开学季观察：全国超200所高校新增AI专业，AI人才真的“过剩”了吗？

一、开学季的”AI热”：一场从专业目录开始的全面升温

每年9月的开学季，都是观察中国高等教育风向的最佳窗口。而2026年的这个窗口，几乎被”人工智能”三个字填满了。从顶尖985到地方本科，从综合大学到邮电、财经、医科等行业特色院校，AI相关专业的增设、扩招、揭牌，构成了这个开学季最常见的新闻。对许多2026级新生而言，录取通知书上印着的”人工智能””智能科学与技术””具身智能”等字样，既是四年前那场大模型浪潮的延续，也是他们与这个时代最热门技术浪潮的第一次正式握手。

先看供给侧最基础的几个数字。人工智能本科专业（专业代码080717T）于2018年首次获批，当年全国仅35所高校开设；而根据教育部公布的备案结果，截至2025年4月，全国已有626所高校完成该专业备案，仅2024年度就新增91所。也就是说，短短七年间，开设AI本科专业的高校数量增长了近18倍。如果把口径放宽到”泛AI专业”——包括智能科学与技术、数据科学与大数据技术、机器人工程等——开设高校总数早已突破数百所；各类人工智能学院、研究院的挂牌数量，按多家行业机构的不完全统计也已超过200所。这也是”全国超200所高校新增AI专业”这一说法的由来，而且从备案数据看，这一数字甚至偏保守。

2026年的专业目录更新，进一步放大了这股热度。据麦可思研究梳理，教育部《2025年度普通高等学校本科专业备案和审批结果》涉及198所本科高校的545个新增本科专业，其中人工智能以26个新增点位居所有专业之首。与此同时，2026年版《普通高等学校本科专业目录》一次性新增38种专业，高度聚焦人工智能、低空经济、新能源等国家战略方向：具身智能作为首个面向智能机器人研发的本科专业，全国仅清华、北大等9所顶尖高校首批招生，总名额约460个；脑机科学与技术等前沿交叉专业也首次进入本科招生序列。

头部高校的动作更为激进。北京理工大学计划新增具身智能、人工智能教育等专业；华南理工大学新增智能科学与技术专业，首批招生约60人；南京邮电大学新增人工智能（通信方向），计划招生80人。北京日报2026年4月的报道显示，北航、北理工、北邮等多所”双一流”高校均瞄准”智能”领域开展专业调整，”优本扩容”成为北京高校高招新政的关键词。再叠加”十五五”时期”双一流”高校本科将扩招10万人以上的政策红利，AI相关专业招生规模的持续放大，几乎是确定性事件。

需求侧的温度同样可以从投档线上读出来。2026年各省高考投档数据显示，人工智能专业分数线与最低投档位次普遍上涨，从985名校到地方普通本科院校，这一现象普遍存在。在某平台的本科专业热搜榜上，人工智能以约9.0万的热度值位居第二，仅次于电气工程及其自动化。考生和家长用脚投票的方向很明确：在高薪预期的吸引下，AI已经取代传统的计算机、金融，成为志愿填报中最具号召力的标签之一。

二、供给端拆解：每年20万到30万毕业生，扩招还在继续

要看清”过剩与否”，必须先把供给盘子算清楚。目前各机构对”AI相关专业毕业生”的统计口径不一，但主流估计集中在每年20万至30万人之间，涵盖人工智能、智能科学与技术、数据科学与大数据技术，以及计算机相关专业中的AI方向。值得注意的是，这个数字的爬升曲线非常陡峭——几年前还是个位数的万级规模，随着2021年前后设立AI专业的高校陆续进入毕业期，加之新设专业持续放量，年毕业生规模正在快速向30万逼近，且未来几年仍将随着扩招继续抬升。

把这个数字放到更大的就业背景中，冲击感会更直观。2026届全国高校毕业生规模预计约1270万人，再创历史新高；这意味着AI相关专业毕业生已占全国毕业生总量的约2%。而在工科、特别是信息类学科内部，这一占比还要高得多。更微妙的是，AI专业的扩张恰逢计算机大类整体降温：麦可思研究院对安徽、广西、贵州、黑龙江、吉林、江苏、辽宁、山西、云南、重庆10个省份首轮本科普通批征集志愿的统计显示，在约1.3万个专业组中，会计学以410次的缺额频次位居”未录满”榜首，而人工智能、计算机科学与技术等热门工科也进入了未录满榜单前十——尽管缺额绝大多数来自民办本科和独立设置的院校。

这个细节值得玩味：同一个专业，在985名校是分数普涨的香饽饽，在部分民办院校却出现在征集志愿名单上。它提前剧透了本文的核心判断——AI人才的”过剩”与”短缺”，从来不是总量问题，而是结构问题。为了更直观地呈现供给端的扩张脉络，我们梳理了关键节点数据：

（表格数据来源：教育部普通高等学校本科专业备案和审批结果、麦可思研究2026年7月梳理、北京日报2026年4月报道、中国新闻网2026年6月报道，由软盟资讯整理）

供给扩张的另一面，是培养质量的参差。AI专业是一个典型的”高门槛、重基础”学科：数学功底、系统级编程能力、算力资源、高水平师资，缺一不可。但在626所开设院校中，真正具备完整科研梯队和算力条件的，恐怕不足十分之一。相当一部分地方院校的AI专业，实质上是把原来的计算机或自动化专业换了个名字，课程体系里加了几门机器学习导论、深度学习入门，实训环节停留在调用开源框架跑通几个经典模型。这样的培养模式产出的人才，恰好落在后文将要分析的那个”过剩区间”里。

三、”过剩论”从何而来：就业市场的三个降温信号

“AI人才过剩”的说法并非空穴来风。如果你只看下面这三个信号，确实很容易得出”泡沫破裂”的结论。

信号一：对口就业率出现松动。多个就业研究机构的跟踪数据显示，AI专业毕业生中”超半数从事非对口工作”——也就是说，每两个AI专业的毕业生里，就有一个最终去了与AI没有直接关系的岗位。这背后的原因是双重的：一方面，相当一部分毕业生的实际能力达不到AI岗位的准入门槛，被动流向了泛IT岗、考公考编或其他行业；另一方面，普通院校AI专业的课程深度不足以支撑算法类岗位的面试要求，学历与能力双重筛选之下，对口通道自然收窄。

信号二：部分岗位薪资出现回调。职友集的薪酬统计显示，大模型算法工程师岗位中73.9%的月薪在20K至50K之间，对应年薪24万至60万，看似仍然可观，但2025年的薪酬水平较2024年下降了约14%。这与2023年至2024年间大模型岗位动辄翻倍涨薪的疯狂行情形成鲜明对比。薪资回调的机制并不复杂：前两年企业对大模型的理解还很模糊，愿意为”听过这个词”的候选人支付溢价；随着行业认知成熟，企业发现能把模型真正训起来、调优、落到业务里的人远比想象中少，于是溢价快速向头部集中，中间层的价格泡沫被挤出。

信号三：转行培训的泡沫先破。在高校供给之外，社会培训渠道此前几年输送了数量可观的”速成AI人才”。市场上大量培训机构打出”三个月转型大模型工程师””零基础冲击年薪五十万”的招生广告，课程内容以调用大模型API、搭建RAG知识库、做几个Demo项目为主。然而企业招聘端很快识破了这类简历：项目经历高度雷同，技术追问之下基础薄弱。2026年，多家媒体报道了AI培训课程遇冷、学员就业困难的案例，行业研究机构的数据也显示，95%的企业AI试点未达预期后，企业对”能说不能做”的候选人容忍度大幅下降。泡沫最先破的地方，恰恰是泡沫最大的地方。

三个信号叠加，”AI人才过剩”的叙事看似成立。但如果就此得出”别学AI了”的结论，那就把结构性问题误读成了总量问题。因为就在同一时间线上，还有另一组完全相反的数据在同时发生。

四、结构性过剩+结构性短缺：AI人才市场的真实格局

与”过剩论”并行的，是招聘端实实在在的”抢人大战”。2026年秋招季，阿里巴巴计划发放7000余个offer，其中AI相关岗位占比超过60%，阿里云、阿里国际、钉钉三条业务线的AI岗位占比更是高达80%，高德达到75%；字节跳动开放超5000个offer，研发岗位同比上涨23%，AI方向是绝对主力。人社部数据显示，2026年7月启动的互联网企业云端招聘月中，5000多家企业集中释放超20万个就业岗位，”AI+”岗位位居多家企业热招名单前列。

再看人才缺口的整体测算。多家行业研究机构的交叉数据显示，2026年我国人工智能全产业链人才缺口约500万人，其中核心技术岗位缺口超过75万个。2026年上半年AI新发职位数量同比增长21.08%；算法工程师的人才供给指数（TSI）仍高达2.64，位居紧缺岗位第一——这个数字意味着平均每个算法工程师候选人对应着两个以上的岗位机会。更值得注意的是需求结构的迁移：算法岗位增速为12.84%，而AI架构师岗位需求暴涨76.74%，机械结构、硬件等软硬复合岗位增速也达到57.20%和40.80%。中国劳动和社会保障科学研究院2026年4月发布的《中国人工智能人才发展报告（2025—2026）》蓝皮书同样确认：AI人才供需矛盾的核心不是数量，而是结构与质量。

把两组矛盾的数据放在一起，答案就浮出水面了：AI人才市场是”结构性过剩+结构性短缺”的二元格局。过剩与短缺发生在同一个市场里，只是发生在不同的人群、不同的能力层级上。

过剩的是谁？是只会调API、做Demo的”伪AI人才”。他们的典型画像是：跟着教程调用过大模型的开放接口，用LangChain之类的框架搭过RAG应用，简历上写着”精通深度学习”，但对Transformer的注意力机制说不清原理，没读过一篇完整的论文，没有独立排查过一次训练异常，更不理解模型输出的业务含义。当行业从”拼参数”转向”拼落地”，这类人才的边际价值快速归零——因为大模型厂商自己就在把API做得越来越简单，企业不再需要为此支付高薪。

短缺的又是谁？至少有三类。第一类是真正懂算法又懂行业的复合型人才：既能读懂模型结构，又理解医疗影像、量化交易、工业质检这些垂直场景的业务逻辑，能把行业问题翻译成技术问题。第二类是AI工程化人才：模型训练出来只是开始，怎么压缩、怎么部署、怎么把推理成本降下来、怎么保证服务稳定，这些工程问题决定了AI能否真正产生商业价值，而市面上能把模型从实验室搬到生产环境的人严重不足——这正是架构师岗位需求暴涨76.74%的原因。第三类是AI产品经理：懂AI能力边界、能判断”AI能干什么不能干什么”、再把技术能力翻译成用户价值的人，几乎每个AI落地项目都在找。

（表格数据来源：职友集薪酬统计、脉脉高聘人才供需报告、行业研究机构测算，截至2026年8月，由软盟资讯整理）

一个可以辅助理解的类比是当年的软件行业：会写”Hello World”的人从来都不稀缺，稀缺的是能构建大型系统的架构师和能把需求做对的产品人。AI行业正在以快得多的速度重演这一分层，而且由于大模型本身就在不断降低使用门槛，底层的”操作型技能”贬值速度比传统软件行业更快。

五、哪些AI方向的人才最值钱：五个高薪赛道的真实行情

既然短缺是结构性的，那么顺着短缺的方向看，哪些AI岗位的薪酬和前景最突出？综合多份招聘平台与猎头机构的薪酬数据，以下五个方向值得重点关注。

方向一：大模型训练与推理优化

这是AI人才金字塔的塔尖。训练侧的人才需要精通分布式训练、并行策略、数据工程，能主导千亿参数级模型的训练过程；推理优化侧的人才则要懂得量化、剪枝、算子优化、推理框架调优，把模型的推理成本压到商业上可承受的水平。职友集数据显示，大模型算法工程师73.9%的岗位月薪在20K至50K之间，年薪24万至60万；而头部大厂针对顶尖博士候选人的竞价早已突破百万年薪，清华等顶尖实验室的应届博士手握多份含股票期权的总包offer并不罕见。这个方向的特点是门槛极高：数学功底、顶会论文、大规模工程经验，三道门槛筛掉了绝大多数竞争者，也因此成为”学历内卷”最严重的赛道。

方向二：多模态与具身智能

具身智能是2026年增速最猛的方向，没有之一。据脉脉创始人林凡披露的数据，2026年1月至7月，国内具身智能领域新发布岗位数量同比增长约6至7倍，而同期人才供给增长仅为3至4倍，供需剪刀差持续拉大；具身智能岗位平均月薪从5.87万元升至6.16万元，招聘指数同比增长一度高达15倍。行业测算显示，具身智能及机器人方向的人才缺口超过100万，首届具身智能本科专业对应的平均年薪约33万元；香港中文大学（深圳）人工智能与机器人理学硕士项目首届毕业生就业率100%，平均年薪32.7万元，最高达56.2万元。机器人行业应届生招聘职位同比大涨83.8%，增速领跑全行业。这个方向对软硬结合能力要求极高，机械结构、硬件岗位需求随之暴涨，恰恰印证了”复合”二字的含金量。

方向三：AI安全

模型越强大，安全越值钱。AI安全横跨网络安全与人工智能两个学科，既要懂对抗样本、提示注入、数据投毒、模型越狱这些AI特有的攻击面，又要懂传统安全攻防。行业数据显示，网络安全行业人才缺口已突破150万，而其中”懂AI的安全工程师”更是稀缺中的稀缺——在招聘平台上，具备AI风险检测与研判能力的岗位普遍要求硕士以上学历，月薪20K至28K起步，资深研究员薪酬更高。随着大模型在金融、政务、医疗等高敏感领域深入部署，以及AI安全监管框架的逐步落地，这个方向的需求具备极强的政策确定性。

方向四：垂直行业AI专家

“AI+行业”的落地浪潮中，最稀缺的往往不是纯技术人，而是既懂AI又深耕行业的人。AI医疗需要懂医学影像与临床路径的算法人才，AI金融需要懂风控与合规的模型人才，智能制造需要懂工艺参数与产线节拍的AI工程师。这一方向的特征是：行业知识壁垒无法速成，往往需要五年以上的行业浸泡，因此供给增长极其缓慢，而需求随着”人工智能+”行动的推进快速放大。2025年我国AI相关产业规模已超过万亿元，2026年预计增速超30%，在生产、服务、民生、政务四大领域初步形成商业化应用体系——每一个领域的落地，都在制造对垂直行业AI专家的需求。

方向五：AI产品经理

如果说前四个方向面向技术背景的从业者，AI产品经理则是非技术转AI的最佳高薪通道。职友集数据显示，AI产品经理岗位中75.4%的月薪在20K至50K之间，年薪24万至60万，且2025年薪酬较2024年逆势增长。这个岗位的核心能力不是写代码，而是判断AI的能力边界——清楚大模型能干什么、不能干什么、错得多离谱、错在什么场景下可以容忍——然后把技术能力翻译成用户可感知的产品价值。当行业重心从”做模型”转向”做产品”，几乎所有AI应用公司都在高薪寻找能把Demo做成产品、把产品做成生意的人。腾讯、阿里等大厂在2026年升级的头部人才计划中，也普遍把AI产品与前沿算法并列为争夺对象。

（表格数据来源：职友集2026年9月薪酬统计、脉脉高聘具身智能数据、凤凰网汽车2026年9月报道等，由软盟资讯整理，薪酬为样本统计区间，个体差异较大）

六、给普通人的三个建议：别用体感做职业决策

看清了格局，普通人的选择其实可以更从容。以下三条建议，分别针对”要不要转””怎么转””往哪转”这三个最常见的困惑。

建议一：不要盲目转AI，先盘点自己的行业积累

“结构性过剩”的信号已经很明确：没有行业积累、没有技术深度的裸转型，大概率会落入过剩区间。转AI之前，先诚实地回答三个问题：我在原有行业积累了几年、积累了什么？我的数学和编程基础还剩多少？我能否接受用一到两年时间补基础，而不是三个月速成？如果三个答案都不乐观，那么”留在原行业+善用AI工具”很可能是比”裸转AI”更优的策略。反过来说，如果你在医疗、金融、制造、法律等行业已经有了五年以上的深耕，你的行业知识本身就是稀缺资产，缺的只是AI这块拼图——这种转型才是顺风局。记住一个基本判断：行业知识加AI能力是复合人才，AI能力减行业知识则是可替代劳动力。

建议二：不做算法工程师，也能吃上AI这碗饭

很多人把”吃AI饭”窄化成了”做算法”，这是一个严重的认知偏差。算法岗是金字塔尖，容量有限、门槛极高，但AI产业的价值链远比这长：AI产品经理需要懂业务的人定义需求，AI运营需要懂数据和用户的人驱动增长，AI解决方案销售需要懂技术又懂客户的成交者，AI培训和企业赋能需要能把AI讲明白、教下去的传递者。人社部2026年公示的新职业名录中，人工智能相关新职业已覆盖多个非纯技术工种。这些岗位的共性是：门槛不在数学，而在”懂AI能力边界+懂业务”——这恰恰是许多产品、运营、销售、培训背景从业者的相对优势。与其在算法赛道与顶尖博士竞争，不如在应用赛道用自己的存量优势换增量空间。

建议三：学AI不要只学技术，要绑定一个垂直行业

如果你已经决定投入AI，那么最关键的战略选择是”绑定行业”。纯技术人才会随着工具简化而贬值，而”AI+行业”人才的稀缺性会随着行业落地而升值。具体做法上：选一个你熟悉或看好的垂直领域——医疗、金融、制造、教育、法律、农业皆可——把学习项目、实践案例、求职方向都锚定在这个领域里。同样是做RAG项目，泛泛做一个企业知识库，不如深入一个行业做垂直语料的检索问答，并在过程中真正理解这个行业的知识结构、业务痛点和容错边界。四年后的就业市场上，”懂大模型的医学生”和”懂大模型的工科生”，前者大概率更抢手。

七、给企业的两个建议：换个思路找人，换个地方找人

建议一：与其高薪抢算法工程师，不如培养懂业务的”AI应用型人才”

对绝大多数非头部AI企业而言，花重金从大厂挖算法工程师，是投入产出比极差的选项：一方面顶尖算法人才的价格已被大厂竞价推到天上，另一方面你的业务场景很可能根本用不上自研模型——调用成熟大模型API、做好工程化整合与业务适配，才是绝大多数企业的真实需求。这意味着企业真正需要的是懂业务的AI应用型人才：知道业务哪个环节值得上AI、能把AI能力嵌入现有流程、能对落地效果负责。这类人才的最好来源不是外部招聘市场，而是内部培养——从业务骨干中选拔对AI有兴趣的人，辅以系统的训练与算力资源支持。行业数据显示95%的企业AI试点未达预期，失败原因多数不在模型不够先进，而在需求定义错误与业务脱节，这正是”懂业务”比”懂算法”更值钱的证据。

建议二：AI人才不一定在大厂，行业老专家加AI工具可能效果更好

第二个思路转换是关于”人在哪里”。企业惯性地认为AI人才集中在互联网大厂和顶尖高校，但在垂直领域，最有价值的组合往往是“行业老专家+AI工具”：一位深耕二十年的临床医生、资深风控经理或工艺专家，借助易用的AI工具和一名懂工程化的年轻助手，产出的行业解决方案常常优于空降的技术团队——因为AI落地的瓶颈从来不是代码，而是对行业知识的结构化。与其在人才红海里与大厂竞价，不如盘点组织内部被低估的专家资源，为他们配上AI杠杆。这也呼应了前文的数据：AI架构师与软硬复合岗位需求暴涨，本质是市场在为”能落地的人”重新定价。

八、结语：过剩的是泡沫，短缺的是能力

回到标题的问题：AI人才真的过剩了吗？软盟资讯的答案是——过剩的是”AI人才”这个标签，短缺的是AI人才的能力。626所高校的专业备案、每年20万到30万的毕业生规模、速成班输送的转行者，共同撑起了供给端的账面数字；而500万的产业链缺口、TSI 2.64的算法岗紧缺度、暴涨76.74%的架构师需求，则揭示了需求端的真实渴望。两者并不矛盾，因为它们描述的是两群不同的人。

对2026级刚刚踏入校园的AI专业新生而言，这个判断既是警示也是机会：四年后的就业市场，不会因为你手里的专业名称买单，只会为你在这四年里积累的能力组合买单。数学基础、工程能力、行业视野，这三样东西的积累没有捷径，也没有速成班。而对整个社会而言，高校扩招的浪潮与产业落地的需求之间，还需要课程体系、产教融合、职业教育的多层次磨合——这注定是一个以年为单位的调整过程。

开学季的喧闹终会散去，愿四年后走出校门的这一代AI学子，配得上今天他们为这个专业支付的热情与分数。