每年秋招前，都会有学生问我同一个问题：老师，我该投什么岗位？以前我的回答是“看你的专业和能力匹配什么”，但2027届这届，我想换个说法：先别问“我能投什么”，先问“这个岗位三年后还值不值钱”。我把这个判断方法，叫“岗位的AI浓度”。这个概念不是玄学，是我和团队拆了2027届几千个校招岗位之后，得出的一个观察。
一、什么是“岗位的AI浓度”
所谓AI浓度，不是一个学术概念，而是指“一个岗位的工作内容，被AI重塑、放大或者替代的程度”。它不是“AI相关岗位”这么简单的二分法——同样是运营岗，做内容分发的运营和做社群执行的运营，AI浓度天差地别；同样是开发岗，做模型推理优化的和做传统报表系统的，AI浓度也完全不同；哪怕是同一个职能，做薪酬核算的和做组织人才分析的，未来几年面临的处境也会越来越不一样。
判断一个岗位的AI浓度，我给了三个具体可操作的标准，你可以拿任何你感兴趣的岗位去套。第一，看这个岗位的JD里，是不是反复出现数据、算法、模型、自动化、效率优化这类关键词——出现得越频繁，说明这个岗位本身就在和AI打交道。第二，看这个岗位所服务的业务环节，是不是正处于被AI直接改造的那一段——比如内容生产、信息处理、流程自动化，这些环节的岗位浓度天然就高。第三，也是最重要的——问自己一个问题：这个岗位的工作结果，AI是能“加速”它，还是能“替代”它。能被加速，说明这个岗位在借力AI，未来价值上升；只能被替代，说明这个岗位正在被技术慢慢吃掉，越往后越危险。
二、为什么说“选岗比努力更重要”
2027届秋招有一个非常明显的现象，岗位和岗位之间的“剪刀差”在拉大。同样是投简历、刷笔试、过面试，走完这一整套流程，AI浓度高的方向和AI浓度低的方向，三年后的结果可能差出一整个阶层。
AI浓度高的方向，特点是门槛高、竞争激烈、入职难，但一旦进去，技能复用性强、薪资曲线陡峭，而且市场上这类人的缺口在扩大，越早进去越占位置。AI浓度低的方向，特点是暂时容易进、竞争小，很多同学会把它当“上岸的捷径”，但问题在于——如果岗位本身在被技术替代，你现在进去省下的那些力气，会在三年后用“岗位需求收缩、被迫转岗”的方式加倍还回来。
我见过太多这样的案例了。2025届有个学员，毕业那年为了求稳，进了一家传统企业做报表开发，当时觉得“终于上岸了”。两年后这家企业上了自动化报表工具，他的工作内容从“写报表”变成“维护报表工具”，晋升通道几乎停滞。而跟他同届、当时进了大模型公司做工程的同学，两年后已经能带小团队了。你说前面那个学员不努力吗？他也努力，但努力投在了一个正在被AI吃掉的岗位上——努力的结果，是“越努力越吃亏”。
三、AI浓度高和低的岗位，各自长什么样
给你几组真实的对照，方便理解。
技术方向：AI浓度高的岗位包括大模型应用开发、Agent相关工程、推理优化、AI平台工程师、数据工程——这些岗位的核心工作，就是让模型落地、跑得更快、接进业务；AI浓度低的岗位包括传统ERP开发、报表开发、重复性的运维——这些工作正在被低代码和自动化工具快速替代。
非技术方向：AI浓度高的岗位包括AI产品经理、AI解决方案、用数据驱动的运营、商业分析——这些岗位的核心能力是“用数据做判断、用工具放大效率”；AI浓度低的岗位包括纯执行的行政、重复性的客服、信息录入——这些岗位正在被大模型客服和自动化工具大量吸收。
你会发现一个规律：AI浓度高的岗位，核心都在“用AI放大人的判断力”；AI浓度低的岗位，核心都在“重复执行”——而重复执行，恰恰是大模型最擅长、做得最好的事。这个规律放在哪个行业都成立，跟你是互联网、制造业还是金融业，没有关系。
四、给2027届同学的三句话
第一句，别再用“互联网/非互联网”来划分岗位了，改用AI浓度来划分。互联网里也有大量正在被替代的岗位，制造业里也有AI浓度很高的岗位，行业标签早就失效了，岗位标签才准。
第二句，选岗的时候，把“三年后的我”当成第一决策人。问自己：三年后我坐在这个岗位上，是越干越值钱，还是越干越慌？这个问题的答案，会替你筛掉一大半选项。
第三句，如果你已经投了、或者已经拿了AI浓度低的岗位，也不用慌。它可以是一个过渡，是一份收入来源，但别把它当终点。哪怕入职之后，也要保持学习，主动去接触AI浓度更高的技能——市场永远会给愿意往高浓度迁移的人留位置。我之前带过一个学员，入职一家银行做传统运营，工作之余自学了大模型提示工程和自动化脚本，一年后转岗到了数字化转型部门，薪资涨了一截。这就是“主动往高浓度迁移”的价值。
最后说一句实话：2027届秋招，本质上是一场“AI浓度测试”。它测的不是你懂不懂AI，而是你有没有把选择的天平，往AI浓度高的一边多压一点点。这一压，可能就是三年后完全不同的两个人生。
五、AI浓度之外，还有两件事同样重要
讲完AI浓度，还要补两句实话，免得你们把一切都押在“浓度”这两个字上。第一，浓度高不等于适合你。一个岗位AI浓度再高，如果和你的专业、能力完全不匹配，你硬挤进去，只会变成一个“高浓度岗位里的低浓度人”。判断岗位浓度，是用来帮你避开“重复执行”的陷阱，而不是用来逼你改行。第二，AI浓度是会变的。三年前没人觉得HR的薪酬核算岗会被自动化威胁，今天已经被工具替代了一大半。所以与其赌“这个岗位永远高浓度”，不如赌“我持续学习、持续往高浓度迁移的能力”——后者才是真正不变的东西。
再说一个更具体的例子。2026届有个学员，学的专业偏传统，按对口方向只能去做工艺岗，按照“AI浓度”的判断，传统工艺岗的浓度不算高。但我们一起分析后发现，他的数据分析能力很强，就把目标定在“智能制造”方向——同样是进工厂，但做的是设备数据采集、工艺参数优化、MES系统对接，这些岗位的AI浓度，比他原本想投的传统工艺岗高出一大截。最后他进了一家新能源工厂的智能制造部门，起薪比同校去传统工艺岗的同学高了近30%，工作内容也完全不同。这就是“在专业不变的前提下，往高浓度方向偏一档”的真实案例。
所以我的完整建议是：AI浓度是选岗的第一标尺，但不是唯一标尺。用它来筛掉“重复执行”型的岗位，用你的专业和兴趣来决定大方向，再在方向内选择AI浓度最高的那一个。三者合起来，才是一个既不委屈自己、又不踩坑的选择。
最后，回答一个很多人纠结的问题：AI浓度高的方向竞争那么激烈，我是不是该去浓度低的方向“错峰”？我的回答是：可以错峰，但别用“浓度”错峰，要用“时间”错峰。意思是，在同一个赛道里，你可以选择竞争相对小的细分环节、相对小一点的公司、或者提前批和实习的通道，去争取那个高浓度的岗位；但不要为了“好进”，去选一个浓度低的岗位。好进不等于好走，浓度低的岗位，进去容易，出来难。
我经常跟学员说一句话，今天也送给2027届：选岗的优先级，永远是“浓度优先、赛道其次、公司再次”。很多人把公司名气放在第一位，为了一个响亮的招牌，去了一个正在被AI吃掉的岗位，这是最可惜的错配。招牌会褪色，而岗位浓度，才是决定你三年后处境的那个变量。
这篇解读不是让你放弃努力，恰恰相反，它想让你把努力用在刀刃上。AI浓度高的岗位，一样要靠笔试、面试一关一关拼，没有人能靠选岗躺赢；AI浓度低的岗位，也未必不能成为起点。区别只在于：你是把人生押在一个会贬值的技能上，还是押在一个持续增值的方向上。想清楚这一点，你手里的每一次投递，都会比现在有意义得多。秋招只有一次，但你的职业道路很长——用三个月想清楚，值得。
