首页 > 教程攻略 > ai资讯 >微软、字节、福特都在高薪招人 AI又衍生了一个新岗位

微软、字节、福特都在高薪招人 AI又衍生了一个新岗位

来源:互联网 时间:2026-07-04 14:41:36

全网都在讲AI替代人力,但现实却是另一番景象:大厂非但没有裁员,反而在用更高的薪水抢人。

微软这边刚传出要裁几千人的消息,那边就砸了25亿美元成立Frontier Company,整合约6000名工程师、技术顾问和销售团队,直接派驻到联合利华、诺和诺德这些企业客户的现场。更戏剧性的是Ford,花了大价钱把350名退休老工程师请回来,原因竟是AI自动化设计系统搞出了一堆错误,质量下滑到不得不人工返工。

AI不是来替代人类的吗?怎么越搞,反而越离不开人了?

微软砸25亿,从“卖光盘”到“上门装机”

微软这支6000人的驻场团队,是从现有部门直接抽调的。商业业务总裁Judson Althoff六月份就公开承认:“三年前做Copilot时只绑定OpenAI模型,这是个错误。”现在,他们推出了平台中立的Frontier Company,核心目标就是帮客户“灵活切换不同大模型”。

Althoff这番话背后的意思其实很直白:之前卖Copilot许可证,企业客户以为拿回去自己就能用,结果发现根本用不起来。

软件公司的理想商业模式是什么?是“卖光盘”——客户拿回家自己装,这也是SaaS的传统思路。现在微软不得不派人上门安装、调试、教客户怎么用,这本身就说明了一个问题:AI工具的产品化还没跑通。客户不会用、不敢用、用不好,厂商只能把人送过去。25亿美元的初始资金,要覆盖薪酬、差旅、平台搭建和运营,养这么一支队伍,规模量级相当可观。

说到这,Palantir二十年前就这么干了。但Palantir本身就是咨询公司基因。现在连微软这种纯软件巨头都要亲自下场,只能说明AI产品的自助化程度远低于预期。企业发现:不知道该怎么把AI嵌入业务流程,不知道怎么跟遗留系统对接,更不知道怎么算投资回报。提效这件事,一旦落不了地,就变成了一句空话。许可证成了摆设,续费的时候自然没人买单。

国内大厂也在往同一个方向走。字节跳动给“前线部署工程师”(FDE)开出的月薪是3.5到7万,15薪,最高年薪能到105万。阿里云智能的FDE月薪是2到5万,16薪。LinkedIn的2026年劳动力报告显示,2023年至2025年,全球FDE招聘岗位增长了42倍——当然,这个基数较低,因为这个岗位本身就是个新兴品类。但对比一下,同期的AI工程师岗位增长仅为13倍。

大厂抢的,不是写代码的人,而是“翻译官”。

FDE的核心能力不是写代码,而是现场诊断

。客户说“我要上AI”,FDE得先搞清楚:你的数据能不能用?业务流程哪里能切?回报怎么算?这些必须人到现场,既懂技术栈,又懂客户业务,能当场把“这个按钮我要红色的”翻译成系统架构。

AWS在6月30日刚宣布投资10亿美元,成立类似的“前线派驻工程部”。OpenAI和Anthropic也早就成立了各自的部署合资公司。几家大厂都在干同一件事:企业购买AI的收入大头,已经从接口调用费,转移到了“把人派到现场”的服务费上。

Ford把350个老工程师请回来修AI

微软是往外派人,Ford则不同,它在往回找人。

6月25日,Ford高管公开承认,AI自动化设计系统导致了质量下滑,不得不重新召回350多名资深工程师来修复错误。VP Charles Poon的原话是:“我们错误地以为,只要引入AI就能产出高质量产品。”

老工程师一走,AI继承的全是空白。那些没写在文档里的经验——比如“这个焊缝,老工程师为什么偏偏多焊一圈”——根本没进数据库。AI面对这些,就像个瞎蒙的实习生。Ford为此新增了10万个AI自动化测试和40人的QA团队,质量排名才显著回升。

Ford并没有放弃AI,它只是在补课。AI的效力,完全取决于训练数据的质量。数据里如果缺了老工程师的隐性知识,产出的结果就是垃圾。AI能写出完美的代码,能画出漂亮的设计图,但它不懂“这个遗留系统不能改”的潜规则。

说穿了,打井的比卖水的贵

德勤《2026中国制造业AI落地白皮书》显示,在对200家规模以上制造企业的调研中,有91%的企业未达到预期。制造业是AI落地的硬骨头,这个比例足以说明问题。

企业拿到AI接口,就像拿到了一把瑞士军刀——功能很多,但不知道先拧哪颗螺丝。买了接口之后,要清洗数据、要调提示词、要接内部系统、要改业务流程、要培训员工。这些活儿,接口干不了,只能靠人。

这也恰好解释了为什么最近花旗、Adobe等企业纷纷限制员工使用旗舰大模型。算力成本可以靠降级模型省下来,但落地服务的人力支出,一分钱都省不了。AI的总成本,从来就不只是Token账单,只是很多企业之前没算过这笔账。

一定会有人说,这只是AI早期的阶段性现象。等未来智能体成熟了,产品足够傻瓜化了,就不需要这么多人了。

这句话只对了一半。标准化、通用化的场景,确实会逐步被产品化解决。但企业级场景的核心痛点,从来都不是模型不够强,而是每个公司都有自己独特的遗留系统、业务潜规则、以及没写进文档的历史经验。这些东西,AI学不完,也标准化不了。

人力岗位会从“执行岗”升级为“翻译岗、调试岗、管控岗”。

人,永远是AI和真实业务之间的最后一公里。

微软把6000人派到客户现场,字节和阿里在抢年薪百万的“翻译官”,Ford把老工程师请回来修AI。这三家身处完全不同的赛道,但算的账是同一本:AI toB,按接口调用费算不清,得按“人天”算。

接口本身不值钱,值钱的是打井的人。

喊着“AI替代人”的,大多是卖工具的;真正在用AI的,还在忙着招人。

相关下载