上周帮一家做自动驾驶芯片的公司找人。CTO给的预算上不封顶，原话是：你只要找到人，钱不是问题。

问题是我翻遍整个池子，符合条件的不到10个人。

这种"拿着钱花不出去"的局面，在今天的AI人才市场上已经不是新闻，而是日常。怡安（Aon）4月份发了一份调查，数据很清楚：同一家公司内部，AI人才比非AI科技人才薪酬高出约30%。在美国这个溢价是15%到30%，比例低一点，但绝对值更高——美国顶尖公司AI研发负责人的年薪是千万美元级别的。

但作为一个整天跟候选人打交道的猎头，我想说的是：这个30%，在真实市场里几乎没什么参考价值。

不是因为怡安的数据不准。恰恰相反——怡安的数据是行业里最扎实的之一。问题是，薪酬对标这件事，在AI人才市场已经失效了。不是数字的问题，是定价逻辑的问题。

享德森猎头最近在帮一家欧洲车企寻访AI研发负责人。客户给的薪酬带宽是200到400万，按传统对标模型看已经很大方了。结果我们找了一圈，真正能打的候选人有三个：一个目前在字节跳动，年薪package折合280万，但手上有期权预期，跳槽的精神损失费要算进去；一个在AI创业公司拿150万加股份，公司刚融了B轮，他不太想走；还有一个在美国远程给一家硅谷公司干，年薪折合450万人民币，但愿意回国，前提是薪资不能降。

三个候选人，三个完全不同的定价基准。传统薪酬对标工具在这里全部失灵。

怡安的报告还提到另一个数据：AI人才的基本工资年增长率显著高于非AI人才。翻译一下就是——虽然已经很高了，但企业还在拼命加。这不仅是因为缺人，更因为AI人才的薪酬结构跟传统岗位完全不同。怡安的专家说得很直白：AI类员工更强调固定薪酬为主、长期激励为辅。大部分企业，哪怕对AI领域的低级别员工，也覆盖长期激励工具。这意味着什么？意味着一个刚毕业三年的AI硕士，可能同时拿着股票期权、专利奖励、项目分红——他的真实收入根本不在月薪数字里。

有一个我追踪了两年多的候选人。他在美团做推荐算法，做了三年半。2024年底被一家AI创业公司用三倍薪水挖走。三个月后那家公司现金流断了，他又被字节跳动用差不多的价格接走。两年之内，他的薪酬曲线跳了两次，每次涨幅都超过50%。猎头圈里管这种人叫"过山车选手"。问题是，这种经历过剧烈跳涨的人，你现在拿什么价格去跟他谈？你不可能用市场平均水平去锚定一个已经被市场极端化定价的人。

全球AI人才总量约300万人。听起来不少。但怡安引用的IFF报告指出，88%以上的AI人才拥有硕士及以上学历，大约80%的AI从业者从业年限在3年及以下——这意味着海量的"AI人才"其实是刚转行一两年的人。真正有工程落地经验的、能做推理优化和大模型训练的，少之又少。到2030年全球AI人才缺口可能突破280万。经济学人3月份的专题报道说得更直接：这不是人才短缺，这是人才断层。

断层造就了极端定价。

一个能做AI Infra优化的工程师，市面上大概只有二三十个真正有实战经验的。这二三十个人互相认识，每换一次工作就刷新一次市场价格。他们的薪酬不是由"市场供需"决定的——供给只有个位数，需求是几百家公司的CTO在追。这是拍卖，不是交易。

我在给一家法国工业企业找人时感受特别深。客户的AI Lab设在上海，预算给得很足——全球统一标准，不低。但他们招一个NLP方向的技术负责人，大半年没找到人。不是因为钱少。是因为候选人担心：外企的AI Lab会不会做两年就裁了？会不会只是中国区的一个面子工程？人工智能工程师对职业确定性的要求，已经超过了他们对薪资的要求——这一点很多HR还没意识到。你开价比他现东家高40%，他可能心动了；但他看到你的汇报线经三层才到CEO，立刻犹豫了。

所以回到标题那句话：AI人才比普通码农贵30%。这个数字本身没错。但如果你是一个HR，拿着这个数据去跟候选人谈，你会发现自己根本坐不到谈判桌前。

因为那个候选人三天前刚接到另一家公司的电话，开价比你的上限还高20%。因为他知道自己值多少钱，而你的数据表里没有他那个档位的信息。因为他要的不是涨薪30%，他要的是一个真正能做AI的项目，而不是又一个"AI+传统业务"的缝合怪。

北京电子数智科技的CTO谢东在论坛上说了句话我觉得很有道理：AI正在重写人才的定义。过去我们看人是看经验、看资历、看稳定性。现在经验的壁垒在快速崩塌。一个2022年才入行的AI工程师，可能比一个干了十年的Java架构师更值钱——不是因为他更优秀，是因为他所处的赛道把价格推上去了。

这对HR意味着什么？不是要你加预算。是要你重新理解你招的是什么人。

当你招一个AI工程师的时候，你不是在招一个会写代码的人——你是在招一个供给侧只有两位数、需求侧有三位数、每一轮融资都可能在刷新他身价的人。你如果不能理解他的定价逻辑，你就开不对价，留不住人，甚至连面试都约不到。

怡安的专家建议企业针对AI研发岗位设立独立于传统KPI的激励方式——专利奖励、特别表彰、项目分红。这没错。但更深的问题是：你愿不愿意为这么一个人打破你现有的薪酬体系？你愿不愿意给一个28岁的工程师开比你的技术VP还高的工资？你愿不愿意让他在你这个层级森严的组织里，拥有远超其职级的决策权？

这三个问题比加钱难多了。

我见过一家外企做对了。一家德国工业巨头在中国建AI Lab的时候，CEO亲自面试技术负责人，汇报线直接挂在总部AI部门的VP下面，而不是中国区总经理。薪资对标的是全球AI人才市场，不是中国薪酬带宽。候选人入职后可以做他自己的研究方向，不背中国区的KPI。这家公司招到那个人的速度，比所有给更高预算的客户都快。

不是因为他们有钱。是因为他们想清楚了——在一个极度稀缺的人才市场里，你要跟候选人解释的不是薪资数字，而是你来我这里到底能做什么。

中国在AI人才总量上已经是全球第二，占22.4%，仅次于美国。但人才密度和人才质量之间的差距，比数字看起来要大得多。经济学人的那篇文章标题叫《China is winning the AI talent race》。赢不赢不好说，但有一点是肯定的——这场竞赛从头到尾都在改写人才定价的底层规则。而大多数企业的人力资源体系，还停留在为上一个时代设计的状态里。

有人说AI人才泡沫正在形成。也许吧。但有一点可以确定——泡沫破不了真正的稀缺。放眼望去，那些真有三年以上大模型训练经验的工程师，就算整个行业跌30%，他们还是贵。因为稀缺不是周期性的，是结构性的。

在一个结构性稀缺的市场里，招人最蠢的策略就是——照着去年的薪酬数据去谈今年的人。