本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
近年来，法国AI就业市场已出现明显分层。据Silkhom数据，巴黎一名资深LLMOps工程师年薪为85至105 k€，高级职位可达105至125 k€。大规模培训提升了AI应用技能，部分训练营毕业生得以进入系统设计或管理岗位。分界线已经形成，且并非偶然。
要点
- AI薪资层级在法国已固化：LLM工程师年薪85至100 k€，增强型执行者仅32至50 k€，差距达三倍（Silkhom 2026年薪资报告）。
- 仅5%至8%的AI训练营毕业生能进入模型治理岗位；大规模培训在结构上持续为层级底端输送人才。
- 人机互补在技术层面确实存在，但因缺乏对算法权力的监管，生产力收益无法得到再分配。研究AI治理的学者将这一缺失定性为政治选择，而非技术制约。
- 若无制度干预，收益集中趋势将在2030至2035年间加剧。当前的核心问题是：谁能进入制定模型决策的层级。
同一条招聘信息背后的两个劳动力市场
一条注明”招聘AI人才”的领英帖子，可能指向两种完全不同的岗位。第一种是LLMOps工程师，负责校准数据管道、调整训练参数，并为组织级部署的模型设计防护机制。第二种是增强型执行者——顾问、分析师或内容专员——他们的工作已被AI重塑，但在价值链中的位置并未根本改变。据Silkhom数据，巴黎一名资深LLMOps工程师年固定税前薪资为85至105 k€。外省初级提示工程师的起薪则为32 k€；薪资因地区和资历而有所不同。
三倍薪资差距在技术变革史上并不罕见。值得关注的是分界线形成的速度，以及培训体系强化而非打破这一分界的方式。近年来，AI训练营在法国快速扩张：短则几周，长则几个月，内容涵盖工具使用、提示词撰写、将API集成到现有工作流。这些培训回应了真实需求，帮助职业快速演变的从业者更新技能。
但它们无法保证学员进入制定模型决策的岗位。
短期培训可以培养应用技能，但未必能系统性地为系统设计岗位做好准备。两者之间的差距，既是技术层面的，也是制度层面的。
互补性的局限
研究AI政治规制问题的经济学家Axelle Arquié提供了一个解读这种分层的框架。人机互补——AI提升工人生产力而非完全替代他们——是真实存在且有文献支持的现象。但技术互补性本身，并不能决定谁获取生产力收益。两名同样被AI增强的工人，可能因对模型决策的介入权不同，而处于截然不同的市场地位。收益分配同样取决于权力关系和制度选择。
2026年的法国数据清楚地说明了这一机制。一名借助ChatGPT将内容产出量提升至三倍的传播专员，在技术层面确实得到了增强，生产力有所提升。但如果他的薪资仍停留在38,000欧元，而捕获其增产成果的企业利润率却持续上升，那么互补性确实发生了，只是收益被以不同方式分配。与此形成对比的是，负责设计内部模型部署方案的工程师，年薪为90,000欧元。
Daron Acemoglu和Simon Johnson在关于制度与技术的著作中提出：技术发展方向并非中立。技术可以导向增强工人，也可以导向替代工人，具体取决于技术能力、任务性质、成本结构、企业组织和制度框架。将这一框架应用于2026年的法国，可以审视制度在薪资分层中扮演的角色。文章《AI无处不在，但在账目中仍不可见》记录了这一现象的统计隐形性——与AI相关的生产力收益难以在总体指标中显现。薪资分层或许是其首次可见的地方，集中体现在少数岗位上。
大规模培训的结构性困境
AI训练营并非毫无价值。对于需要将AI工具融入日常工作的会计师、律师或市场负责人而言，几个月的强化培训能带来切实的技能提升，并在许多情况下保障就业。法国战略署对任务转型进行了分析，建议提前规划培训需求。训练营在一定程度上填补了这一缺口。
但这类岗位的晋升空间往往有限。
模型治理岗位通常要求高级技术技能，在Silkhom研究的职业画像中，一般需要硕士及以上学历。这些技能需通过数年的长期培训——硕士、工程师学院、博士——才能习得。进入这些培训的机会，与学业背景、家庭经济资本、人际网络等传统社会因素高度相关。AI市场可能在资格获取和薪酬层面重现既有不平等，只是推向了更高的薪酬规模。
培训政策的挑战因此不在于增加训练营数量——供给已相当充足，质量参差不齐的问题已然存在——而在于为无法自发进入长期培训的人群提供支持：为经验丰富的从业者提供深度转岗机会，为自学成才者开辟通向硕士水平的平行路径，加强公立大学计算机专业职业学士学位。部分实验项目已经存在，如数字名校计划和AFPA的若干举措，但其规模相对于实际需求仍十分有限。
算法治理：规制的核心议题
薪资问题背后还有一个更深层的问题。模型治理岗位——薪资报告所称的LLMOps、MLOps、AI安全工程师或企业AI负责人——并不仅仅创造技术收益。他们实际上在决定AI在组织内大规模运行的规则：哪些偏差被过滤或保留，哪些类型的决策被自动化，针对边缘情况设置哪些防护机制。
这些决策具有分配效应。一个惩罚职业空白期求职者的HR评分算法，其判断会波及数百万份申请。一个由LLM工程师校准的动态定价模型，会引导巨大的经济流向。这些团队的人员构成以及监管框架，均可影响AI相关收益的分配方式。
模型决策具有政治效应，需要明确的问责框架。治理技能集中在劳动力市场的少数群体中，引发了AI系统权力如何分配的问题。欧盟AI法规试图通过对高风险系统施加透明度与审计义务来规范这一状况，但尚未解决谁拥有技能来实际行使这种监督权的问题。
《三个AI代理框架，没有一个能让它们趋同》曾指出欧盟层面的监管碎片化。AI法案主要规范系统，也提出AI素养要求，但未能推动对长期治理培训的平等获取。
2026年的固化及其至2030-2035年的延伸
当前薪资数据并非一幅固定图景，它描述的是一种可能随劳动力市场变化和公共政策而演变的状况。
第一种情景延续现有趋势，可称为不平等互补性。各专业之间的薪酬差距可能因资质条件、企业政策和培训投入而维持甚至扩大。向决策岗位流动的可能性也可能以不均等的方式演变。法国战略署考察了多种情景，建议对AI带来的结构转型进行前瞻规划。
第二种情景假定在至少两个层面上实施有意干预。其一是培训层面：为难以进入AI领域的人群开辟通向长期AI职业的路径。其二是监管层面：透明度要求可能增加对控制与合规的需求，但本身并不必然推动这些技能在企业内部的均衡分配。这一情景并非空想。德国借助双元制职业培训体系，丹麦凭借积极的劳动力再培训政策，均已证明技术转型可以得到有效引导，而不必任由市场独自划定职业层级。
判断两种轨迹的可观察信号包括：30岁以下非工程师学历人群中，AI长期培训毕业生比例的变化；AI法案对HR和评分系统规定的审计落实情况；以及可能更具指示意义的，未来两年中级岗位（数据分析师、AI顾问）薪资中位数的走向。如果这一区间收缩而顶端薪资继续攀升，职业双元化将得到证实。如果它随之上升，则意味着技术互补性终于转化为实际的收益再分配。
2026年的数据尚不足以将AI治理岗位的获取与名校入学做直接类比。正如《同一界面面向所有人，权力只归一人》所指出的，使用界面的统一掩盖了深刻的权力不对称。真正的问题是决定谁参与规则制定，而不是培养更多的提示工程师。
来源
- Silkhom 2026年薪资报告，法国AI与ML薪资：https://www.silkhom.com/les-salaires-ia-et-ml/
- Axelle Arquié，AI分析与政治规制：https://www.axellearquie.fr/
- Factoriel 2026年薪资报告，数字职业薪酬（Factoriel，无保证链接）
- INSEE-DARES 2026，就业调查，数字职业（INSEE，无保证链接）
- 法国战略署，人工智能与劳动力市场（法国战略署，无保证链接）
- Daron Acemoglu与Simon Johnson，《权力与进步》（2023），Basic Books