前言
昨天看到一条新闻：谷歌宣布向Anthropic投资400亿美元。
很多人第一反应是"这跟我有什么关系？"
说实话，关系大了去了。
这篇文章不聊八卦，咱们来聊聊：作为一个普通开发者/数据分析师，面对这波AI浪潮，应该怎么思考自己的职业发展。
一、AI时代的人才分层
最近船长观察到一个现象：AI人才正在快速分层。
第一层：底层泛AI岗位
主要是数据标注、基础测试、AI训练数据处理等。这个层级的特点是：门槛低、可替代性强、薪资天花板明显。
第二层：应用层
包括AI产品经理、AI应用开发、AI工具使用等。这个层级需要理解AI能力边界，能把AI能力落地到具体业务场景。
第三层：基础设施层
大模型训练、推理优化、AI Infra、芯片相关等。这个层级的特点是：技术壁垒高、供需失衡严重、薪资溢价明显。
二、普通开发者的机会在哪里
说实话，大多数人成为第三层人才的概率很低。那第二层呢？机会其实很大。
1. AI + 垂直领域知识
船长见过最值钱的组合是：懂业务的AI产品经理 + 会用AI工具的数据分析师。
比如一个懂银行风控业务的数据分析师，现在用AI工具做特征工程，效率能提升3-5倍。这种人，比纯AI工程师更稀缺。
2. AI工具链开发
AI应用越来越多，但配套的工具链还很初级。比如：Prompt管理工具、模型效果评估平台、AI工作流编排等。这些领域竞争不激烈，但需求明确。
3. AI落地最后一公里
很多人觉得AI很厉害，但不知道怎么用到自己的业务里。这就需要能"翻译"的人——既懂AI能力边界，又能理解业务需求，还能协调团队落地。
三、实战建议：3步上车
第一步：建立AI认知
不是要你成为AI专家，而是要你知道：AI现在能做什么、不能做什么、什么场景适合用AI。
建议：花一周时间，把主流AI工具（ChatGPT、Claude、国产大模型）都深度用一遍，建立直观认知。
第二步：找到结合点
把你每天重复性的工作列出来，看看哪些可以用AI提效。船长见过最有效的场景是：
-
代码Review → AI辅助Review
-
文档撰写 → AI生成初稿 + 人工润色
-
数据分析 → AI做探索性分析，人工做决策判断
-
测试用例生成 → AI生成 + 人工补充边界case
第三步：沉淀方法论
用AI用多了，你会发现有些场景AI效果好，有些场景效果差。把这些经验沉淀下来，形成你自己的"AI最佳实践"。
这才是你的核心竞争力——不是AI本身，是使用AI的经验和方法论。
四、给不同人群的建议
如果你是在校生/应届生：
选一个感兴趣的垂直领域（金融、医疗、电商、教育等），同时把AI工具用熟。毕业时，你的竞争力 = 领域知识 + AI应用能力。
如果你工作3-5年：
看看你的工作中，有哪些可以用AI提效的。先从小处着手，用起来比学起来重要。
如果你工作5年以上：
你的行业经验是护城河。现在要做的就是：把经验"AI化"——哪些判断可以交给AI辅助？哪些流程可以自动化？
结语
AI时代，机会是均等的。
不是说你要去搞大模型才能分一杯羹。
实际上，大多数人真正的机会，是在AI能力和业务场景之间，做那个"翻译者"。
这个角色，现在很稀缺，未来会更稀缺。
与君共勉。
