一、涨薪阵营：不是"造模型"，是"用模型"

2026 年上半年涨得最猛的不是基础大模型研发（那波在 2023–2024 年已经涨过），而是把模型能力变成产品的应用层岗位。

三个岗位的性质不同，值得分开看：

微调部署工程师。2025 年大模型 API 降价后，企业不再从头训练模型——用现成 API 打底，加上自己的行业数据做微调和 RAG 检索增强，就能做出行业应用。这个岗位的核心能力在中间地带：理解大模型原理但不迷信用大模型，知道什么时候该用大模型推理、什么时候传统 NLP 更快更便宜、怎么设计混合架构。

多模态算法工程师。应用从纯文本扩到语音+图像+视频：车企做智能座舱、医疗影像结合影像与文本报告做辅助诊断。它的溢价来自"多模态不等于两个单模态拼起来"——跨模态对齐与融合是独立的算法问题。

全栈 AI 应用工程师。企业要的不是 AI 科学家来做内部客服和文档助手，而是能把 API 调起来、搭一套 RAG、做个简单界面让同事用起来的工程师。

二、被压制的一层：不是整个行业，是"初级那一层"

AI 对白领岗位的冲击在薪资端显现的方式很特别：不是大规模裁员，而是招聘需求减少 → 议价空间收窄 → 跳槽涨不动、入职薪资变低。

基础翻译与本地化。AI 翻译引擎进步后，初级笔译需求下降明显：AI 翻译加人工审校的效率是纯人工的 5–8 倍，一个资深审校加 AI 约等于从前的 3–4 个初级翻译。结果是初级岗入职薪资持平甚至微降约 5%，招聘岗位数量同比下降两到三成。

但另一头在涨：能驾驭 AI 翻译工具做高效审校、把控专业术语的资深翻译和本地化项目经理，薪资在上升。

AI 冲击的不是整个翻译行业，是行业里"初级翻初稿"那一层。

初级文案编辑与新媒体写手。同理：AI 写初稿加一个人工编辑润色，可以替代两三个初级写手。2026 年上半年初级文案招聘需求同比下降约两成，入职薪资基本没涨。

三、新交叉岗位：供不应求，但没有成熟人才池

AI 产品经理、AI 训练师、Agent 开发工程师这类岗位，处于"会做的人和要做的人都在摸索"的状态。特点是：

• 没有标准的能力评估体系，招聘靠项目经历说话；
• 岗位职责边界模糊，一个人常干三种活；
• 薪资给得高，但对"能独立把事跑通"的要求也高。

对求职者的含义很直接：这类岗位不看你学过什么专业，看你有没有做过一个真正跑起来的东西。

四、三条务实建议

1. 往"落地层"走，别死磕"研发层"。会用现成 API 做出可用产品的人，比想训模型的人缺口大得多。
2. 把自己从"初稿生产"移到"审校与判断"。翻译、文案、数据分析都一样——被替代的是产出初稿的动作，不是判断质量的能力。
3. 用项目证明能力。这个市场不缺简历，缺"我做过、跑通了、有数据"的证据。

薪资是最诚实的信号。它不会告诉你"AI 好不好"，只会告诉你"市场现在缺什么"。看懂这三张温度计，比看一百篇 AI 焦虑文有用。