作者｜霞光AI實驗室 子墨

AI行業獵頭一單賺近300萬？！

前不久，一張截圖在各個群裏刷屏：某具身智能公司招聘AI算法專家，年總包薪資高達1050萬元；獵頭費26%，273萬元。

消息一出，有人羨慕AI核心人才的身價，有人感嘆，AI浪潮不僅抬高了從業者的薪酬，也讓產業鏈上的相關角色找到了新的賺錢機會。人才越稀缺，爭奪越激烈，站在企業和候選人之間的獵頭，也被推到了風口上。

這種爭奪並非只存在於傳聞中。據Euronews報道，OpenAI、Meta、Google、Anthropic等巨頭公司，正在爭搶數量極為有限的頂尖AI研究人員。其中，Meta還曾為招募24歲AI研究員Matt Deitke，開出一份總額約2.5億美元、期限四年的薪酬方案。國內的競爭同樣在推高少數核心崗位的價格，字節跳動Top Seed部分核心崗位的年薪已超過600萬元。

而在這場不斷升級的高價競逐中，一個耐人尋味的悖論也隨之浮現。

從技術邏輯看，獵頭似乎恰恰是AI很容易替代的一個職業。企業可以用AI搜索簡歷、篩選候選人、匹配崗位，效率比傳統的人工推薦高得多。與此同時，真正的AI人才根本不缺去處，他們手裏往往握着好多個offer，需要做的只是選擇，似乎也不需要獵頭幫忙找工作。

可現實卻走向了另一個方向：AI行業的獵頭生意正在變得越來越好，這個越是能被AI提效甚至替代的職業，越是在AI人才大戰中賺到了更多錢。

帶着種種疑惑，我們找到了網傳截圖所涉獵頭集團另一家子公司的員工Peter。對方確認，截圖中的訂單確實存在，但273萬元是公司層面的服務費，並不意味着某一名獵頭可以全部拿走。

「中間還有公司和團隊的多層分成，真正到個人手裏，大概是40-50萬元。」

而比這筆佣金更值得追問的是：當AI已經能夠篩簡歷、匹配崗位，為什麼頂尖人才的招聘反而更依賴獵頭？在企業與手握多個offer的候選人之間，獵頭真正提供的究竟是什麼？

答案就藏在AI行業獵頭的真實工作流程裏。以下是Peter的講述——

風口上的AI獵頭，沒那麼好「飛」

我轉行做獵頭，是因為不想再待在甲方了。

22年實習開始就在甲方做招聘工作。那幾年，幾乎每天都在圍繞同一個行業找人，見到的崗位和候選人都很垂直。但獵頭不一樣，它像把辦公室的一面牆推開：同時面對不同公司、不同賽道，人的選擇也一下子多了起來。

於是2025年，我決定換到另一邊，開始替企業在市場上找人。

進來以後才發現，獵頭不是拿到一份JD、轉手發給候選人那麼簡單。工作主要分成兩頭：一頭叫開發，要主動找到有招聘需求的公司，與創始人、人事或其他負責人談合作；另一頭叫交付，接到職位後，把合適的人送到企業面前。我自己兩頭都做，既要問清客戶究竟想要怎麼樣的人才，也要承擔最後交不交得出人的壓力。

雖然我Base在寧波，但手裏的AI客戶主要集中在北京、上海、深圳和杭州。大部分需求隔着螢幕就能談清，遇到必須當面溝通的情況，第二天買張票也能趕過去。其實做久了以後就會發現，對獵頭來說，城市之間的距離不是什麼大問題。

真正難跨越的，是不同AI業務之間的距離。

同樣是一家AI公司，有的做軟件，有的做硬件；有的服務企業，有的直接面向消費者。即使都是產品，有的是賣效率，有的是提供情緒價值。業務不同，需要的人才也完全不同。所以每接觸一家新客戶，我都得先弄清楚這家公司目前在做什麼事情，founder的背景如何，目前企業正在處於什麼階段等等。

只有這些問題有了答案，才知道應該去哪裏找人。

沿着這些需求看下去，市場的冷熱也會慢慢顯現出來。世界模型、具身智能和機器人方向拿到的資金相對更多，硬件大致排在第二梯隊，軟件則要看具體做的是什麼。

錢流向哪裏，招聘需求自然就會跟到哪裏。

落實到具體崗位上，前端的需求相對少一些，後端、全棧、算法和產品崗十分熱門。而等產品真正做出來，企業還得想辦法把它賣出去，於是BD也成了招聘鏈條裏少不了的一環。

不過，職位多不等於每個人都能拿到高薪。大多數跳槽仍按原薪資上浮10%-20%，薪酬通常還是以現金為主，期權有沒有、佔多少，要看職位和候選人的title。

獵頭的收入也遵循同樣的現實。行業裏常見的服務費率在20%-25%，傳統獵頭一年的常見業績大約在70-100萬元，算上底薪和提成，個人年收入通常在20-40萬元。不過，當手裏掌握着企業找不到、其他獵頭也很難觸達的人，也有機會把費率談得更高。

AI崗位多、人才流動快，成交機會確實比部分傳統行業要多。但賽道熱，並不意味着每個獵頭都能賺到更多錢，收入最終還是由交付決定：找到人是一方面，真正被企業錄用並順利入職，才能變成業績。

而且，人入職了，這筆錢也還不算真正落袋。

企業通常會設定三個月或六個月的試用期，獵頭費也會分兩次甚至三次支付。如果候選人在試用期內因為能力不匹配而離職，獵頭需要在約定時間內重新補人；如果補不到，會退還已經收取的費用。

所以，獵頭賺到的從來不是「找到一個人」的錢，而是「找到一個合適的人，並讓他穩定留下來」的錢。

從甲方來到獵頭，再從傳統招聘走進AI，原以為只是換了一個熱門的賽道。後來才明白，風口只負責把職位吹過來，至於能不能接住，要從找到一個對的人開始。

搶人最快的時候，是別人下班以後

很多候選人的電話，要等到晚上才能打通。

白天，他們在開會、趕項目，不會為陌生號碼停下工作，所以我的工作時間也會跟着往後移。別人一天工作七八個小時，我可能再多三四個小時；有時周末繼續聊，有時也會為了一個人趕去他的城市約個咖啡。

外界想象中的獵頭挖人，總帶着一點「圍追堵截」的戲劇性，實際上沒有那麼誇張。我不會盯着朋友圈定位製造偶遇，那樣太刻意。想見一個人，會先聯繫，再正式約時間。第一次坐下來也未必要談職位，先認識、先聽他在做什麼，再判斷他是否想換個環境。

在這之前，還有一段看不見的準備。

企業給來一個崗位，我不會馬上撲進簡歷庫，而是先問：為什麼現在招？已經找了多久？團隊到了什麼階段？喜歡怎樣的人？薪資和福利能給到哪裏？等企業把需求說清楚，找人的工作纔會真正開始。

我會先畫一張「人才地圖」：這個方向的核心人才集中在哪些城市、哪些公司，又能通過什麼渠道聯繫上。招聘平台和領英是最常用的入口，線下的黑客松、論壇、沙龍和展會也不能放過。遇到合適的簡歷，但聯繫不上本人時，可能還會順着畢業院校和同學關係繼續尋找。

不過，即使找對了方向，也不一定能馬上找對人。AI行業更新太快，新的概念源源不斷，同一種能力到了不同公司，可能會被包裝成完全不同的職位名稱。

FDE就是一個典型例子。

不同公司對FDE的理解並不一致，給出的候選人畫像有時也很模糊。只按照職位名稱搜索，很容易越找越偏。遇到這種情況，只能先挑選一批接近要求的人推薦過去，再根據企業的面試反饋不斷調整。幾輪下來，那個最初寫得並不清楚的需求，纔會逐漸顯露出真實輪廓。

名稱可以不斷變化，企業挑人的標準卻有不少共同之處。聰明、能夠獨立思考、經歷過從0到1，是最常出現的要求。創業公司還會多問一句：這個人願不願意陪着公司一起成長？

軟性要求之外，還有一條更直接的篩選線。

有些企業明確要求候選人來自985、211或雙一流院校，甚至會點名學校、學歷層次和大廠經歷。年齡也是一道門檻：有的公司希望控制在30歲，有的會放寬到35歲。但超過35歲也並非完全沒有機會，如果項目經歷足夠突出，又有大廠或創業背景，產品崗位仍然可以嘗試，技術崗位的機會則會少得多。

找到符合畫像的人後，還要過談薪這一關。

優秀候選人手裏往往不止一個offer，有人會提出30%-40%的漲幅。如果原來的薪資和職級存在倒掛，面試結果又證明能力確實匹配，我很能夠理解這種要求。站在獵頭的角度，我自然也希望候選人拿到更高的薪資，因為他的年薪越高，獵頭的服務費也會越高。

但企業坐在談判桌的另一端，也在計算自己的用人成本。多數公司可以接受10%-20%的漲幅，只有當崗位足夠緊急、方向足夠新，或者市場上真正能做這件事的人屈指可數時，預算纔可能被繼續推高。

不過，真正讓人緊張的往往還不是談薪，而是時間。

同一個職位可能同時交給多家獵頭，企業HR也在建立自己的候選人名單。誰先完成有效推薦，機會通常就歸誰。如果一個人已經進入企業的人才庫，或者已經被其他獵頭推薦過，後來者即使找到了他，這筆業績也不會被計算在自己名下。因此每次溝通前，我都會先問一句：「這家公司，你之前接觸過嗎？」

我們集團內部會共享候選人，不會彼此搶單，也不會為了客戶A的崗位，跑到客戶B那裏挖人。但走出集團，所有獵頭面對的往往還是同一批名字。

因此，外界看到的「AI搶人大戰」，在我們這裏未必是多麼激烈的場面。更多時候，它像一場安靜的賽跑：別人停在一份無人回覆的簡歷前，我再多找一層關係；別人已經下班，我再多打一通電話。

早一步，可能就是一單；晚一步，那個人已經出AI撈得起簡歷，撈不起「藏在水下」的人現在了別人的人才庫裏。

AI撈得起簡歷，撈不起「藏在水下」的人

既然搶人的勝負常常只差一步，AI自然成了最順手的加速器。以前需要花很長時間翻找和整理的工作，現在都可以先讓AI跑一遍。

比如，收到的簡歷後，我會將其統一放進自己的簡歷庫裏。等到新職位進來，先讓AI按照JD做一輪匹配，把可能合適的人圈出來。

如今市場上也已經有不少專門替企業找人的Agent。它們可以按照崗位要求搜索候選人，有些還能通過語音對話的方式完成與候選人的首次接觸。面對年薪百萬元以下、要求相對清晰的崗位，這些工具確實能夠接過大量重複勞動。

只不過，效率提高以後，獵頭之間的差別反而更加明顯了。

有一次，同一名候選人先被另一家獵頭聯繫。對方把JD和公司介紹複製粘貼過去，很快便完成了推薦。後來輪到我溝通時，我沒有急着做推薦，而是先把這家公司講清楚：公司的基本情況、目前正在處於什麼階段、團隊的結構、founder和co-fouder的背景、人選的過往經驗以及離職動機。

那名候選人雖然沒有通過企業的簡歷初篩，但他記住了兩種獵頭的差別。至少他會覺得，後一種溝通更靠譜。

這次經歷反而讓我更清楚地看到：獵頭的門檻，不是名片上多了「AI」兩個字，也不是比別人更快地複製一份JD，而是能不能對一個具體的人說清楚，他將要去往哪裏。

AI可以迅速找出一批「看起來合適」的人，卻未必能找到企業真正想要的那一個。

尤其是那些核心的AI人才，幾乎不會把簡歷公開掛在招聘平台上。他們不缺工作，更不缺offer，簡歷根本不會「浮在水面上」。而且，這些人平時接觸過大量的創始人和CEO，甚至可以直接在企業之間流動，根本不需要經過獵頭。

AI可以從已有資料裏篩出一百份合適簡歷，卻很難找到那個沒有在公開渠道留下線索的人。想找到這些「水下的人」，靠的是人才地圖、圈內轉介紹，以及一次次深入溝通積累下來的關係。

即使終於聯繫上，事情也只完成了一半。

頂尖AI人才的難題不是沒有機會，而是選擇太多。公司名氣、背景、新鮮的業務方向，給到的薪資待遇，甚至創始人的個人魅力，都可能會讓其心動；但團隊處於什麼階段、職位到底有多大空間、背後又藏着哪些風險，企業未必會主動說清楚。

這時候，獵頭要做的不是再遞過去一個offer，而是把幾個機會拆開來，陪候選人逐一比較：這家公司現在走到了哪裏，團隊是否適合他，這個職位能提供什麼，選擇以後又可能走向哪裏。

對於手握多個offer的人來說，真正需要的不是機會，而是判斷。

頂尖人才要在太多機會中做選擇，更多普通人選面對的則是另一種競爭：怎樣讓自己先被企業看見。於是，一些簡歷開始被AI反覆修飾，項目描述越來越漂亮，技術名詞也越來越密集。一眼看過去，似乎每段經歷都與崗位高度匹配。

但簡歷越漂亮，獵頭越要繼續往下問。

電話接通後，我不會只問「做過什麼」，還會追問他在項目中參與到了什麼程度，親自做過哪些決策，遇到問題時又是怎樣解決的。只有把細節一層層拆開，纔可能分辨那是親身經歷，還是為了面試準備好的一套答案。

我見過同一個人的新舊簡歷對不上，學歷、年齡有差距，項目經歷發生了變化，工作時間線上還少了一家公司。也見過有人把專升本或非全日制簡化成「本科」，或是隱去一段自己認為不夠好的工作經歷。想突出優勢可以理解，但一旦進入正式流程，背調沒有通過，已經拿到的機會也可能被收回。

一般來說，背調由企業委託第三方完成，有的也會直接交給獵頭來進行。但無論是明調還是暗調，都要提前得到候選人的授權。候選人提供聯繫人後，背調往往不會只停在這一層，可能還會繼續找到其他同事，做第二層、第三層的交叉驗證。

候選人在包裝經歷，企業也保留着一部分信息。有些企業以保密招聘為由，只給獵頭一個職位，不願透露更多背景。

因此，獵頭站在兩者之間，需要儘可能把那些沒有被說出來的部分拼完整。

走到這裏，AI與獵頭之間的邊界才逐漸清晰。

職位搜索、初步篩選、基礎溝通和簡歷報告，AI會做得越來越快。但它無法保證一個沒有公開簡歷的人願意出現，也很難判斷一段項目經歷是真是假，更不能替候選人權衡選擇、替企業識別風險。

AI能更快篩選名單裏的人，而獵頭的價值，是找到名單之外的人，也真正看懂名單裏的人。

別問我五年規劃，AI行業的變化比我的職業規劃快得多

有人問我，未來還會不會繼續做獵頭。

這個問題聽起來很像面試。面試官坐在對面，等着你講一段清晰的職業規劃：三年做到什麼位置，五年又要走到哪裏。可放在AI行業裏，我很難給出這樣的答案。

因為變化實在太快了。

去年年底剛接觸第一個AI客戶時，我還沒有把自己定義成一名AI獵頭。到了今年上半年，AI職位已經逐漸成為工作的重心。很多事情還沒來得及形成穩定的方法，新的需求又出現了。

這種不確定感，也倒逼着我不斷學習新的知識。

我不是技術出身，遇到陌生崗位時，不可能假裝自己什麼都懂。更實際的做法，是把職位要求和候選人資料交給AI，先弄清楚兩邊匹配在哪裏、差距又在哪裏，再沿着結果補充技術棧和業務知識。AI有點像一個隨時可以追問的老師，它不會嫌問題基礎，也能迅速給出解釋。

但它只能幫我把門推開，後面的路還得自己走。

AI工具進入獵頭行業以後，最先被拉開的其實不是人與機器的差距，而是獵頭與獵頭之間的差距。

完全不用AI的人，今後的效率和收入一定會下降；只會讓AI寫報告、篩簡歷的人，或許工作效率會快一些，但更多只是維持原來的水平；只有真正把工具嵌入工作流程，又願意進入AI社群和活動、持續理解行業的人，業績纔可能出現明顯變化。

所以我並不認為AI會把獵頭行業完全取代。它更像是在重新篩選從業者：重複、基礎的工作會越來越少，原來依靠信息差和人力堆出來的優勢也會變薄。

但這並不意味着新人失去了入場機會。獵頭原有的成長路徑依然存在，只是使用AI、持續學習，正在成為貫穿職業發展的基本能力。

沒有相關經驗的人進入行業，一般要從實習生或助理做起。這個階段不需要開發客戶，只要接過領導手裏的一些職位，按照要求去找人。等到熟悉從需求到交付的完整流程，也做出一定業績，纔可能成為獨立負責項目的獵頭顧問，開始直接面對客戶，理解企業和候選人兩端的需求。

再往上，工作會從「自己找人」變成「帶着團隊找人」。手裏的客戶可能增加到幾十家，職位也越來越多，每天都可能會有新的崗位出現，又或是崗位畫像有所調整。下面開始有人協助完成交付。有人繼續往上走，最後自己成立公司；也有人從原來的獵頭公司裏孵化出新的團隊。

但並不是每個人都能走到那裏。

很多人會停在最開始的階段。獵頭有着明確的業績kpi，前幾個月如果運氣不好，可能一個offer都發不出去。有時忙了一整天，連一份真正合適的簡歷都推薦不出來。努力不會馬上變成結果，收入也不會按照投入的時間穩定增長。

這個過程很考驗一個人是否有學習的動力，是否會思考，能否忍受得住有一段時間找不到人、沒有推薦、沒有面試、沒有業績的寂寞。

運氣好一些，再加上學習速度快、善於思考，一天可能推薦出幾份不錯的簡歷，企業也願意安排面試。可如果遲遲拿不到結果，有人會主動離職，也有人會被公司淘汰。離開獵頭公司以後，一部分人會回到甲方做高端招聘或其他人力資源工作，也有一部分轉向諮詢，還有人徹底離開這個行業。

因此，當有人問我現在還適不適合進入AI獵頭賽道，我不會直接回答「適合」或者「不適合」。

市場還沒有完全飽和，想進來的人依然有機會。但在進來以前，最好先回答另一個問題：為什麼想做獵頭？

如果只是看到AI行業薪資高、獵頭費高，覺得這裏更容易賺快錢，真正開始工作以後很可能會失望。這個行業需要等待，也需要接受大量沒有結果的努力。職位發出來，不代表一定找得到人；找到了人，不代表一定能通過面試；通過面試，也不代表最終能夠入職。

我暫時沒有想好以後會在哪裏。現在能確定的，只有先把手裏的事情做好。

AI還在往前跑，我只能先跟上它。