与美国市场AI导致初级岗位显著萎缩的“剪刀差”效应不同，中国AI岗位中初级岗位占比保持相对稳定（约7%），高级岗位占比反而出现回落——这是腾讯研究院报告揭示的最具中国特色的结构分化特征。差异源于中国初级劳动力成本相对较低、产业加速转向场景应用落地阶段。AI岗位本科及以上学历占比71%（全市场24%），经验要求比市场基准高出1至1.5年，呈现出鲜明的“精英优先”与“经验溢价”特征。
中美职级结构差异——高级岗位回落，初级岗位保持韧性
美国市场呈现明显的“剪刀差”效应：AI广泛应用导致高级人才需求激增，同时替代了大量初级岗位。而中国AI岗位中初级岗位占比保持相对稳定（约7%），高级岗位占比反而出现回落。差异源于两方面：劳动力成本结构——美国初级岗位年薪中位数5万至8.5万美元，替代具有成本优势；中国初级劳动力成本相对较低，企业更倾向于利用AI为初级员工赋能。产业发展阶段——美国仍聚焦底层大模型研发，需求集中在高级科学家；中国加速转向场景应用落地，对应用型、工程型人才需求更为广泛。
高级岗位对AI总体需求持续高于初级岗位（2.6%-3.0% vs 1.8%-2.55%）。高级岗位需求明显偏向AI开发技能，而初级岗位对AI应用技能需求更旺盛——随着AIGC工具普及，企业需要入门级员工熟练运用现成AI工具提升日常工作效率。
学历门槛——本科及以上占71%
全样本岗位中“大学本科及以上”占比24%，“本科以下”39%，“不限”37%。而在AI技能岗位中，“本科及以上”跃升至71%，“本科以下”压缩至21%，“不限”骤降至8%。对比七普数据——本科及以上群体占全国3岁及以上人口不足8%（本科6.88%、硕士0.69%、博士0.09%）——AI岗位对人才的知识深度和研究能力有远超社会平均的要求。
但动态趋势显示，要求“大学本科及以上”的占比从2024年Q3约80%峰值小幅回落至2025年Q2约70%。高学历要求占比的轻微下降与低学历和不限学历要求的逐步上升，暗示市场对AI人才的评估正趋于务实，对实际技能和应用能力的重视可能在一定程度上弱化了传统的学历门槛。
经验溢价——平均经验要求高出市场1-1.5年
AI技能岗位中要求具备工作经验的岗位比例达79%，比全样本高出21个百分点。平均经验年限要求始终比市场基准高出1到1.5年。企业在招聘时并非在寻找纯粹的“AI新手”，而是在寻找已具备特定行业领域知识的专业人士并要求其额外掌握AI技能。溢出的经验年限正是对从业者原有行业经验的价值认可。有经验的金融分析师结合AI工具，投资建议质量能提升31%。经验需求结构呈现“剪刀差”趋势：要求工作经验的占比从84.64%逐步回落至78.75%，经验不限的占比从15.36%上升至21.25%，表明企业用人策略正逐步向灵活性转变。
结构分化的政策含义
AI正从某些岗位的专业技能演变为影响大多数岗位质量与收入水平的通用能力。同一岗位内部，会用AI与不会用AI的员工在效率和报酬上的差距已经开始显性化。学历和经验门槛的轻微松动提示政策制定者和教育体系需要关注——市场正在从“唯学历论”和“唯资历论”向更重视实际能力的方向缓慢调整。面向在校生的AI素养教育、面向在职员工的实战化AI应用训练、面向转岗人群的再培训项目应当同步推进。
