科技就业市场一分为二：现在真正值得学什么

关于科技行业的职业建议，我有一个坦白：大多数建议过期的速度，比给建议的人愿意承认的要快。我见过自信满满的路线图——学这个框架、考那个认证——十八个月内就过时了。所以当我坐下来认真思考现在到底值得学什么——为我自己，也为将来的女儿——我决定从数据出发，而不是从舆论出发。

数据描绘的是一个干脆利落地裂成两半的就业市场。

有记录以来分化最严重的科技就业市场

一边是：AI/机器学习岗位发布量同比增长59%到85%（取决于统计口径），AI工程师平均基本年薪约20.6万美元，普华永道的全球分析发现AI技能带来56%的薪资溢价——一年前还是25%。掌握两项以上AI技能的工程师收入高出约43%。

另一边是：普通软件开发岗位发布量比2022年2月的峰值下降约69%，比疫情前基线还低四分之一。22到25岁的开发者从2022年底以来承受了约20%的就业下滑，裁减集中在初级岗位。仅今年第一季度就有约5.2万科技裁员——与此同时AI岗位却招不到人。

这不是市场在惩罚技术能力，而是市场在猛烈地重新定价哪些技术能力有价值。预算正从人头转向AI基础设施和精通AI的人才；过去养三个通才的钱，现在养一个专才加一大笔算力。这是否明智可以争论，是否正在发生无可争论。

证据指向的短名单

1. 把AI接入真实系统（MCP）。Model Context Protocol——将AI模型连接到工具、数据库和应用的开放标准——用大约十八个月从小众变成了基础设施：月度SDK下载量9700万次，公开服务器超过1万个，Anthropic、OpenAI、Google、微软全部原生支持。41%的受访软件组织已在生产环境运行MCP服务器。端到端搭建一个MCP服务器，是今年最具体、最能就业的AI技能——而且它是一个周末项目，不是一个学位。

2. 指挥编程智能体，而不只是使用它。AI编程工具是AI最明确的商业成功，多数在职开发者同时使用两款。但门槛已经移动：值钱的不再是写提示词，而是围绕智能体的工程判断——写清晰的规格说明、批判性地审查生成的代码、分解任务，以及识别智能体何时自信地犯错。业内称之为"规格-审查-交付"。它更接近技术领导力而非打字，所以无论本季度流行哪个模型，它都能迁移。

3. 评估体系——不起眼的分水岭。谁都能用一下午拼出一个演示智能体。把演示和产品区分开的是评估机制：自动化打分，在客户发现之前告诉你AI功能在真实案例上是否真的有效。行业共识已强烈收敛于此，而几乎没人擅长。稀缺技能加上升需求——这正是你想要的组合。

4. 小模型与端侧。部署一个70亿参数的小模型比前沿大模型便宜10到30倍，企业通过把常规任务路由给小型专用模型，报告了高达75%的成本削减。超过二十亿部手机已在本地运行语言模型。微调、量化、端侧部署，构成AI经济中不性感却高杠杆、供给不足的技能组合。

5. 你已经懂的领域。在医疗、法律、销售、教育和金融领域，持久的原型是精通AI的专家——把深厚的领域判断与熟练的工具使用配对的人。如果你是护士、会计或项目经理，回报最高的一步通常不是转行进科技业，而是成为你所在领域真正会用这些工具的人——更重要的是，知道什么时候不该信任它们。

不会过期的技能

以上一切的半衰期都以几年计。在它们之下有一层不会腐烂的东西，研究的结论毫不含糊：清晰的写作、统计与数据素养、来源核查与批判性思维、经济学直觉，以及最重要的——快速学习这个元技能。清晰的写作值得单独强调：在智能体驱动的世界里，你写下的规格说明就是工作本身；模型执行的是你描述的，不是你心里想的。

我再从经验里加一条：经常交付小东西的习惯。那些动手做完小项目的人——一个脚本、一个追踪器、一个小网站——他们的学习以收藏课程的人永远达不到的方式复利增长。我经历过的每一波技术浪潮，奖励的都是同一种人：真正用新东西做出过点什么的人，哪怕很简陋。

孩子的问题

家长们反复在问：AI都会写代码了，孩子还要学编程吗？为自己家想过之后，我的回答是斩钉截铁的要学——但重心变了。

编程对孩子的魔力从来都在反馈回路：敲点什么，看到点什么发生。AI工具把这个回路从几个月缩短到了几分钟。孩子描述一个游戏，当天下午就能拿到能跑的版本——当他们想象的东西在真实屏幕上运行起来的那一刻，就是钩子。教育发生在那之后，而这正是家长的用武之地：问他为什么它能运行；让他改一处并预测会发生什么；让他弄坏再修好。工具生成代码，孩子构建心智模型——而心智模型才是复利一生的部分。

再配上AI教育研究反复强调的两个保护性习惯：核实机器告诉你的东西，让AI解释而不是代答。一个习惯性追问"这是真的吗"和"讲到我懂为止"的孩子，比背下任何语法的孩子都更能应对未来三十年。

现实的90天上手路径

第1-4周：每天在真实工作中使用AI编程助手。留意它在哪里出色、在哪里自信地失败——这种校准本身就是技能。
第5-8周：搭建一个MCP服务器，把模型连接到你真正使用的东西——笔记、表格、数据库。无论多粗糙，交付它。
第9-12周：加一个简单的评估：十个测试用例，告诉你工具的回答好不好。恭喜——你现在拥有了2026年最抢手的三项AI工程实践的实战经验。

市场会继续重新定价技能，那不由我们掌控。我们能掌控的，是选择成为真正用新工具做出过东西的人——以及能清楚、诚实地说明它们擅长什么、在哪里失灵的人。这句话的两半都值钱，而且据我所知，向来如此。

常见问题

没有机器学习学位，现在入行AI晚了吗？

不晚——市场已转向实践者。最抢手的技能（MCP集成、智能体编排、评估、小模型微调）是工程和产品技能，靠免费文档和练习就能学会，不需要研究级数学。56%的薪资溢价附着在可证明的AI实战能力上，一个交付的项目比证书更有说服力。

初级开发者该担心吗？

诚实地说：初级岗位的挤压是真实的。应对之道是以"精通AI的初级工程师"身份入场，而非传统初级：入职时就会指挥智能体、写评估、交付集成。具备这些技能的初级开发者竞争力很强；不具备的人则要同时与同龄人和工具竞争。

非技术职业的人呢？

"精通AI的专家"路径对他们更适用而非更不适用。组织内AI使用率一年翻了一倍，会用与不会用工具的同事之间的产出差距正变得肉眼可见。每周一小时把AI用在你的真实工作流上——起草、总结、分析——加上核实输出的习惯，就能让你领先本领域大多数人。

我的孩子主要用AI写作业，是好是坏？

完全取决于模式。AI当答案机会侵蚀作业本要锻炼的思维；AI当家教——被要求解释、提问、检验理解而非直接解题——则确实出色。家长的工作是引导模式，并示范核实的习惯。

一切每月都在变，怎么避免学错东西？

优先选择附着在持久问题而非具体产品上的技能：把AI接入真实系统、判断输出质量、分解任务、控制成本、清晰写作。这些需求在每次模型发布后都依然存在。并且偏向动手而非囤积——一个交付的小项目胜过十个收藏的教程，还能留下证明。