DeepSeek的崛起与AI对就业市场的影响分析！

近期国产开源大语言模型DeepSeek爆火，DeepSeek低廉的使用成本与优异的性能，使其成为AI行业中的重要成本锚，有效降低了整个行业的技术门槛。部署新一代人工智能技术的成本快速下降，进而加速其在社会各层面渗透，在各个行业领域引发效率革命，催生全新的商业模式和产业形态。与此同时，人工智能技术的发展将推动传统产业转型升级，促进跨界融合与协同创新。

这一系列变革不仅会重塑经济生态，更将深刻改变当前的就业形态和劳动力市场格局，加速劳动市场的结构性调整，从而让AI时代的就业问题研究变得更加紧迫。

▲ 图源DeepSeek网页截图

人工智能带来劳动力市场结构的变动

新一代人工智能的发展和应用将对就业带来三个层面的影响。

基础层面是通用大模型带动高端研发、基础设施以及生态建设相关岗位兴起；

中间层面是行业垂直模型在细分行业中推动岗位升级、人才结构重塑，并在行业和区域之间形成新的竞争格局；

个体层面则进一步拉动个体创业与灵活就业，加速传统岗位的解构与创新岗位的涌现（见下图）。

▲ 新一代人工智能技术对就业影响的三个层面（张成刚绘）

第一个层面是基础大模型层面。

基础通用大模型是整个人工智能生态的技术底座，它们通常由大型科技企业或科研机构开发，拥有广泛而通用的功能。这类模型对训练数据和算力资源的需求极为庞大，其研发、运维、优化和安全治理等环节都需要大批高端人才。AI大模型正加速成为推动产业变革的新型基础设施，展现出类人的通用智能“涌现”能力。

基础大模型依然在快速进化，这是最令人振奋的变化。一年前排名第一的GPT-4，现在的排名已经下降到第69位，已经有18家公司的大模型超过了它。部分模型甚至可以在笔记本电脑运行。短短一年，榜首模型就被大量竞争者赶超，这种惊人的迭代速度意味着社会的智能基础水平正不断提高。

基础大模型正加速向通用人工智能（AGI）演进，尽管AGI的实现时间尚不确定，但其多模态处理能力正在不断强化。通过整合文本、语音、图像等多源信息，这些模型逐步实现对人类工作场景的深度渗透。基础通用大模型的能力可能取代部分简单、重复、基于规则的工作，例如初级数据清洗与整理、某些程序化的文案编写等。这会对大量依赖执行力的底层岗位构成挑战，迫使劳动力市场在底层工作上进行技能升级或转岗。

第二个层面是行业垂直模型层面。

在基础大模型之上，各行业的垂直行业大模型可以帮助重构产业分工，引发更深层的产业重构。“基础大模型+行业垂直模型”形成协同，前者聚焦通用技术框架，后者则通过垂类数据和注入领域知识，实现针对具体行业的专属解决方案。这种分层架构既保证了技术普适性，又实现了行业深度适配，为后续劳动力市场的变革提供了底层支撑。

以财务系统为例，大模型已能实现报销流程自动化、合规性审查等高重复性任务的智能处理，甚至打破传统ERP系统的功能边界。这种变革的本质是AI引领的劳动分工重构：AI承担结构化、经验依赖的工作，而人类则转向需创造力、情感交互等高阶能力的领域。

例如在人力资源领域，基础岗位的简历初筛、考勤统计等由AI接管，但战略级人才规划仍需人类专业判断。这种分工模式推动企业从“劳动密集型”向“智力协同型”转型，形成“人机混合劳动力”主导的新范式。在需求集中且开发成本与收益比具备明显优势的行业，垂直行业大模型将迅速涌现。

目前，我国三大电信运营商已接入DeepSeek平台，推动实现多场景、多产品中应用。其他行业龙头企业，如金蝶国际、梦网科技、软通动力、恒瑞医药、荣耀手机、东风汽车以及国内主要云服务厂商也陆续接入DeepSeek模型。可以预见，各行业的垂直大模型将在不久的将来广泛应用，进一步推动产业革新和劳动力市场的深度变革。

第三个层面是个体劳动者层面。

在基础大模型和行业垂直模型的赋能下，越来越多的超级个体崛起，成为由AI赋能的“一人军团”。在技术与市场的双重驱动下，超级个体正突破传统组织边界，成为劳动力市场的新物种。借助AI工具，个体可完成原本需团队协作的任务。

例如，自媒体创作者通过AI辅助实现文案生成、视频剪辑、数据分析全流程覆盖，单人产能媲美小型工作室。国内的影视翻译字幕工作者，已经逐渐转变为个人+AI助手的工作模式了。大模型的知识泛化能力使个体突破专业壁垒。如教育从业者可利用行业模型快速掌握基础编程技能，跨界开发教育类应用。

正如吴恩达老师近期所提到的，“10倍工程师”这一概念在科技圈中已广为认同，指的是某些工程师能够创造出相当于普通工程师十倍的影响力。在许多需要应用知识或处理信息的工作中，AI正引发根本性的变革。

吴恩达指出，虽然目前那些技术精通者尚未完全达到“10倍”的影响力，但实现两倍效率提升已不再遥不可及，并预见这种效率差距会随着时间不断拉大。他还观察到，在硅谷，越来越多“AI原生”的团队正重新审视传统工作流程，尝试采用全新的方式来完成任务。

这一趋势与超级个体的崛起不谋而合——在技术与市场的双重驱动下，个体凭借AI工具展现出前所未有的生产力和创新力，预示着未来劳动者将更多地依靠自身与AI的协同合作，创造出更高的价值。

AI驱动的“技能增强效应”扩展个体价值创造半径。2023年哈佛大学和波士顿咨询公司（BCG）的一项研究显示，如果为咨询顾问配备GPT-4，他们可以多完成12%的任务，并且完成任务的速度提高25%。这只是2023年的平均水平。随着AI技术的不断进步，如果能更高超地运用AI，所能获得的最大优势将会成倍增长。

人工智能生成内容的普及，使得音乐、影视、游戏、艺术设计等创意领域迎来了全新的创作方式，会激发更多创意型与体验型岗位。音乐、影视、游戏、艺术设计等领域的创作和迭代速度将加快，创意经济进一步蓬勃发展。

在需要满足个性化需求的行业，借助个人AI智能体，可以实现更加深度个性化的服务。例如，在教育、医疗、咨询等行业，借助个人AI智能体，服务提供者能够基于大数据和用户行为分析，为每一位客户制定精细化、定制化的服务方案。同时，这类岗位依然注重人与人之间的深度沟通、情感理解以及信任构建等无法被机器完全替代的价值，从而形成一种以高附加值服务为核心的新型劳动模式。

得益于人工智能在信息处理、市场分析、客户服务等领域的广泛应用，传统意义上需要多人协作才能完成的工作，如今通过AI工具的辅助可以由个体独立高效完成。这种转变促使自由职业者向微型企业运营者的跨越，一人公司模式更加普及，个体经济模式将打破传统的企业组织结构，使得分散、灵活、高效的微型企业成为市场主流，并推动整体劳动力市场向更加多元化和去中心化的方向发展。

▲ 图源Pixabay

就业变革也伴随显著的风险结构

首先，部分劳动者被挤出不可避免。正如《如何兜住产业升级中被挤出的劳动者》一文中所提到的“部分劳动者被挤出不可避免”。在新一代人工智能冲击下，部分行业的基础岗位会加速消亡。

美国劳工统计局对535个雇佣人数超过100万的职业进行分析并得出结论，近百年来出现的唯一大量雇佣的新工作是软件开发。换句话说，工作岗位的消失是一百年来市场经济的常态，更不用说在第四次工业革命起飞的时间段。

第二，就业极化现象可能加剧。随着人工智能加速渗透各行各业，高技能劳动者凭借对AI工具的熟练运用和创新能力获得更高生产率与收入，而低技能劳动者则因缺乏必要的技术培训和转型机会而面临失业或收入下降的风险。这种分化不仅使得劳动市场呈现明显的两极化，还可能导致社会阶层固化和贫富差距进一步扩大，从而增加了社会不稳定和冲突的可能性。

第三，技能迭代加快，给劳动者更大压力。在新一代AI时代，传统职业生命周期被压缩，如初级HR、基础编程、初级律师等岗位需求断崖式下滑，倒逼劳动者持续升级认知弹性与AI驾驭能力。岗位竞争压力集中于个体创新与复合技能，随着AI实现基础甚至中高级层次的工作，个人若无较强的创意能力、跨学科知识或软技能，将很难与具备AI工具的同行竞争。

最后，政策与制度的滞后也可能使就业变革的风险进一步放大。当前的社会保障体系和再就业服务体系在很多国家仍以传统就业模式为基础，难以应对大规模的岗位转型和技能更新需求。如果政府和企业不能及时调整相关政策、完善职业培训和再就业机制，将可能导致低技能劳动者在转型过程中得不到有效支持，进一步引发社会矛盾和经济不稳定。此外，政策如果固收传统就业模式，不跟随劳动力市场灵活化的趋势发展，将遏制个体发挥价值的空间。

▲ 图源Pexels

结语：人机共生的新文明形态

在笔者2016年发表的《就业发展的未来趋势，新就业形态的概念及影响分析》一文中曾提到：

“新就业形态表现为生产力和生产关系两个方面。其中，生产力角度的新就业形态是指劳动者在生产过程中依托数字化、信息化、智能化、网络化的生产资料，劳动者主要的工作是对程序和系统进行维护和升级，这与传统生产模式中机器与人力相互配合补充的就业模式有差别。

生产力角度的新就业形态不仅仅限于生产领域，自动化、机器人、人工智能也在改变服务行业就业，如秘书、电话接线员、银行出纳员等岗位被大量机器替代。生产力角度的新就业形态出现将导致就业总量、就业结构、职业类型、技能内容等方面出现转型。”

2016年投入应用的人工智能技术还主要是智能机器人、自动化生产线和特定领域的算法应用（如图像识别和语音识别），其应用范围和影响力相对局限。

今天，结合新一代人工智能发展再看新就业形态，未来劳动力市场的样貌已变得更加清晰。未来的劳动力市场将呈现“金字塔-网状”混合结构：

底层由大模型支撑标准化服务；

中层是垂直行业模型驱动的专业协作网络；

顶端则由超级个体及其AI伙伴构成创新生态。

这场变革的本质是人类文明从“体能扩展”“脑力增强”向“智能融合”的跃迁。正如Open AI创始人Sam Altman所预测的：

“未来几十年内，我们将会看到超级智能AI的出现，这将使每个人都能拥有由不同领域虚拟专家组成的个人AI团队，共同创造前所未有的成就。”

面对这场革命，唯有主动拥抱人机协作，方能在智能时代的浪潮中确立自身的价值定位。

在政策层面，政府和相关机构应着力构建“技术普惠”生态，推动全民共享科技红利，通过大力支持开源社区建设、技术共享平台和公共技术资源库，降低先进工具和平台的使用门槛，确保中小企业、个体劳动者以及边远地区也能便捷地获得最新技术支持。

同时，政府应制定鼓励创新的激励政策，加大对科技研发的投入，推动前沿技术在各行各业中的普及应用。为应对产业转型带来的结构性冲击，还需完善终身学习体系，建立多层次、多形式的职业培训、在线教育和技能提升机制，通过政府、企业与教育机构的多方协作，帮助劳动者不断更新知识储备和职业技能，从而缓解转型阵痛，实现技术红利的全民共享。

劳动者的职业选择应聚焦人类独有的核心竞争力，注重那些依赖人类独特能力的工作。具体而言，具备高水平社交与情感智能的能力尤为重要，这包括高效的人际沟通、情感共鸣、团队协作以及对他人情绪的精准感知，这些能力在教育、医疗、咨询、销售以及管理等领域中具有不可替代的优势。

同时，创造力与解决问题的能力也将成为未来就业市场的核心竞争力，这不仅涵盖创新思维、艺术创作、发明新方案等方面，还要求劳动者能够在面对不可预测环境时做出自主判断和灵活决策。正因如此，创业、紧急救援、创新研发等领域将不断涌现出需要高度适应性和创造性的岗位。劳动者应积极提升自身核心竞争力，拓宽知识边界，以便在新型职业生态中抢占先机，实现从简单操作到高层次创新的跨越。

此外，还应不断完善社会保障体系，构建平稳过渡的再就业环境，适应劳动力市场灵活化趋势。在产业转型的过程中，不可避免会有部分劳动者受到冲击。政府应提前布局、完善社会保障体系，为受影响群体提供切实的基本生活保障和再就业服务，确保失业或转型期间劳动者能获得充足的经济支持；加大对低技能劳动力的保护和扶持力度，通过税收减免、就业补贴、职业培训和技能再提升等政策措施，帮助他们快速掌握新技能，实现职业转型。

当前应该考虑推动劳动力市场灵活化改革，修正以劳动关系作为社会保障抓手的传统就业形态保障模式，逐步适应新一代人工智能技术带来的的就业变革。

 一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】