法国、意大利则将数据科学家列为第一需求；德国和日本虽因工业基础特点，软件工程师、嵌入式工程师仍占据需求前列，但

　　这种需求结构的共性与差异，既反映了AI技术的普适性，也体现了各国产业基础对岗位需求的影响。

　　专业支持岗位中，数字营销专家、金融分析师、学习与发展专员成为最受青睐的三大角色。数字营销专家凭借AI驱动的精准营销需求，在法国、意大利等国位居需求榜首；

　　学习与发展专员则因企业内部技能升级需求激增，成为加拿大和美国的第一大支持类岗位；合规专员在英国、德国的高排名，进一步印证了AI时代企业对合规治理的重视。

　　AI对入门级岗位的影响尤为显著，传统的职业入门路径正被重构。纽约联邦储备银行2025年5月的数据显示，22至27岁大学毕业生的失业率达到4.8%，高于同期美国4.2%的整体失业率，这一现象在ICT领域尤为突出。

　　报告指出，90%以上的入门级ICT岗位已受到AI驱动的变革影响，这种影响并非简单的岗位替代，而是岗位核心职责与技能要求的根本性转变。

　　入门级岗位的变革主要体现在两个方面：一是经验要求隐性提高，Indeed招聘实验室的数据显示，要求5年以上经验的科技岗位比例持续上升，而其他行业则呈下降趋势，这意味着入门级岗位与初级专业岗位的界限正在模糊；

　　二是AI技能成为必备要求，即使是基础的ICT支持岗位，也开始要求候选人具备AI工具使用、数据分析等基础能力。

　　这种变化使得传统的学历加基础技能入门模式难以为继，取而代之的是基础技能加AI素养加实践经验的新范式。

　　该报告的核心发现之一是，AI技能已从加分项转变为必备项，78%的受分析岗位在招聘中明确要求AI相关技能。

　　这种技能转型不仅体现在技术能力的更新，更呈现出技术技能与人文技能协同发展的特征，同时也暴露出显著的技能缺口。

　　在Kaiyun官方入口ICT的八大职业家族中，AI技能的渗透呈现出全面性与差异化的特点。人工智能与数据科学类岗位的AI技能融合度最高。

　　AI/ML工程师、数据科学家等岗位的AI技能要求占比超过70%，达到核心级别；业务与管理类岗位中，AI业务顾问、AI风险与治理专员的AI技能融合度也达到核心级别，反映出AI战略与治理能力已成为管理岗位的关键要求。

　　人工智能与数据科学：最核心的技能包括大模型、机器学习、MLOps、基础模型适配等，新兴技能则聚焦多智能体系统、扩散模型等前沿领域。

　　网络安全：传统安全技能仍为基础，但LLM安全与越狱防御、AI供应链安全、提示注入防护等AI安全技能需求激增，年增长率均超过200%。

　　架构与平台：AI原生架构模式、分布式推理架构、多模型编排等成为新兴核心技能，反映出基础设施设计对AI负载的适配需求。

　　软件工程：AI驱动的代码生成、LLM集成与RAG实现、向量数据库与语义搜索等技能需求快速增长，改变了传统的软件开发流程。

　　业务与管理：AI治理框架、负责任AI实施、AI产品战略等技能成为核心，要求管理者具备AI战略规划与伦理管控能力。

　　对比2023年与2025年的AI技能需求变化，报告发现技能焦点已从传统的模型构建转向更复杂的应用落地与风险管控。

　　而到2025年，多智能体LLMs、RAG系统、提示工程、LLMOps、边缘AI部署等成为核心需求，反映出AI技术从实验室走向产业应用的关键转变。

　　尽管技术技能的变革剧烈，但报告强调，人文技能的重要性不仅没有下降，反而随着AI的普及日益凸显。

　　在G7国家的所有岗位中，沟通、协作、领导力、批判性思维、问题解决等人文技能均位列需求前列，其中沟通技能出现在30多个岗位的需求描述中，成为跨岗位的共性核心能力。

　　领导力与管理能力：包括AI战略制定、跨职能团队领导、变革管理、利益相关者沟通等，帮助组织有效推进AI转型。

　　问题解决与创新能力：涵盖批判性思维、创造性问题解决、系统思维、伦理决策等，是AI无法替代的核心竞争力。

　　协作与沟通能力：包括技术沟通、跨文化协作、敏捷方法应用、演讲表达等，确保人机协同与团队高效运作。

　　值得注意的是，这些人文技能并非孤立存在，而是与AI技术技能深度融合。例如，AI战略制定能力要求管理者既懂AI技术潜力，又能结合业务目标进行战略规划；

　　伦理决策能力则要求技术人员在模型开发中兼顾技术可行性与社会伦理影响。这种技术+人文的复合技能模式，成为AI时代的核心竞争力。

　　报告的技能缺口分析显示，G7国家的AI相关技能缺口已达到临界水平，成为制约企业AI转型的主要瓶颈。

　　在技术技能领域，大模型、LLM架构、提示工程、对话式AI、Transformer架构、生成式AI等13项技能的缺口达到临界级别，即不足30%的需求能够得到满足。

　　这些技能涵盖了AI应用的核心环节，其短缺直接影响企业的AI落地效率。AI治理与伦理相关技能的缺口尤为突出。

　　尽管AI治理、AI伦理的需求增长率分别达到150%和125%，但合格人才的供给严重不足，成为企业合规风险的潜在隐患。网络安全领域的AI安全技能也面临类似问题，LLM安全、AI供应链安全等新兴技能的人才储备几乎为空白，难以应对日益复杂的AI安全威胁。

　　相比之下，人文技能的缺口相对温和，仅数据叙事和战略思维两项技能呈现中等缺口，50%-70%的需求得到满足，其他如跨职能协作、情商等技能的供给基本能够匹配需求。

　　这一现象表明，在技术快速迭代的背景下，人文技能的培养相对滞后，但其缺口程度远低于技术技能，也为求职者提供了差异化竞争的机会。

　　面对AI驱动的岗位与技能变革，报告提出了覆盖企业、教育机构、政策制定者、当前劳动者与未来劳动者的全方位准备路径。这些路径基于不同主体的角色定位，强调分层分类施策，构建可持续的AI适配型人才生态。

　　报告发现，AI技能需求随职业阶段的演进呈现出清晰的梯度特征，不同层级的岗位面临差异化的技能升级任务。

　　入门级（0-3年经验）：核心是掌握AI工具使用与基础技术能力。85%的入门级岗位要求具备ChatGPT、Claude等AI应用工具的使用能力。

　　45%的岗位要求了解TensorFlow、PyTorch等机器学习库的基础应用，能够在指导下参与模型开发与测试。这一阶段的重点是培养AI素养与实践操作能力，为后续职业发展奠定基础。

　　中级（3-7年经验）：核心是具备AI系统运营与部分战略规划能力。75%的中级岗位要求掌握MLOps/LLMOps技能，能够设计部署模型流水线%的岗位要求具备高级模型开发能力，包括超参数调优、神经网络架构设计等。同时，

　　65%的岗位要求具备AI项目管理能力，60%要求了解AI伦理与治理框架。这一阶段是技术深度与战略视野的关键提升期。

　　7年以上经验）：核心是具备AI战略领导力与治理能力。90%的高级岗位要求具备AI战略制定能力，能够制定AI路线图与转型规划；88%的岗位要求具备复杂AI项目管理能力，包括风险管控、跨职能协调等。85%

　　的岗位要求主导AI伦理与治理框架的建立，确保AI部署的合规性与负责任性。这一阶段的重点从技术执行转向战略引领与风险管控。

　　AI项目管理、资源配置与MLOps；高层领导者则侧重AI战略、伦理治理与投资回报率（ROI），主导组织层面的AI转型。AI

　　G7国家技术的分析发现，AI岗位的增长呈现出显著的区域集聚特征。硅谷以156%的AI岗位增长率领跑全球，伦敦（132%）和多伦多（118%）紧随其后，构成全球AI人才集聚的第一梯队。这些成熟技术强城市凭借完善的产业链、丰富的资本支持和密集的科研资源，成为

　　AI岗位增长的新动力。英国的曼彻斯特以89%的增长率成为新兴中的佼佼者，法国里昂（76%）、加拿大温哥华（71%）、德国慕尼黑（68%）、意大利米兰（54%）等城市的AI岗位增长均超过50%。

　　AI发展路径，例如慕尼黑的工业AI、米兰的时尚科技AI等。从国家层面来看，美国的

　　AI岗位分布呈现多点开花格局，硅谷、纽约、波士顿、奥斯汀等多个城市协同发展。英国则形成了伦敦主导、曼彻斯特、爱丁堡等多点支撑的格局；日本的东京和大阪、德国的柏林和慕尼黑、法国的巴黎和里昂等也形成了双核心或多核心的发展态势。

　　AI技能需求的区域分化，为求职者提供了多元化的就业选择。想转型AI，不被时代淘汰