发在北京 - 生产在外省” 断层。中西部地区，成都生物城对博士给予 3 年 8000 元 / 月住房补贴，等值税后 28.8 万元；武汉光谷 “3551 人才计划” 对院士团队最高 1 亿元项目资助，2024 年已吸引海归 PI 47 人，带动博士后岗位薪酬升至 40-60 万元 / 年。

2.3 “AI+” 相关新岗位涌现

AIGC 的兴起催生了一系列新兴职业，如 “AI 美学工程师”、“AI 编导” 等，这些岗位主要负责 AI 产品的用户体验设计和内容创作。同时，在线教育平台使用 DeepSeek 开发自适应学习系统后新增了 “个性化学习架构师”，负责设计基于 AI 的个性化学习路径。

在医疗领域，“AI + 医疗” 也带动了诸多新岗位的出现，除了前文提到的 AI 辅助诊疗规划师、数字健康管理师，还有 AI 药物研发工程师等，这些岗位要求从业者既懂医疗知识又掌握 AI 技术。据智联招聘数据，2025 年春招首周，人工智能工程师的求职增速达 69.6%，位居职业榜首，平均招聘月薪超过 2 万元。

医疗领域因技术革命还催生了被定义为 “2025 新物种” 的岗位，这些岗位与 AI 技术深度融合。医疗机器人运维师，2025 年需求 1.2 万人，存量不足 3000 人，他们需要掌握 AI 驱动的手术机器人的维护等技术，持证运维师年薪 30-45 万元，原厂培训讲师日薪 8000 元。医保支付改革专员，包括细分岗位 DRG 分组工程师、DIP 成本核算分析师、医保稽核官，这些岗位需要运用 AI 进行数据分析等工作，三甲医院高级经理年薪 35-50 万元，第三方咨询项目经理 50-80 万元。RWD 科学家，需掌握 SAS、R、SQL 及 FHIR 标准，运用 AI 技术处理和分析真实世界数据，年薪 60-120 万元；生物制造碳管理师受欧盟 CBAM 与中国 “双碳” 政策叠加影响，需结合 AI 进行碳管理分析，年薪 40-70 万元。

值得注意的是，AI 赋能的个体创业者和自由职业者也持续增多。数据显示，2025 年上半年，AI 领域的自由职业者收入同比增长超过 30%，远高于传统自由职业者的增长水平，医疗领域也有部分专业人士利用 AI 工具开展自由职业服务。

2.4 部分传统岗位需求下降

人工智能对规律性、重复性脑力劳动的替代效应更为明显。相关调查显示，在 ChatGPT 发布两年后，写作、翻译、客户服务的工作需求已分别下降了 33%、19%、16%，其中翻译工作的时薪下降超过 20%，受影响最为严重。

在医疗领域，ChatGPT 等人工智能技术能够胜任诊前分诊导诊、诊后随访及数据归档等重复性强的标准化工作，这可能导致这些岗位的需求减少。同时，DeepSeek 等大模型在药物研发、临床决策等领域的应用，可能会使一些基础的数据处理和分析岗位需求有所下降。

在制造业领域，随着自动化和机器人技术的发展，一些重复性操作岗位需求也在减少。但与此同时，智能制造相关岗位如机器人维护工程师、自动化系统设计师等需求却在增长，2025 年一季度机器人工程师增长率达 61.21%，位居全行业第五。

3.1 技术技能要求提高

随着 AI 技术的发展，对人才的技术技能要求不断提高，不仅需要掌握传统的机器学习等知识，还需熟悉生成式 AI、强化学习等最新技术。例如算法工程师等 AI 相关岗位需要具备更高水平的技术能力，才能应对复杂的模型训练和算法优化工作。

在医疗领域，DeepSeek 的开源策略使得医疗健康公司能够结合医疗专业数据进行二次开发，这就要求相关人才具备 AI 技术相关的知识和技能，如机器学习、深度学习等，能够对大模型进行微调与优化。像 RWD 科学家需要掌握 SAS、R、SQL 及 FHIR 标准，这也是技术技能要求提高的体现。

从具体技能来看，大模型、NLP、CV 技术栈需求占比超 70%，这表明市场对掌握前沿 AI 技术的人才需求最为迫切。同时，AI 技术的快速迭代也要求从业者不断学习和更新知识，保持技术敏感性。

3.2 人机协作能力重要性凸显

AI 技术的应用使得人机协作成为常态，人才需要具备与 AI 系统配合的能力。例如，一些岗位的工作人员需要能够合理运用 AI 工具，提高工作效率，同时还要为工作内容增添 “人味”，发挥人类的创造性和情感优势。

数据显示，2025 年上半年，明确要求掌握 AI 工具的职位数量同比激增 149.41%。在医疗领域，医护人员需要与 AI 辅助诊疗系统协作，利用 AI 提供的分析结果，结合自身专业判断为患者提供更优质的服务，这就要求他们具备良好的人机协作能力。医疗机器人运维师在工作中也需要与 AI 驱动的手术机器人协同工作，人机协作能力至关重要。

值得注意的是，AI 技术正在打破年龄壁垒，为各年龄段的求职者提供了公平竞争的机会。数据显示，45 岁以上群体的 AI 技能掌握率增速达 81.56%，仅次于年轻群体。这表明，通过掌握 AI 工具，大龄求职者也能获得与年轻从业者同台竞技的机会。

3.3 行业知识与专业技能结合

随着 AI 技术从实验室走向产业应用，具备行业知识的 AI 人才越来越受到青睐。企业不仅需要 AI 技术专家，还需要能够将 AI 技术与特定行业需求结合的复合型人才。

根据麦肯锡的最新报告，到 2030 年，中国对人工智能专业人才的需求预计将达到 600 万，而人才短缺可能高达 400 万。这些人才缺口不仅包括技术研发人才，还包括大量能够将 AI 技术应用于具体行业的应用型人才。在医疗领域，这种结合更为重要，一位医疗 AI 公司的招聘负责人表示，他们在招聘时更看重候选人是否具备医疗行业背景知识，能否理解医疗数据的特点和临床需求。

同时，数字素养和数据处理能力成为医疗行业从业者的必备技能。随着 AI 技术在医疗行业的普及，医护人员和相关从业者需要具备更高的数字素养，能够熟练操作 AI 工具和平台，同时要具备较强的数据处理和分析能力，以便更好地利用 AI 技术提供的数据分析结果，为患者提供更精准的医疗服务。

4.1 AI 高端人才薪资大幅上涨

AI 高端人才成为企业争抢的对象，薪资水平持续上涨。据猎聘大数据研究院《2025AI 技术人才供需洞察报告》显示，AI 技术岗位中，年薪 50 万元以上的职位占比最高，达 30.97%，算法工程师平均招聘月薪 2.3 万元、人工智能讲师平均招聘月薪 1.6 万元。

从细分岗位来看，大模型算法工程师薪资最高，平均年薪达 58.2 万元，薪资范围 40-120 万元，股权激励覆盖率 65%。而 NLP 工程师、CV 工程师、机器学习工程师的平均年薪分别为 45.6 万元、42.3 万元、40.8 万元。在医疗领域，具备跨学科背景的高端 AI 人才薪资也十分可观，部分资深 AI 药物研发专家年薪可达百万以上。5 年以上基因细胞治疗领域 CMC 总监年薪中位值 180 万元，头部企业 “300 万元 + 股权” 仍一人难求；ADC 工艺领域，毒素 - 连接子工艺人才年薪 100-150 万元。

案例：据报道，字节跳动给一些硕士毕业生开出的月基础工资可达 5 万 - 6 万元，非 “人才计划” 应聘者的月基础工资也可达 4 万元左右。阿里、腾讯两家大厂在这一轮已经有些 “掉队”，非 “人才计划” 应聘者的月基础工资在 3 万元水平。

更令人瞩目的是，一些顶尖人才的薪资已经达到天价水平。2024 年，一位名校的博士毕业生最高被开到了年薪 700 万。Meta 等科技巨头也不惜重金挖角 AI 专家，如为上海交大学霸庞若明开出超 2 亿美金（约 14 亿人民币）的年薪，挖他去执掌 Meta 新成立的超级智能实验室。

医疗领域海归博士薪资也很可观，2024 年 “海外高层次人才引进计划” 医药领域批复 327 人，平均签约薪酬 28.5 万元，最高 55 万元 + 300 万元安家费（D 药企）；本土 Top2 高校生命科学博士起薪 25-32 万元；C9 高校药学硕士平均每人 1.8 个 offer，年薪中位值 19.6 万元，AI 制药方向硕士溢价 43%，起薪 28 万元。

4.2 中等技能人才薪资受冲击

与高端人才薪资上涨形成鲜明对比的是，中等技能劳动者面临薪资下降的压力。这些劳动者由于既缺乏技术无法替代的创造性优势，又缺乏技术的精准、效率和低成本优势，可能面临薪资下降的压力，甚至被加速替代。

在翻译、客服等领域，由于 AI 技术的应用，这些岗位的薪资水平明显下降。数据显示，翻译工作的时薪下降超过 20%，客服岗位的需求下降 16%。在医疗领域，一些基础的数据处理、诊前分诊等岗位的薪资也受到一定冲击，因 AI 技术的应用使得这些岗位的价值相对降低。高职 / 专科的医药代表平均年收入 4.2 万元，同比下降 11%。

4.3 薪资地域差异明显

AI 人才薪资的地域差异也十分明显。一线城市（北京、上海、深圳、杭州）的 AI 岗位平均年薪为 48.5 万元，新一线城市为 36.2 万元，二三线城市为 28.7 万元。

具体到城市，北京 AI 人才平均年薪最高，达 52.3 万元，上海、深圳、杭州分别为 49.8 万元、47.5 万元、46.2 万元。新一线城市如成都、武汉的平均年薪分别为 35.6 万元、34.2 万元，虽然低于一线城市，但增速较快，2025 年上半年新一线城市 AI 岗位增长率达 35%，高于一线城市的 32%。医疗领域的 AI 相关岗位薪资也呈现出类似的地域差异，一线城市的大型医院和医疗企业开出的薪资明显高于其他地区。

这种地域差异反映了 AI 产业在不同地区的发展水平和人才竞争程度，也影响着人才的流动方向。数据显示，一线城市人才净流入率为 + 12%，新一线城市为 + 18%，表明新一线城市对 AI 人才的吸引力正在增强。

5.1 总量不足

麦肯锡发布的研究报告显示，到 2030 年中国对 AI 人才的需求达到 600 万人，而市场上能提供的只有约 200 万人，人才缺口大约 400 万。这种供需失衡在 2025 年上半年已经显现，AI 技术人才整体紧缺指数（TSI）达 2.30（TSI>1 即表示人才供不应求），处于高度供不应求状态。在医疗领域，具备 AI 技术和医疗知识的复合型人才缺口尤为突出。

从供给结构来看，AI 技术人才主要来自计算机和人工智能相关专业，2024 年人工智能整个专业的在校生是 4 万多人，与整个人工智能领域的人才缺口 500 万人相比差距很大。随着人口出生率的下降，未来进入大学的学生有可能逐步减少，进一步加剧 AI 人才短缺问题。

5.2 培养与市场需求脱节

高校课程设置滞后于实践发展，多数高校人工智能专业仍以传统机器学习为主，未纳入生成式 AI 等最新模块，缺乏大模型应用与跨学科整合。在医疗相关专业的 AI 教育方面，也存在类似问题，课程设置未能充分结合医疗领域的 AI 应用实际。同时，实践教学资源短缺，产教融合深度不够，导致人才培养与市场需求不匹配。

案例：一位 AI 公司的招聘负责人表示，他们在招聘时发现，很多应届毕业生虽然具备一定的理论知识，但缺乏实际项目经验，需要企业花费大量时间和资源进行培训。医疗 AI 企业也面临类似问题，招聘到的毕业生往往需要经过长时间培训才能胜任结合医疗实际的 AI 工作。

为解决这一问题，教育部近日印发通知，部署各地各高校面向企事业单位和行业协会征集一批 “人工智能应用” 领域供需对接就业育人项目，旨在培养更多实用型、复合型和紧缺型人工智能应用人才，这也将有助于缓解医疗领域 AI 人才的供需矛盾。

5.3 复合型人才培养困难

高校学科边界固化，跨学科融合面临制度障碍，教学组织模式僵化，师资队伍难以满足跨学科教学需求，使得复合型人才培养面临诸多困难。

AI 技术的发展需要多学科交叉融合，如计算机科学、数学、统计学、认知科学等，在医疗领域还需要融合医学、生物学等学科知识。然而，当前高校的学科设置和评价体系仍然较为传统，不利于跨学科人才的培养。南开大学全面启动 “人工智能赋能人才培养行动计划”，打造了 130 余门人工智能系列课程群，这种尝试值得推广，但仍需更多高校跟进，尤其是在医疗与 AI 结合的学科建设方面。

5.4 区域分布不均衡

发达地区对高技能人才的 “虹吸效应” 加大，在产业聚集效应、薪资水平等优势加持下，对 AI 高层次人才的吸引力明显高于欠发达地区，欠发达地区面临 “技术替代加速” 和 “人才流失” 双重挑战。

数据显示，一线城市聚集了 68% 的 AI 岗位，新一线城市占 25%，二三线城市仅占 7%。医疗领域的优质 AI 岗位也主要集中在一线城市的大型医疗机构和医疗企业，这种分布不均导致人才向一线城市集中，进一步拉大了地区间的发展差距。

更令人担忧的是，中国高端 AI 人才外流现象严重。2025 年 AI 顶尖人才流失率高达 35%，中科院 A2 所三年就流失了 179 名核心人员。Meta 的超级智能实验室里 59% 的成员都是华人，扎克伯格甚至把蛙人指挥部都设到了中关村，这足以证明中国人才的竞争力有多强，但也反映了人才外流的严峻形势，其中也包括部分医疗 AI 领域的高端人才。

6.1 AI 工具使用不平等

ChatGPT 的采用存在显著的不平等现象，女性和低收入工人的使用率显著低于男性和高收入工人。女性较少采用 ChatGPT 并非因为她们对其潜力的认知较低，而是因为她们更容易面临使用障碍，特别是培训需求。这种不平等采用加剧了工人之间现有的不平等。在医疗领域，不同层级医疗机构的工作人员在 AI 工具使用上也存在差异，大型医院的医护人员更易接触和使用先进的 AI 医疗工具。

从年龄角度看，虽然 45 岁以上群体的 AI 技能掌握率增速达 81.56%，但总体上年轻群体（25-30 岁）的 AI 技能掌握率仍然最高，占比 30.06%。这种年龄差异也导致了就业机会和薪资水平的不平等。

这种年龄差异在医疗领域同样存在，年轻的医护人员往往能更快接受和掌握 AI 医疗工具，在就业竞争中更具优势，而年长的从业者可能因 AI 技能掌握不足面临一定的就业压力。

6.2 教育背景与就业机会的关联增强

AI 行业对高学历人才的需求增加，使得教育背景与就业机会的关联进一步增强。数据显示，AI 技术人才中硕士和博士学历合计占比 67.90%，毕业于 985/211 院校的 AI 技术人才占比达 46.89%。

在医疗 AI 领域，这种关联更为明显。由于医疗行业的专业性和严谨性，结合 AI 技术后，对从业者的教育背景要求更高。具备知名医学院校背景且掌握 AI 技术的人才，在求职医疗 AI 相关岗位时更具竞争力。一位算法工程师表示，他在求职过程中发现，国内的六小龙公司更倾向于招聘本硕都是名校的毕业生，这种严格的筛选机制导致他不曾进入任何一家大模型独角兽公司的面试，医疗 AI 企业在招聘时也存在类似的倾向。

6.3 性别与收入差距

虽然 AI 行业为女性提供了一定的就业机会，但性别差距仍然存在。从整体上看，AI 技术岗位中女性占比仍然较低，特别是在算法、开发等核心技术岗位。

从收入角度看，男性 AI 工程师的平均薪资普遍高于女性。数据显示，男性 AI 工程师的平均月薪为 23510 元，女性为 21534 元，差距约为 9%。这种性别收入差距在高端岗位更为明显，男性占据了大部分高薪职位。在医疗 AI 领域，这种性别差距同样存在，女性在核心技术岗位的占比和薪资水平都相对低于男性。

7.1 岗位需求趋势预测

随着 AI 技术的持续发展，预计未来几年 AI 相关岗位将继续保持快速增长。据预测，到 2030 年，中国对 AI 人才的需求将是现在的 6 倍。具体来看，大模型、多模态 AI、AI 医疗、自动驾驶等领域的人才需求将增长最为迅速。

在医疗医药康养领域，随着 AI 在疾病诊断、药物研发、健康管理等方面的深入应用，对 AI 辅助诊疗专家、AI 药物研发工程师、智能健康管理师等岗位的需求将大幅增加。同时，“AI+” 融合应用将创造更多新型岗位，如 AI 伦理专家、AI 合规专员、AI 训练师等。这些岗位不仅需要 AI 技术知识，还需要特定行业的专业知识，体现了 AI 与行业深度融合的趋势。

7.2 技能发展方向

未来 AI 人才需要具备更全面的技能，包括：

1. 核心 AI 技术能力：深入掌握大模型、NLP、CV 等前沿技术，能够进行模型训练、优化和应用。在医疗领域，还需要掌握医疗数据处理、医疗大模型微调等专项技术。

2. 跨学科知识：结合 AI 技术与特定行业知识，如医疗、金融、教育等，具备解决实际问题的能力。对于医疗 AI 人才而言，就是要将 AI 技术与医学、生物学等知识相结合。

3. 人机协作能力：能够与 AI 系统有效配合，发挥人类的创造性和情感优势。医疗领域的从业者尤其需要这种能力，以更好地利用 AI 工具为患者服务。

4. 持续学习能力：面对快速变化的技术环境，保持学习热情和能力，不断更新知识。

7.3 人才培养与供给优化

为应对 AI 人才短缺问题，需要从以下几个方面优化人才培养与供给：

1. 教育体系改革：推动高校 AI 专业设置和课程体系改革，加强实践教学和跨学科培养。在医疗相关专业中，增设 AI 医疗应用课程，培养既懂医疗又懂 AI 的复合型人才。

2. 产教融合深化：促进企业与高校合作，建立实习基地、联合实验室等，实现人才培养与需求的精准对接。医疗 AI 企业可与医学院校合作，共同培养符合行业需求的人才。

3. 职业培训加强：发展针对在职人员的 AI 技能培训，提升现有劳动力的 AI 应用能力。为医护人员提供 AI 医疗工具使用等方面的培训，帮助他们适应技术变革。

4. 区域人才政策优化：通过税收优惠、住房补贴等措施，引导 AI 人才向欠发达地区流动，缓解区域分布不均问题，促进医疗 AI 资源在不同地区的均衡发展。

7.4 企业应对策略

企业应积极应对 AI 带来的人才市场变化：

1. 招聘策略调整：扩大招聘渠道，关注非传统背景但具备潜力的人才；优化招聘流程，提高对 AI 人才的吸引力。医疗 AI 企业可拓宽招聘范围，吸纳具备一定医疗知识和 AI 基础的跨领域人才。

2. 培养体系建立：建立内部 AI 人才培养体系，提升现有员工的 AI 技能；为新员工提供针对性培训，缩短适应期。

3. 激励机制优化：设计具有竞争力的薪酬体系，包括股权激励等长期激励措施；提供良好的工作环境和发展空间，减少人才流失。

4. 人机协作模式创新：探索人机协作的最佳模式，充分发挥 AI 和人类各自的优势。在医疗领域，探索 AI 辅助诊断与医生临床决策相结合的最佳模式，提高医疗服务质量。

7.5 个人发展建议

对于个人而言，面对 AI 带来的就业市场变化，应：

1. 技能升级：主动学习 AI 知识和技能，特别是与自身行业相关的 AI 应用。医疗行业从业者可学习 AI 医疗工具的使用、医疗数据分析等技能。

2. 跨领域发展：拓展自己的知识边界，形成 “AI + 行业” 的复合能力。例如，医生可学习 AI 相关知识，成为 AI 辅助诊疗领域的专家。

3. 持续学习：保持学习习惯，关注行业动态和技术发展，不断更新知识结构。

4. 差异化定位：找到自己的独特优势，在 AI 时代形成不可替代的价值。

参考资料