如何成為人工智能工程技術人員
人工智能工程技術人員分析、研究和開發人工智能演算法和深度學習技術,並負責人工智能系統的設計、優化、運維、管理和應用。
主要任務
- 分析研究深度學習、神經網絡和各類人工智能演算法
- 研究開發並應用人工智能的指令、演算法和技術
- 規劃、設計和開發執行人工智能演算法的芯片
- 研發和優化語音識別、語義理解、圖像識別、生物特徵識別等技術
- 設計、集成、管理和部署人工智能軟硬件系統
- 設計開發人工智能系統的解決方案
- 提供人工智能方面的技術諮詢和服務
入行途徑
- 大學: 電腦與資訊科技學位, 中國有 100 所大學開設 相關學士專業類(《普通高等學校學士專業目錄(2025年)》):電腦類(0809);專業如智能科學與技術、電腦科學與技術、軟件工程、網絡工程、物聯網工程、數字媒體技術。由 Peernovo 與本職業匹配。
- 大學: 工程學學位, 中國有 105 所大學開設 相關學士專業類(《普通高等學校學士專業目錄(2025年)》):電子資料類(0807);自動化類(0808);專業如人工智能、電子資料工程、電子科學與技術、通信工程、微電子科學與工程、光電資料科學與工程。由 Peernovo 與本職業匹配。
- 職業教育專業: 高等職業教育專科專業:人工智能技術應用(510209) 職業教育專業 510209 人工智能技術應用,基本修業年限三年。教育部《職業教育專業簡介(2022年修訂)》將本職業列入該專業的職業面向。職業類證書舉例:電腦技術與軟件專業技術資格、電腦視覺應用開發、Python 程序開發、人工智能深度學習工程應用、智能計算平台應用開發、人工智能數據處理。; 高等職業教育學士專業:人工智能工程技術(310209) 職業教育專業 310209 人工智能工程技術,基本修業年限四年。教育部《職業教育專業簡介(2022年修訂)》將本職業列入該專業的職業面向。職業類證書舉例:電腦技術與軟件專業技術資格、電腦視覺應用開發、Python 程序開發、人工智能深度學習工程應用、智能計算平台應用開發、人工智能數據處理。
- 國家職業資格: 水平評價類職業資格:電腦技術與軟件專業技術資格 國家職業資格(水平評價類),並非從業必需。列入《國家職業資格目錄(2021年版)》,實施部門:工業和資料化部、人力資源社會保障部。Peernovo 將其與本職業關聯。
薪酬 · AI 與這份工作
- 全國薪酬中位數:每年 ¥79,500(2025 年)。
- 中間一半:¥55,200 至 ¥123,700。十分之一的人低於 ¥42,000,十分之一的人高於 ¥192,300。
- 這是中類「工程技術人員」的數據,並非僅針對該職業。
- 全國數據:人力資源社會保障部企業薪酬調查中的企業從業人員工資價位,不包括公共部門和個體從業者。
- 僅限廣州:中位數每年 ¥172,500(2025 年),中間一半為 ¥119,287 至 ¥317,400。
- 這是小類「數碼科技工程技術人員」的數據,並非僅針對該職業。
- 根據國際勞工組織的全球估算,生成式 AI 可能會改變這份工作中的許多任務,這通常是重塑工作,而不是取代工作。
誰在做這份工作
- 人口普查中類「工程技術人員」佔全國就業人員的 2.35%,其中女性佔 17.1%(2020 年人口普查)。
- 35 歲以下佔 48.9%,35 至 54 歲佔 45.1%,55 歲及以上佔 6%。年齡中位數所在年齡段為 35 至 39 歲。
- 這是整個中類的人口普查數據(2020 年長表抽樣),並非僅針對該職業。
相關職業
常見問題
如何成為人工智能工程技術人員?
入行途徑包括:電腦與資訊科技學位;工程學學位;高等職業教育專科專業:人工智能技術應用(510209);高等職業教育學士專業:人工智能工程技術(310209)。
人工智能工程技術人員在中國能賺多少錢?
在全國範圍內,企業從業人員的薪酬中位數為每年 ¥79,500(人力資源社會保障部,2025 年),不包括公共部門和個體從業者。這是中類「工程技術人員」的數據。僅在廣州,這一數字為每年 ¥172,500(2025 年)。
AI 會改變人工智能工程技術人員的工作嗎?
根據國際勞工組織的全球估算,生成式 AI 可能會改變這份工作中的許多任務,這通常是重塑工作,而不是取代工作。
數據來源
- 人力資源社會保障部《2025年企業薪酬調查信息》,取得於 2026年10月5日
- 廣州市人力資源和社會保障局《廣州市2025年人力資源市場工資價位》,取得於 2026年10月4日
- 國家統計局《中國人口普查年鑑-2020》(長表 4-6、4-7),取得於 2026年10月4日
- International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140, Gmyrek et al.)(ILO Working Paper 140, May 2025, Annex Table A1),CC BY 4.0,取得於 2026年10月4日
- 人力資源社會保障部、國家市場監督管理總局、國家統計局《中華人民共和國職業分類大典(2022年版)》(社會公示稿),取得於 2026年10月4日
資料來源:人力資源社會保障部、國家市場監督管理總局、國家統計局《中華人民共和國職業分類大典(2022年版)》(社會公示稿);廣州市人力資源和社會保障局《廣州市2025年人力資源市場工資價位》;國家統計局(www.stats.gov.cn)《中國人口普查年鑑-2020》;教育部《職業教育專業簡介(2022年修訂)》《普通高等學校學士專業目錄(2025年)》;人力資源社會保障部《國家職業資格目錄(2021年版)》;O*NET 興趣數據(CC BY 4.0);國際勞工組織全球生成式人工智能職業暴露指數(CC BY 4.0)。數據經 Peernovo 整理加工。職業與 ISCO-08、專業、學科領域及職業資格的對應關係由 Peernovo 編制。
職業描述和主要任務由 Peernovo 依據《中華人民共和國職業分類大典(2022年版)》中的事實自行撰寫;職業名稱和工種名稱沿用大典。
更新於 2026年10月5日
