AI 时代 16 个岗位：零基础从哪里切入，程序员该往哪转？
从数据标注、AI 训练师，到工作流自动化、AI 产品和算法工程，一份按门槛整理的职业路线图。薪资数字只作市场区间参考，不是收入承诺。
AI 带来的工作机会，已经不只是“提示词工程师”这一种岗位。有人负责准备训练数据，有人盯着模型输出，有人把 AI 接进企业流程，也有人负责产品、合规和安全。
更现实的问题是：零基础的人从哪里进？有行业经验的人怎么转？程序员该往哪走？
下面按入门门槛，把 16 个方向分成四层。薪资数字来自公开招聘、薪资平台和行业资料的综合区间，只适合判断相对位置。城市、公司、经验和项目结果不同，实际收入可能差很多。
第一层：几天到几周可以上手
1. AI 数据标注师
主要工作是给图片、文本、语音或视频打标签，帮助模型学习。门槛低，通常会提供几天培训，远程和兼职机会也比较多。
问题是单价和替代风险都比较明显。简单图文标注正在被自动化，长期目标应该是转向质检、专业标注或项目管理。
适合：需要快速进入 AI 行业、还没有技术基础的人。
2. 具身智能数据采集员
让机器人学会叠衣服、抓取物品、移动物体，需要真人反复示范动作。工作更偏现场操作，不一定要求学历或编程能力，但需要耐得住重复。
它比普通图文标注更依赖真实物理数据，短期内不容易完全自动化。缺点是岗位集中在机器人公司较多的城市，而且通常不能远程。
适合：动手能力强，有装配、餐饮、护理、手工等经验的人。
3. AIGC 内容制作
用 AI 生成文案、图片、短视频脚本或营销素材，可以进公司，也可以接单或做自己的账号。
工具本身越来越容易学，真正值钱的是选题、审美、行业理解和稳定产出。只会调几个参数，价格会越来越低。
适合：内容、设计、运营背景的人，也适合先用副业试水。
4. 数字人直播运营
工作包括配置数字人、写话术、盯直播数据、处理弹幕和管理平台规则。它更接近“直播间导演”，不是简单地按一下开播按钮。
电商、客服、直播助理经验都能迁移过来。收入通常由底薪和提成组成，作息和公司质量需要提前确认。
适合：做过电商、销售、客服或直播运营的人。
第二层：需要一到三个月准备
5. AI 训练师
数据标注是判断“这是什么”，AI 训练师更多是在判断“哪个模型回答更好，以及为什么更好”。工作涉及偏好评估、示范回答、专业审校和模型测试。
中文表达、逻辑分析和专业知识都能带来优势。医生、律师、教师、程序员等专业人士，可以尝试专业领域的模型评测和训练项目。
6. AI 内容审核与信任安全
审核 AI 生成的文本、图片和视频，处理灰区案例、越狱尝试、深度伪造和有害内容，并把判断结果沉淀成规则。
基础岗位不一定要求技术背景，但心理压力不能忽略。往规则制定、政策和风险策略方向发展，长期价值会更高。
7. AI 应用优化师
“提示词工程师”这个名称正在变化。现在的实际工作，已经从写几条提示词，转向设计提示词体系、建立评测集、分析 bad case、优化 RAG 检索和做 A/B 测试。
会写提示词只是起点。真正拉开差距的是：能不能用数据证明模型效果变好了。
8. AI 工作流自动化师
用 n8n、Dify、Coze、Make 等工具，把企业原本靠人工完成的流程串起来，例如自动整理客户咨询、生成日报、处理工单或同步 CRM。
这类岗位的核心不是会某一个工具，而是能看懂业务流程，知道哪些环节适合自动化，哪些环节必须保留人工。
适合：运营、行政、项目经理、业务分析和传统 IT 支持人员。
第三层：需要行业积累
9. 企业 AI 培训师
企业员工知道 AI 重要，但经常不知道怎样用到自己的工作里。培训师需要把工具变成具体岗位能执行的方法，比如给销售、财务、法务或制造业设计专门课程。
有教学、培训、咨询和行业经验的人更容易切入。培训也可能带来后续咨询和落地项目。
10. AI 自动化顾问或独立开发者
这已经不只是一个岗位，更像一门生意。顾问需要找出企业流程中的问题，设计 AI 方案，负责交付和后续维护；独立开发者则可以做垂直工具或小型 SaaS。
收入上限高，但没有稳定底薪，也要自己获客、签合同、收款和处理需求变更。不建议没有客户验证就直接裸辞。
11. AI 产品经理
AI 产品经理要处理一个传统产品经理不太熟悉的问题：模型会犯错，而且同样的输入不一定得到同样的结果。
工作包括判断技术边界、设计容错交互、建立评测指标、平衡效果和成本，以及把业务需求变成能上线的 AI 功能。
它很少适合作为零基础的第一份工作，但传统产品经理、行业专家和工程师都有转型空间。
第四层：需要真正的技术能力
12. AI 应用工程师
这是程序员转 AI 最现实的方向之一。工作重点不是训练基础模型，而是用模型完成产品：RAG 知识库、Agent 工具调用、评测系统、模型部署和成本优化。
需要 Python、后端、数据库、Docker、云服务和 API 能力。学历不是唯一门槛，但项目必须能跑、能测、能解释。
对有后端经验的人来说，补齐 RAG、Agent 和评测，大约需要持续投入数月；零基础则应该先把软件工程基础补起来。
13. AI 安全红队与模型评测
这类岗位负责主动寻找模型的越狱、提示词注入、数据泄露、偏见和 Agent 权限滥用问题，再把测试过程自动化。
网络安全背景、模型理解和工程能力都很重要。它的岗位数量没有应用开发那么多，但随着模型进入企业系统，安全评测的重要性会增加。
14. AI 治理与合规专家
企业需要有人制定 AI 使用规则、做项目风险评估、处理数据与隐私问题、准备监管材料，并建立模型出错后的响应流程。
法务、风控、内审、隐私保护和数据合规从业者更适合从这里切入。它不是纯技术岗位，但必须能和工程团队讨论模型、数据和权限。
15. FDE：前置部署工程师
FDE 可以理解为“到客户现场把 AI 系统做出来的工程师”。他们既要写代码、接数据、处理部署问题，也要理解客户业务、推动各方合作。
这类岗位通常要求多年全栈或交付经验，常常需要出差，不适合零基础转行。高薪背后对应的是客户压力、复杂环境和交付责任。
16. 大模型或具身智能算法工程师
这是最靠近模型研发的一层，涉及预训练、后训练、多模态、强化学习、推理优化和机器人控制。
通常需要扎实的数学、深度学习、分布式训练和论文能力，硕士或博士背景更常见。市场上承诺“三个月转算法工程师”的课程，基本都不值得相信。
不同人，路线不一样
完全零基础，需要尽快有收入： 可以从数据标注、具身智能数据采集或 AIGC 内容开始。但要给自己设期限，几个月后往质检、训练、工作流自动化等岗位升级，别长期停留在纯执行工作。
文科、内容和运营背景： AI 训练师、应用优化师、企业培训师更适合。技术不用一开始学得很深，但至少要能看懂 API 文档、跑简单脚本、理解模型为什么会答错。
程序员： 优先考虑 AI 应用工程师，不必一开始就冲算法岗。把 RAG、Agent、评测、部署和成本优化做成项目，比堆概念更有用。
有多年行业经验的人： 不要把自己当成零基础新人重新开始。你的行业知识、客户关系和流程经验，可能比“会几个 AI 工具”更值钱。企业 AI 培训、自动化顾问和垂直 AI 产品，往往是更顺的入口。
医生、律师、教师、会计等专业人士： 可以先尝试专业模型评测、AI 训练和 AI 治理，再考虑垂直行业产品或咨询。专业判断力是模型暂时替代不了的部分。
最后看三件事
第一，别只追岗位名称。提示词工程师会改名，能力不会凭空消失。真正有价值的是评测、业务理解、流程设计和把 AI 做成稳定产品的能力。
第二，AI 加行业通常比纯 AI 更稳。模型和工具会越来越便宜，知道某个行业的问题在哪里，反而会越来越重要。
第三，应用层通常看作品，核心技术层才更看学历和论文。想转行的人，与其先买证书，不如做两个真实项目，写清楚问题、过程、结果和失败原因。
这份路线图适合用来定位方向，不适合当作收入承诺。真正做决定前，去投几份简历、接一个小项目，再和实际从业者聊聊，得到的信息会比任何岗位排行榜更可靠。