摘要
人工智能对人才市场的影响，通常被理解为“机器是否会替代人的工作”。但从当前产业变化看，更早出现、也更容易被忽视的冲击，可能并不是AI直接消灭岗位，而是AI产业凭借资本、薪酬、技术前沿地位和职业发展空间，把其他行业原本就十分稀缺的工程师、科研人员和复合型人才吸引过去。
路透社2026年7月24日关于英国航空航天业的报道，就是这一现象的典型案例。英国航空航天和国防行业每年短缺约1万名专业工程师；超过一半的持证航空工程师年龄在50岁以上，而30岁以下人员不足10%。与此同时，该行业过去十年增长约31%，订单持续增加，人才供应却没有同步增长。行业人士明确指出，AI和其他新兴技术公司正在吸收原本可能进入航空航天业的年轻工程人才。(Reuters)
这种现象可以称为AI产业的“人才虹吸效应”：少数高增长AI企业和科技中心，从传统制造、航空航天、汽车、能源、金融、科研和软件服务等领域持续吸收顶尖人才，使人才、资本和创新能力进一步向AI产业及头部企业集中。
AI产业由此带来的主要问题，可能不是社会上完全没有人才，而是人才越来越集中在少数高薪企业、少数技术方向和少数城市，导致其他重要产业即使有订单、有资金、有市场，也可能因为缺少工程师而难以扩张。
一、什么是AI产业的“人才虹吸效应”
“人才虹吸效应”并不是指所有进入AI行业的人都来自传统产业，也不意味着人才进入AI领域本身是一件坏事。它主要描述一种资源配置现象：
当一个行业能够提供明显高于其他行业的薪酬、股权回报、技术资源和职业声望时，具有通用技能的人才会持续向这个行业流动。人才流入进一步提升该行业的创新能力和融资能力，又使其能够支付更高薪酬，从而吸引更多人才，逐渐形成自我强化的循环。
AI产业尤其容易形成这种循环，因为它需要的不只是少数专门研究神经网络的科学家，还大量需要软件工程师、芯片工程师、数学人才、控制工程师、机器人专家、产品经理、数据工程师以及具备行业知识的复合型人才。
这些人才并不是凭空产生的。他们往往来自航空航天、自动驾驶、先进制造、金融科技、科研机构、互联网企业和高校。当AI公司的招聘需求快速扩张时，竞争就不再局限于AI企业之间，而会扩展到整个高技能人才市场。
斯坦福大学《2026年AI指数报告》显示，2025年美国各主要经济部门对AI人才的需求都在上升。信息行业招聘信息中包含AI技能的比例达到13.2%，专业、科学和技术服务业为6.5%，金融保险业为5.3%，制造业也达到4.7%。这说明AI人才已经成为多行业共同争夺的资源，而不再只是传统科技公司的内部岗位。
二、英国航空航天业为何成为典型案例
航空航天业长期依赖高水平工程人才。飞机、发动机、无人机和航天器的研发，需要空气动力学、材料、结构、控制、电子、软件和系统工程等多学科协同。这些人才的培养周期通常很长，很多岗位还涉及专业认证、安全规范和长期工程经验。
问题在于，其中相当一部分技能同样受到AI公司欢迎。
例如，具备数学建模、优化算法、仿真、控制系统或高性能计算经验的航空工程师，也可以进入机器人、自动驾驶、机器学习和AI基础设施领域。嵌入式软件、芯片设计和数据处理人才的跨行业流动性更强。
路透社报道援引行业顾问的说法指出，毕业于顶尖航空工程专业的年轻人，现在可能选择Anthropic或OpenAI，而不是波音或空客。与航空航天相比，一些科技岗位进入门槛相对较低，薪酬更高，工作方式也更加灵活。(Reuters)
与此同时，航空航天行业自身也存在人才培养方面的历史问题。部分企业曾经为降低短期成本，削减学徒制等长期培养项目，后来主要依赖应届毕业生岗位和短期招聘计划。这样做虽然减少了培训支出，却削弱了从青年技术人员到资深工程师的完整人才管道。(Reuters)
因此，英国航空航天业当前的人才短缺，不能全部归因于AI。它是人口老龄化、培训投入不足、行业吸引力变化和AI企业竞争共同作用的结果。但AI产业的快速扩张，无疑加剧了原有矛盾。
三、AI企业为什么能够吸走其他行业的人才
1. AI产业具有更强的薪酬支付能力
AI基础模型和算力平台具有明显的规模效应。一旦技术获得市场认可，同一套模型和平台可以面向大量客户提供服务，新增用户带来的边际成本相对较低。
航空制造、能源装备和传统工业则通常需要厂房、材料、供应链、认证、售后服务和长期交付。其收入增长难以像软件平台一样迅速转化为利润，因此很难长期参与高强度的人才竞价。
OECD汇总的美国招聘数据表明，在控制同一企业和其他技能差异后，要求AI技能的岗位仍存在约11%的工资溢价；即使进一步控制到同一企业和同一岗位名称，AI技能溢价仍约为5%。在美国、英国、加拿大、澳大利亚和新西兰等英语国家，与AI高度相关的技能组合也普遍对应更高薪酬。(OECD)
薪酬差异并不需要达到数倍，便足以改变青年人才的职业选择。对于刚毕业、行业经验尚未形成的工程师而言，较高的起薪、股票期权和未来跳槽空间具有很强吸引力。
2. AI岗位具有更强的“职业期权价值”
青年人才选择工作时，考虑的不只是当期工资，还会考虑这份工作能否为未来提供更多可能性。
进入AI企业后，人才可能接触大型模型、先进芯片、海量数据和高水平技术团队，之后可以转向云计算、机器人、金融科技、自动驾驶或创业。AI经验具有较强的跨行业可迁移性。
相比之下，传统产业中的部分岗位专业性很强，但职业路径相对封闭。一名航空维修、发动机认证或特定工业设备领域的工程师，可能需要多年才能获得完整资质，其经验在其他行业中的直接转换能力有限。
于是，同样是工程岗位，AI工作在年轻人眼中往往具有更高的未来选择权。
3. AI产业占据了“技术前沿”的社会形象
AI已经成为全球资本、媒体和政策关注的中心。加入一家领先AI企业，通常意味着参与被认为可能改变未来产业结构的项目。
航空航天、制造、能源和基础设施同样具有重要技术价值，但这些行业的研发成果往往需要多年才能落地，项目反馈周期较长，而且大量工作集中在验证、合规、可靠性和工程细节方面。
AI项目则可能在数周或数月内形成可见成果。更快的反馈、更强的个人影响感和更高的社会关注度，会进一步提高AI行业对年轻人的吸引力。
4. AI人才市场具有明显的集中效应
斯坦福《2026年AI指数报告》基于LinkedIn数据指出，AI人才正在全球范围内向部分国家和地区集中。2025年，以LinkedIn成员为统计口径，以色列的AI人才集中度约为2.1%，新加坡约为1.82%，卢森堡约为1.6%。2019年至2025年，阿联酋、印度和沙特的AI人才集中度增长均超过100%。
这一数据不能完全代表各国全部劳动人口，但可以清楚反映AI人才聚集速度。人才一旦集中，就会吸引更多投资、创业公司、研究机构和供应商，从而进一步提高当地对人才的吸引力。
因此，AI人才竞争不仅发生在企业之间，也发生在国家和城市之间。
5. AI产业自身也存在严重人才短缺
AI企业并不是在人才充足的情况下随意扩张，而是自身也处于人才不足状态。
英国政府发布的AI劳动力市场调查显示，97%的受访机构至少发现了一项AI技能缺口，57%报告存在技术技能缺口；35%的机构表示难以填补AI岗位，尤其缺少有经验的高级人才。28%的受访机构表示，技术技能短缺已经影响其实现业务目标。(政府门户网站)
在这种情况下，AI企业不可能仅依靠高校新培养的AI专业毕业生满足需求。它们必然会从软件、工程、科研和其他技术密集型行业招聘人才。
这正是人才虹吸效应形成的直接动力：AI行业的需求增长速度，超过了专业人才的自然培养速度。
四、人才虹吸对传统产业的影响
1. 人才短缺可能成为比资金更严重的扩张瓶颈
一个产业即使拥有订单、厂房和投资，如果缺少能够设计、验证和组织生产的工程师，也无法迅速扩大产能。
英国航空航天业正面临类似矛盾。一方面，波音、空客等企业拥有大量积压订单；另一方面，资深工程师逐渐退休，年轻人才补充不足。(Reuters)
传统产业的人才短缺，最终可能表现为研发周期延长、项目延期、生产爬坡缓慢、质量控制压力增加和供应链能力下降。
2. 企业被迫提高工资，但未必能缩小吸引力差距
AI企业提高薪酬后，传统企业为了留住关键员工，也需要增加工资和福利。这会推高整个技术人才市场的成本。
但传统企业即使提高工资，也未必能够提供与头部AI公司相同的股权回报、技术资源和职业曝光度。结果可能是企业承担了更高的人力成本，却仍然难以招到最需要的人。
大型航空、汽车和能源集团尚有能力参与竞争，中小供应商则更加困难。人才虹吸因此还会扩大同一产业内部头部企业与中小企业之间的能力差距。
3. 最危险的不是当前缺人，而是人才梯队断裂
高级工程师无法在短时间内通过招聘或培训产生。一个能够独立负责复杂工程项目的专家，通常需要多年项目实践。
如果AI企业大量吸走20至35岁的青年工程师，而传统行业又减少学徒、实习和毕业生岗位，行业可能出现明显的年龄断层：老一代工程师逐渐退休，中间层人才不足，年轻人又缺少成长入口。
这种问题在短期财务报表中并不明显，却会在五年或十年后集中暴露。
因此，传统产业真正需要保护的，不只是现有高级人才，还包括从初级工程师成长为高级工程师的整个过程。
4. 关键行业可能出现“能力空心化”
航空航天、先进制造、能源和国防等行业具有较强的公共性和战略性。它们的产业价值不能只用短期利润衡量。
当大量工程人才向少数商业AI平台集中时，市场配置可能在企业层面是合理的，但在国家层面未必是最优的。社会可能拥有越来越强的模型开发能力，却缺少把模型应用于飞机、发动机、电网、工厂和医疗设备的领域专家。
人才虹吸的最终风险，不是传统行业完全消失，而是行业仍然存在，却逐渐失去自主研发、系统集成和解决复杂工程问题的能力。
五、人才虹吸并不意味着AI与传统产业只能零和竞争
AI人才向高生产率领域流动，本身也是技术进步和市场选择的一部分。如果AI提高社会整体效率，并产生新的工具、平台和知识，那么传统产业也可能从中受益。
真正的问题是，AI能力能否重新扩散回实体产业。
理想的路径不是让航空工程师全部离开航空业去开发通用模型，而是让他们在航空企业内部使用AI完成仿真、设计优化、预测性维护和制造质量控制。这样既能保留行业知识，又能发挥AI的生产率价值。
但要实现这一点，传统企业必须提供足够先进的技术环境。如果企业仍然把AI理解为一个外围信息化项目，让工程师长期从事重复、低效率的工作，那么年轻人才自然会选择技术资源更丰富的AI公司。
因此，抵御人才虹吸不能只靠宣传行业情怀，而要真正改变工作内容、技术平台和组织方式。
六、传统产业应如何应对
1. 把AI能力建设在行业内部
传统企业应建立面向实际工程问题的AI团队，而不是简单采购通用模型。
团队应由领域工程师、数据工程师和AI人员共同组成，重点解决设计优化、智能仿真、故障诊断、生产调度和质量检测等具体问题。
这可以为年轻工程师提供接触AI的机会，使其不必在“留在本行业”和“从事AI”之间二选一。
2. 重新建立长期人才培养体系
学徒制、校企联合培养、实习项目和毕业生轮岗不能被视为可以随时削减的成本。
企业需要明确：初级工程师在最初几年创造的直接产出可能有限，但他们是未来高级工程师的唯一来源。减少初级岗位，等于消耗行业未来的人才储备。
世界经济论坛调查显示，63%的企业把技能缺口视为2025年至2030年业务转型的主要障碍；85%的企业计划加强员工技能培训，70%计划招聘掌握新技能的人才。(World Economic Forum)
对于传统产业来说，内部培养往往比长期参与外部高薪竞价更加可持续。
3. 改革工程师职业发展和激励机制
很多传统企业仍以管理职位作为主要晋升路径，技术人员必须转向行政管理才能获得更高收入和地位。
企业应建立独立的技术职级体系，让首席工程师、系统架构师和高级专家获得与管理人员相匹配的薪酬、资源和决策权。
对于关键人才，还可以采用项目奖金、长期激励、专利收益和内部创业机制，缩小与科技公司的综合回报差距。
4. 强化行业使命与真实技术挑战
航空、能源、制造和医疗设备拥有AI企业难以替代的优势：这些行业直接面对真实世界的复杂问题，成果能够转化为飞机、机器、电网和医疗产品。
企业需要让年轻人才真正参与核心项目，而不是长期承担边缘性、重复性工作。只有当行业使命转化为有挑战性的工作内容时，使命感才会产生吸引力。
5. 推动人才共享，而不是封闭式占有
高校、AI企业和传统产业可以建立联合实验室、双聘制度、人才轮岗和共享研究项目。
一名AI研究人员不一定必须永久离开高校，一名航空工程师也不必完全转行才能参与AI开发。通过人才流动和项目合作，可以使AI知识向传统产业扩散，同时减少单向人才流失。
6. 政府需要把关键产业人才视为基础能力
对于航空航天、芯片、能源、先进制造等战略产业，仅依靠企业自行竞争可能不足以维持长期人才供给。
政府可以通过科研项目、教育投入、职业认证、学徒制补贴、区域创新中心和公共采购，降低企业培养人才的成本。同时需要改善高技能人才的国际流动机制，但国际招聘不能代替本土人才培养。
结论
AI产业的“人才虹吸效应”说明，人工智能对劳动力市场的影响远比“AI会取代哪些工作”复杂。
AI企业不仅在使用自动化减少部分岗位，也在通过高薪、股权、技术资源和职业机会，从其他行业吸收最有能力解决复杂问题的人。由于AI人才的培养速度赶不上需求增长，这种竞争会长期存在。
英国航空航天业的困境是一个警示：一个产业可能拥有强劲订单、成熟企业和重要战略价值，却仍然因为青年人才不足而逐渐失去发展能力。
人才向AI产业流动并非天然有害。问题在于，AI人才是否过度集中在少数公司和通用平台，还是能够分布到制造、航空、能源和医疗等真实产业中。
未来产业竞争的核心，可能不只是“谁拥有最先进的AI模型”，而是“谁能让最优秀的人才愿意长期解决本行业的问题”。
对于传统产业而言，真正有效的应对方式，不是试图阻止人才流动，而是把AI工具、先进技术环境、合理回报和完整成长路径带回行业内部，使年轻工程师不必离开本行业，也能站在技术前沿。