今年产品经理招聘需求下降 30%，SaaS 领域降幅更达 70%。然而，AI 工程师岗位正呈现爆发式增长：全球 160 万个岗位争夺 51 万名候选人，供需缺口超 3:1，薪资较传统程序员高出 67%。
成为 AI 工程师仅需会调用 API 或写提示词吗？斯坦福大学教授、DeepLearning.AI 创始人吴恩达团队通过分析万余个招聘岗位及数十场专家访谈，绘制出最新的 AI 工程师能力图谱。本文将从入门到精通，全面解析这一核心岗位的技能要求与发展前景。
01｜AI 工程师技能点四大维度
吴恩达将 AI 工程师的核心能力划分为四个维度。
第一维度：构建和部署 AI 应用
这是技术基本功，涵盖从 LLM 基础到生产运维的完整链路，包含六个子技能：
- LLM 基础：理解大语言模型的推理与训练机制、Token 计算及上下文窗口运用。
- 接入外部数据：利用 RAG 技术和知识库，使模型能调用外部数据而非仅依赖训练记忆。
- 构建 Agent 系统：搭建能自主规划、调用工具并完成多步任务的智能体。
- Eval 驱动开发：通过系统化评估把控应用质量，摒弃凭感觉调试的模式。
- 生产环境运维：掌握模型上线后的监控、迭代及成本控制策略。
- 机器学习基础：理解经典 ML 核心概念，洞察大模型底层逻辑。
值得注意的是，“提示词工程”概念已逐渐弱化，并入更大的“上下文工程（Context Engineering）”范畴。当前模型能力显著增强，重点已从“如何写好提示词”转向“如何投喂有效上下文”。
第二维度：软件工程基础
尽管看似与 AI 无直接关联，但成本、可扩展性、可靠性、速度之间的权衡，以及数据安全与隐私处理，仍是 AI 工程师的核心底层能力。深厚的软件工程功底是有效指挥编程 Agent 的前提，缺乏此基础仅依赖 Agent 的开发模式被称为"Vibe Coding"，难以胜任真正的软件工程挑战。
第三维度：使用编程 Agent
2026 年，善用编程 Agent 已成为开发者标配。关键在于理解模型与 Agent 的能力边界，提供有效上下文，并搭建 Eval 系统验证产出质量。前特斯拉 AI 总监 Andrej Karpathy 提出的“可验证性”框架指出：若能快速且明确地判断 AI 输出结果的正确性，即可放心交由其处理。验证速度越快、标准越明确，Agent 替代人工的效率越高。
02｜第四个维度：真正的分水岭
前三项技能可通过学习快速补齐，而第四维度——吴恩达所称的"Shaping the Build"（参与定义构建内容），则是区分普通开发者与顶尖 AI 工程师的关键。
AI 工具大幅扩展了单个开发者的能力半径，模糊了产品、设计与开发的界限。懂技术的开发者不仅能写代码，更能深度参与产品全周期。在管理层对 AI 认知尚浅的当下，技术人才拥有了定义方向的话语权。
"Shaping the Build"包含四项子能力：
- 快速迭代：具备判断力，灵活选择原型测试、MVP 发布或技术实验，实现小步快跑与频繁交付。
- 产品决策：在文档未覆盖处自主判断，站在用户角度思考需求，并结合商业逻辑评估投入产出比。
- 沟通与领导：利用技术话语权连接业务与技术，协助团队评估项目可行性，倍增个人价值。
- 主动出击：在技术变革窗口期，主动发现问题、提出方案并推动执行，而非等待指令。
03｜市场数据：供不应求的狂欢
数据印证了 AI 工程师的黄金时代。
薪资溢价显著
2026 年，AI 工程师年薪中位数约 145 万元人民币，同比上涨 36 万，高级岗位总包超 218 万，较传统软件工程师溢价 67%。国内春招 AI 相关岗位需求同比增长 14 倍，核心岗位年薪普遍突破 80 万。
需求缺口巨大
AI 工程师需求同比增长 143%，全球开放岗位 160 万个，合格候选人仅 51.8 万，供需比超 3:1。每周新增约 1550 个岗位，峰值时三个岗位争夺一名候选人。
角色融合加速
传统产品经理岗位萎缩，但兼具产品与技术能力的"Product Builder"数量翻近三倍。领英数据显示，软件工程师、数据科学家及全栈工程师正大规模转型为 AI 工程师。
一人公司时代来临
Stripe Atlas 数据显示，2026 年二季度独立创始人占新注册公司比例达 63%，创历史新高。Sam Altman 预测，2028 年前将出现首家市值十亿美元的“一人公司”。
04｜一个人，一家公司
以色列开发者 Maor Shlomo 单人打造 Base44，六个月积累 25 万用户并盈利，最终以 8000 万美元出售给 Wix。Midjourney 早期仅 11 人，人均贡献营收高达 1800 万美元。Instagram 联合创始人 Mike Krieger 表示，借助 Claude Opus 等工具，两人即可复刻 Instagram 的成功。
Andrej Karpathy 将此趋势总结为软件发展的三个阶段：1.0 时代人写代码；2.0 时代神经网络从数据学习；3.0 时代用自然语言指挥大模型，上下文窗口即程序。在 3.0 时代，一人加 AI Agent 即可完成过往小团队的工作量。
05｜AI 工程师技能树全景
基于九大阶段的学习路径总结如下：
| 阶段 | 核心内容 | 关键工具和概念 |
|---|---|---|
| ① 打底 | 前端/后端/全栈基础三选一，优先掌握 Python | Python、Web 开发基础 |
| ② 理解 LLM | 推理训练机制、Embeddings、向量数据库 | LLM、Embeddings、Vector DB |
| ③ 熟悉主流模型 | 商业模型能力、上下文长度、定价及开源生态 | GPT、Claude、Gemini、DeepSeek、GLM、Kimi、Hugging Face |
| ④ 掌握开发平台 | API 调用、Token 管理、成本控制、微调 | Chat Completions API、Playground |
| ⑤ 上下文工程 | 结构化输入输出、引导推理方向（原提示词工程升级） | 上下文工程 |
| ⑥ AI 安全与伦理 | 注入攻击防御、偏见处理、隐私保护、对抗测试 | 提示词注入防御 |
| ⑦ 开源 AI | 本地部署运行、数据私有化 | Hugging Face Hub、Ollama、Transformers.js |
| ⑧ RAG 和 AI Agent | 检索增强生成链路、Agent 构建与工具调用 | LangChain、LangGraph、LlamaIndex、ReAct、OpenAI Agents SDK |
| ⑨ 多模态 AI | 图像/视频理解生成、语音处理 | ChatGPT Images、多模态、实时语音 API |
AI 时代的核心理念仅有六字：“干中学，学中干”。切勿等待完全准备就绪，行动即是最佳学习路径。