轉載自：令姿

深度洞察：近年來AI行業(yè)人才需求的結構性演進

過去幾年里，全球AI產(chǎn)業(yè)在技術突破與市場需求的雙重驅動下，在應用層逐步呈現(xiàn)涇渭分明的兩種主流發(fā)展路徑與人才訴求：其一是以消費級產(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，是依托基座模型的泛化能力，通過產(chǎn)品化封裝與交互設計，構建面向全球海量用戶的標準化智能服務，核心競爭力在模型泛化能力、用戶規(guī)模化觸達等。無論是像AIGC工具（文生圖）、個性化推薦（淘寶智能推薦），還是對話式交互（豆包/deepseek），這些都是使用模型技術的ToC 向AI 終端產(chǎn)品案例，最終比拼的是 “模型即產(chǎn)品” 的轉化能力。

當前，盡管全球LLM廠商大力推動API化與模型即服務（MaaS），但產(chǎn)業(yè)真實痛點往往無法被標準化接口覆蓋。因為通用能力是模糊的，而企業(yè)的痛點是結構化的。通用模型擅長處理的開放域問題，與行業(yè)所需“結構化、高確定性的解決方案”之間，存在天然鴻溝與結構性錯配。

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，不滿足于將通用模型通過API淺層輸出，而是致力于將AI能力深度融合進行業(yè)的業(yè)務流程、知識體系與決策環(huán)節(jié)中。比如工業(yè)質檢、金融風控、醫(yī)療輔助診斷等，這類企業(yè)往往需要構建“行業(yè)專家系統(tǒng)”，核心壁壘并非僅源于模型性能，而在于對行業(yè)知識圖譜的消化、對Know-How的結構化理解與閉環(huán)賦能。

近些年，在接觸一些國家級橫向科研課題，面臨難題時，難免會有深刻感受:過去幾年AI似乎是先把屋頂建設好了，但很多承重結構還沒來得及補齊。尤其是工業(yè)、能源這些重工困境領域，這種趨勢更加顯著。你會發(fā)現(xiàn)算法能力再強，在現(xiàn)場也無法替代行業(yè)專有技術;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的工程性實事，關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人才要補的，我認為正是這些結構性缺口。所以可以發(fā)現(xiàn)，近些年，市場對于擁有「AI技術棧」+「精通垂直行業(yè)X」的復合型人才需求愈發(fā)強烈。尤其能源技術、工業(yè)制造、生物醫(yī)藥等全球核心實體經(jīng)濟領域，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)知識結合解決高價值業(yè)務問題的行業(yè)專家。

怎樣的公司，更適合有一定從業(yè)資歷的「AI+垂直領域專家人才」未來發(fā)展?

簡單來說，ToB向的AI更講求對于實際場景的賦能價值，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+垂直領域專家，能解決行業(yè)過往痛點、難點，讓算法落地于真實場景，塑造一套能跑通業(yè)務、產(chǎn)生商業(yè)價值的完善系統(tǒng)。

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

那么什么樣的公司，更適合這些有一定從業(yè)資歷的「AI+垂直領域專家人才」的未來發(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、能把技術跑通的人。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，其實也是不錯的選擇。這種在場景和數(shù)據(jù)積累方面具備大量行業(yè)know-how經(jīng)驗的全球性大型企業(yè)，行業(yè)需求對口、培養(yǎng)體系透明，更歡迎具備一定從業(yè)資歷的A1+垂直領域專家型人才，

硬實力：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)。外界總以為它們在被 AI 沖擊，其實行業(yè)內(nèi)部更清楚，巨頭們對 AI 的看法從來不是“新生代技術”，而是能源技術的智能未來。

正如我一直強調(diào)的，通用大模型公司很難真正進入工業(yè)底層，是因為它們?nèi)狈εc物理世界耦合的能力。能源巨頭的優(yōu)勢其實不在 A1，而在它們對物理世界一直以來的“解釋權”。很多全球性企業(yè)內(nèi)專家系統(tǒng)沉淀，這些資產(chǎn)只缺一個更智能的AI引擎。模型是新血液部早就有幾十年的知識圖譜、:但全球性企業(yè)往往是永動脈，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與縣體領域兩種語言的復合型專家人才，才能真正讓 AI變成生產(chǎn)力。

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

它不是傳統(tǒng)意義的AI公司，卻擁有AI公司難以復制的底層能力:扎實的行業(yè)基礎、完備的軟硬件體系、全球領先的能源技術經(jīng)驗、大量真實的行業(yè)場景數(shù)據(jù)，以及深度理解行業(yè)價值鏈的能力。這些是任何純算法團隊，短期內(nèi)都無法補齊的。

也正因為如此，施耐德電氣在內(nèi)部并沒有把AI人才定義為“算法崗”而是提出了一個更契合ToBAI未來趨勢的角色--價值整合者(Value Integrators):懂技術，更懂行業(yè);能推動算法落地，也能定義價值業(yè)務;既是技術推動者，也是項目主理人。

在這里，AI人才的工作不是孤立地優(yōu)化模型指標，而是置身于諸如啤酒釀造、半導體冰機能耗管理、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。舉個例子，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，團隊面對的并非一個標準的算法問題，而是“如何在不影響啤酒品質的前提下，減少昂貴的過濾材料消耗”。通過將AI算法嵌入邊緣控制設備，系統(tǒng)能夠實時判斷生產(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，動態(tài)調(diào)整硅藻土添加量，在安全生產(chǎn)的同時實現(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的獨有優(yōu)化控制算法，通過對實時數(shù)據(jù)的收集和分析監(jiān)測各設備的運轉情況及能效，實時調(diào)度光伏、儲能與負荷，在紛繁的電價信號與天氣變化中尋找最優(yōu)解。

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

可以發(fā)現(xiàn)，在這些典型項目里，算法只是工具，真正創(chuàng)造價值的是人才。AI人才不僅貢獻代碼，更主導價值閉環(huán)的構建。施耐德電氣擁有完整軟硬件能力與全生命周期服務，能實現(xiàn)數(shù)據(jù)上下游貫通，給客戶提供端到端落地能力。這些成功的實踐反復印證了一個道理：在ToB領域，AI的價值永遠以“為客戶帶來了什么”為標尺。參與其中的人才，也因此順勢完成了從“技術專家”到“項目主理人”的蛻變。

所以在施耐德電氣，一個AI人才的工作不會停留在“模型做好了”，而是要進入真實場景，與行業(yè)架構師、客戶、工程團隊共同解決各種復雜的問題，我想這也是很多人在這里成長得快的原因。

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“托底”

如果說硬實力為人才提供了施展的舞臺，那么一家企業(yè)的軟實力與內(nèi)在文化，則決定了這個舞臺是否足夠寬廣、包容并激勵人才持續(xù)成長。

   •   務實且以價值為導向的企業(yè)文化

施耐德電氣屢次入選福布斯最佳雇主榜單，其吸引力遠不止于行業(yè)地位。我認為這里流淌著一種“務實而包容”的文化血液。它強調(diào)“IMPACT”價值觀——包容、精進、使命、力行、求知、共贏，將業(yè)務價值與客戶成功置于創(chuàng)新之前。堅持務實且以價值為導向的企業(yè)文化，這讓每一位員工都能清晰地看到自己的工作對現(xiàn)實世界的改變。

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”，關注點在“如何解決問題”而非問責。允許試錯，但更看重閉環(huán)，我認為這種務實氛圍對于經(jīng)歷過技術落地難的行業(yè)專家來說是一種尊重。

   •   人性化關懷與完善的員工福利：

作為世界500強外企，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懷（比如說健康支持、員工持股等等），公司上下共同營造人性化、受尊重的工作氛圍。上過班的人都知道，除了每個月工資到卡的數(shù)字，企業(yè)為員工托底的“心理安全區(qū)”同樣至關重要。

   •   “雙通道”發(fā)展與內(nèi)部活水機制

對于已有一定資歷的“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切的。施耐德電氣給的雙通道是能走的：簡單來說，技術專家路線可以在專家崗位不斷精進；業(yè)務線能轉向管理崗或者向前端業(yè)務靠近。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，獲得職場成長，并且明確支持員工轉型，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，員工能夠主動參與跨領域、跨部門的項目，接觸從能源管理到工業(yè)自動化的多樣場景。這種機制打破了組織壁壘，讓AI人才能持續(xù)刷新自己的行業(yè)認知與應用邊界。施耐德電氣還鼓勵員工在日常工作中精進自身，提供施學堂、達·芬奇課程、外部專家分享等豐富學習資源，這些提升的都是自身的行業(yè)認知和實戰(zhàn)能力。

回到行業(yè)本身：未來幾年AI人才真正會流向哪里？

回到行業(yè)本身，未來趨勢其實已經(jīng)比較明確：ToC AI 繼續(xù)卷模型、卷產(chǎn)品、卷速度，主戰(zhàn)場在“廣度”和“速度”，繼續(xù)圍繞大模型能力、用戶體驗與產(chǎn)品迭代展開軍備競賽，這是資本與資源高度齊飛、相當燒錢燒資源的競爭路徑。

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，真正的競爭焦點在企業(yè)自身能否構建一個足夠技術厚度與用戶黏性的生態(tài)。因為消費級AI產(chǎn)品的模型能力每幾個月就可能被追平，鞏固自身護城河并留住長期產(chǎn)品受眾才是重中之重。

而 ToB AI 的決勝關鍵則在“深度”與“密度”，卷場景、卷落地、卷產(chǎn)業(yè)價值鏈，競爭焦點日益轉向對細分場景的穿透力、對復雜流程的落地能力，以及對產(chǎn)業(yè)鏈價值的重塑程度。所以兼具技術深度、行業(yè)認知與系統(tǒng)工程能力的 AI 復合型人才，將加速流向那些能提供真實場景閉環(huán)、長期價值錨點與系統(tǒng)性挑戰(zhàn)的ToB領域。

當下的AI圈，像極了一場“軍備競賽”。無論在全世界東西南北哪個半球，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，但技術的商業(yè)價值卻愈發(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)卷的同時也面臨價值重估。

企業(yè)支付高薪的邏輯，逐步轉向為 “技術變現(xiàn)能力”付費。在這個結構下，未來最稀缺最具成長性的AI人才，是那些將算法與具體的業(yè)務場景、成本結構和收入模型緊密結合的人，這種才能在行業(yè)價值鏈中站住腳。而被施耐德電氣稱為「價值整合者」的這類角色，本質上就是這樣的人。未來數(shù)年最被ToB市場需要，也是非常值得技術人投身的方向。

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技術商業(yè)價值、更高壁壘的職業(yè)路徑。或許AI競爭的未來不在于燒出一個最強模型，而在于誰能夠培養(yǎng)出真正的整合價值者。施耐德電氣目前正在做的，就是鋪設這樣一條面向未來的AI人才路徑。