専訪コレイ国際輪番CEO曾誠：もはや「すべてのAIポジションが熱い」わけではない AI人材競争は汎用能力からシナリオ実装へと移行している

株式投資は金麒麟のアナリストレポートを見ればよい。権威的で、専門的で、タイムリーで、包括的で、潜在力のあるテーマやチャンスを掘り起こすのをお手伝いします！

（出所：証券時報）

最近、ユービーセン（UBTECH）は年収1500万〜1.24億元で「身体知能（具身知能）のチーフ・サイエンティスト」を世界規模で募集すると発表し、AI人材の採用ブームを再び加熱させた。

AI人材の採用現状はどうなっているのか？今後どのようなトレンドになるのか？採用エコシステムにはどんな痛点があるのか？これについて、コーレイ・インターナショナルの暫定CEO（輪番制）である曾诚氏は、証券時報記者のインタビューに対し、千万元以上の報酬での採用は業界の常態ではなく、通常は少数のトップ企業に限られ、さらに特定のウィンドウ期間における個別のケースが多いと述べた。今回の一連の動きは、ちょうどAI人材の競争が汎用能力からシーン（用途）での実装へと移行していることを示している。身体知能が重要な転換点に入ると、企業が争うのは人材そのものだけではなく、技術を本当に実装へと押し進め、そして未来の構図を定義できる「ごく少数の人材」である。

また同氏は、2026年のAI産業チェーンの採用熱は構造的に継続し、「すべてのAIポジションが熱い」状況にはならず、「熱くなるべきところはさらに熱く、熱くないところは自然に冷める」という形で、「理性的な繁栄」新段階へ入ると予想している。

3種類のAIポジションの給与には明確なプレミアムがある

証券時報記者：私たちが観察している現在のAI産業チェーンの採用動向は、どのようなものですか？

曾诚：コーレイ・インターナショナルのデータ・プラットフォームによるリアルタイム監視から見ると、現在のAI産業チェーンの採用需要は確かに旺盛な勢いを保っており、AI人材の需要には3つの比較的はっきりした変化が現れています。第一に、垂直業界向けモデルの最適化とマルチモーダル能力のアップグレードを中心に、企業のコア・アルゴリズムおよびモデルのエンジニアリング化人材への投資が大幅に増えていることです。たとえば、ビッグモデルのアルゴリズムエンジニア、アルゴリズム研究員、そしてモデルのデプロイや性能最適化を実現できるエンジニアといった職種は、需要が長期的に高い水準にあり、採用の難易度も比較的高くなっています。

第二に、身体知能と人型ロボットが大規模な検証段階に入るにつれ、関連する最先端のポジションが急速に採用ホットスポットになっています。たとえば、VLA/L4/世界モデルの方向性、身体知能アルゴリズムエンジニア、マルチモーダル統合アルゴリズムの専門家、さらにロボットの知能制御の方向性の人材です。これまでこうした職種の需要は分散していましたが、今は企業が争う重点になっており、給与のプレミアムも非常に明確です。

第三に、AIが実体（フィジカル）産業へ向けて深く浸透していき、特にスマートエージェントの実装が、業界アプリケーション側の職種需要の増加を後押ししています。企業は、技術も業務も理解した複合型人材をより好みます。たとえばスマートエージェント開発エンジニア、AIソリューションのアーキテクトなどです。同時に、技術をビジネス価値へ転換し、さまざまなシーンのユーザー需要を的確に洞察できるAIプロダクトマネージャーやプロダクトソリューションの専門家も、市場で希少な重要ポジションになっています。

さらに、AIが企業の中核となる業務シーンでの活用をますます深めるにつれ、企業はモデルの信頼性、データ品質、ビジネスの安全性を重視する度合いを明らかに高めており、それがデータガバナンス、AIセキュリティ評価、コンプライアンス監査といった職種の採用熱の持続的な上昇にもつながっています。

証券時報記者：AI産業チェーンの採用では、給与水準に明確な上昇が見られますか？

曾诚：全体を見ると、AI産業チェーンの給与水準は一律に上がっているわけではありません。コアとなる上昇幅は、希少な領域（レアなレース）とコア職種に集中しています。優秀人材の転職による給与上昇率は、概ね20%〜30%の範囲に集中している一方で、企業は重要技術やリーダー型ポジションに対してはより大きな給与の柔軟性（弾力性）を示しています。

実際に明確なプレミアムがあるのは、主に3種類の職種に集中しています。第一は、マルチモーダルおよび身体知能の方向性、特にアルゴリズム、システム、制御能力を兼ね備えた複合型人材です。関連するコア職種の給与プレミアムは顕著です。大規模モデルのアルゴリズム上級専門家の年収は100万〜200万元の範囲です。AI Agent技術の上級エンジニアの年収は40万〜70万元の範囲です。

第二は、モデルのエンジニアリング化および大規模デプロイの方向性です。簡単に言えば、実験室のモデルを実際の業務にきちんと落とし込み、安定して稼働させられるエンジニア人材です。この種の人材は需要が旺盛で、給与の伸び幅も非常に目立ちます。

第三は「技術＋業界＋プロダクト」の複合型の役割です。たとえばAIプロダクトマネージャー、ソリューションアーキテクトなどです。この種の人材は、技術を理解しているだけでなく、業界の業務も理解し、さらにビジネスニーズの接続も担える必要があり、給与水準も引き続き上昇しています。たとえばAIプロダクト上級マネージャーの給与は80万〜100万元に達します。

AI産業の採用熱は高位を維持するが、伸び率は横ばい傾向

証券時報記者：2026年のAI産業チェーンの採用熱は、今後も継続すると予測していますか？それとも平坦化し、あるいは冷え込むのでしょうか？判断の根拠は何ですか？

曾诚：私の考えでは、2026年のAI産業チェーンの採用熱は構造的に継続し、全体として高い水準を保つものの、伸び率は横ばいになる見込みであり、「理性的な繁栄」新段階へ入る可能性があります。中国でも、世界の主要な経済体でも、AIはすでに中核的競争力の位置づけに置かれています。政策、資本、産業資源の継続的な投入があるため、これが短期間のホットトピックで終わることはありません。技術そのものの観点から見ると、人工知能は依然として世代交代（イテレーション）の進化の初期段階にあります。マルチモーダル大規模モデル、身体知能、AI for Scienceといった方向性はいくつかの初期成果を得ていますが、本当の成熟にはまだ長い道のりがあります。技術が引き続き急速に進化している限り、高品質人材への需要は止まりません。

同時に、AIはあらゆる分野へ向けて加速的に浸透しています。過去は主にインターネットや金融など、デジタル化の程度が高い領域に集中していましたが、現在は製造、エネルギー、農業、医療などの実体産業へ向けて加速して浸透しています。どの伝統産業であっても、デジタル化・スマート化のアップグレードの背後には、継続的で安定した人材需要が生まれます。

ただし、トレンドとしては、将来は「すべてのAIポジションが熱い」状況ではなく、「熱くなるべきところはさらに熱く、熱くないところは自然に冷める」ものになります。企業にとっても人材にとっても、これは実は良いことです。

証券時報記者：企業にとっても人材にとっても良いこと、というのはどういう意味ですか？また、現在のAI産業チェーンの採用エコシステムをどう評価しますか？

曾诚：私は、現在のAI産業チェーンの採用エコシステムが、初期段階の高熱度・強い感情に支配される状態から、より理性的で、しかもより構造的な段階へ移行しつつあると考えています。ひとつには、人材需要が価値指向へと回帰し始めていることです。ここしばらくの間、市場には確かに「AIに少しでも関係があれば人を奪い合う」状況がありました。しかし今、企業はますます明確になってきています。真に競争力を決めるのは、ポジション数ではなく、人材が業務の実装を支えられるかどうかです。この変化は、採用が「見せかけ（ハイプ）で勝負」から「能力で勝負」へ移ることを後押ししており、産業全体にとって必要な軌道修正になっています。

人材の構造もアップグレードされつつあり、複合型能力が主流の方向になっています。企業は、アルゴリズムだけ分かる人や業務だけ分かる人の単点採用は、すでにかなり減っています。むしろ、技術の原理を理解し、業界のシーンに接続でき、プロダクト意識を備えた複合型人材をより必要としています。ある意味では、これは人材が伝統的な「T型」構造から、多次元の「兀型」構造へと進化することも後押ししており、AI産業全体の人材の質を高めることに長期的にプラスになります。

アジャイルな（柔軟な）雇用形態が、単なる補助的な選択肢から戦略的なツールへ変わりつつあります。これは私たちがここ2年で非常に明確に観察している点です。AI技術の反復が加速するにつれ、企業が従来の正規雇用の編成だけで、すべての高度な能力需要をカバーすることは難しくなります。そこで、プロジェクト制の専門家や独立コンサルタントなどを通じて重要能力を導入する企業が増えています。このモデルは一方で企業の人件費と試行錯誤のリスクを下げ、他方で熟練した専門家人材に、より柔軟で多様な職業の道筋を提供します。私たちがサービスを提供している、異業種からAI産業チェーンへ参入するある会社を例にすると、創業者が参入した領域（そして本人）の深い理解に基づき、業務と組織の診断を通じて創業者が業務の発展方向と重要な人材需要を整理できるよう支援しました。通常のやり方で業界トップ人材を引き寄せたり引き抜いたりするのは、この領域と企業の実情に照らして、時間軸とコストの観点から不適切だったためです。代わりに、創業者がプロダクト設計、研究開発、サプライチェーン、海外マーケティングなどの重要なモジュールをプロジェクトタスクへ分解し、3か月以内に部門横断の専門家チームを素早く組成できるようにしました。その結果、「コアとなる創業者＋外部専門家ネットワーク」というアジャイルな組織を形成し、プロダクト開発サイクルを大幅に短縮しました。現在、製品は海外市場へいち早く投入され、0から1へのブレイクスルーが実現しようとしています。

「人を奪う」から「育成＋活用」へ重点を移すことを提案

証券時報記者：より理性的で構造的なAI産業の採用エコシステムには、注意すべきリスクもありますか？

曾诚：現在の採用エコシステムは確かにより理性的になっていますが、警戒すべきリスクもあります。第一に、高位人材への過度な集中により、中小企業では「人材の獲得が難しい」ことです。トップ企業の大規模企業とスター的な新興企業が、最上位のAI人材を独占してしまうため、中小企業が人材を確保する難易度が上がり、一定の範囲で産業全体の革新の活力を弱め、さらには「トップ主導」の構図につながる可能性があります。

第二に、企業が「すぐ使える（即戦力）」ことを好むため、初級人材の成長スペースが圧縮されることです。多くの企業は採用時に、8年以上の経験を持つベテラン人材を明確に好む一方で、1〜3年の初級人材への投資は不足しています。また一部の企業には、人材育成のための完備した仕組みが欠けており、人材を採用しても適切な成長の場を提供できません。その結果、優秀人材の流出率が高止まりしています。もし長期的に体系的な育成メカニズムが欠けたままだと、将来「人材の断層」が生じる可能性があります。

第三に、短期の利得を追う心理が上昇し、資源のミスマッチリスクがあることです。一部の企業や個人は短期の報酬リターンに過度に注目し、長期の能力構築やビジネス価値の創出を見落としています。市場環境が変わると、「高コストだが成果が低い」という状況になりやすくなります。

証券時報記者：この状況に対して、どのような提案がありますか？

曾诚：産業エコシステムとしては、より開かれた人材の流動（流通）メカニズムを構築し、大企業の人材を中小企業や伝統産業へ流動させることを奨励するのがよいと思います。人材の共有や技術アドバイザーのようなモデルを通じて、AI能力がより広範に実体経済へ賦課（活用）されるようにします。企業としては、「人を奪う」から「育成＋活用」を重視する方向へ切り替えることを勧めます。ひとつには、柔軟な雇用（フレキシブル雇用）や独立アドバイザーなどの方式で、希少能力を素早く獲得すること。もうひとつには、社内の育成投資を強化し、「AI＋業務」の複合型人材育成体系を構築することです。同時に、逆方向の検証として、本当の業務上の問題でポジションを定義し、理性的な採用を維持すること。人材育成と定着（リテンション）の体系を整える必要があります。

採用企業は、必ずニーズを考え抜いてから採用を始めるべきです。多くの企業の最大の誤りは、「他社が採用しているのを見て、自分も採用しなければならない」と思い込むことです。しかしそのポジションが結局、どんな課題を解決するためのものなのかを考え抜いてはいません。技術が詰まっているのか、プロダクトのブレイクスルーが必要なのか、あるいはすでにビジネス実装の重要段階に到達しているのか。もしこの問題を明確に考えられていないなら、人を採用しても最終的に「人はとても高いが、結局何をすればいいのか分からない」という状況になりやすいのです。

ハイエンド人材は、最初から「買い切り（完全買取）」で獲得する必要がない場合もあります。非常に希少で、階層（レベル）も高い人材であれば、実際にはプロジェクト制やアドバイザー制で、しばらく協業して能力と適合性を検証することが可能です。そうすれば能力やマッチング度合いを確かめられ、企業の一度に大きく投入するリスクも下げられます。成熟した人材を狂ったように奪い合う同時に、企業は高いポテンシャル人材を識別する仕組みも構築する必要があります。なかには、今すぐ「強い勝負（ハードタスク）を打ち抜く」ことができないかもしれませんが、学習能力が高く、システム思考が良く、技術と業務の両方に熱意がある人もいます。こうした人材に適切な環境を与えれば、成長速度は往々にして期待を上回ることが多いです。

人材にとっては、「Π型」の能力構造を構築すべきです。十分に深い技術の縦軸を必ず1本持つ必要があります。たとえばアルゴリズム、システム、エンジニアリングの中のいずれかの方向です。同時に、業界・業務・プロダクトを横方向に理解して、技術が最終的に何の問題を解決するためのものなのかを知る必要があります。単点の能力は代替されやすい一方で、つなぐ能力はますます価値が高くなっていきます。また、自分で手を動かすことと考えることのバランスを保ち、実際にコードを書いて実験を回すこともできれば、技術の外側へ視野を広げて、業界のトレンド、ユーザー価値、ビジネスの本質について考えることもできるようにするべきです。

大量の情報、精密な解釈は、Sina Finance APPにお任せください