AI 行业猎头一单赚近 300 万？！
前不久，一张截图在各个群里刷屏：某具身智能公司招聘 AI 算法专家，年总包薪资高达 1050 万元；猎头费 26%，273 万元。
消息一出，有人羡慕 AI 核心人才的身价，有人感叹，AI 浪潮不仅抬高了从业者的薪酬，也让产业链上的相关角色找到了新的赚钱机会。人才越稀缺，争夺越激烈，站在企业和候选人之间的猎头，也被推到了风口上。
这种争夺并非只存在于传闻中。据 Euronews 报道，OpenAI、Meta、Google、Anthropic 等巨头公司，正在争抢数量极为有限的顶尖 AI 研究人员。其中，Meta 还曾为招募 24 岁 AI 研究员 Matt Deitke，开出一份总额约 2.5 亿美元、期限四年的薪酬方案。国内的竞争同样在推高少数核心岗位的价格，字节跳动 Top Seed 部分核心岗位的年薪已超过 600 万元。
而在这场不断升级的高价竞逐中，一个耐人寻味的悖论也随之浮现。
从技术逻辑看，猎头似乎恰恰是 AI 很容易替代的一个职业。企业可以用 AI 搜索简历、筛选候选人、匹配岗位，效率比传统的人工推荐高得多。与此同时，真正的 AI 人才根本不缺去处，他们手里往往握着好多个 offer，需要做的只是选择，似乎也不需要猎头帮忙找工作。
可现实却走向了另一个方向：AI 行业的猎头生意正在变得越来越好，这个越是能被 AI 提效甚至替代的职业，越是在 AI 人才大战中赚到了更多钱。
带着种种疑惑，我们找到了网传截图所涉猎头集团另一家子公司的员工 Peter。对方确认，截图中的订单确实存在，但 273 万元是公司层面的服务费，并不意味着某一名猎头可以全部拿走。
"中间还有公司和团队的多层分成，真正到个人手里，大概是 40-50 万元。"
而比这笔佣金更值得追问的是：当 AI 已经能够筛简历、匹配岗位，为什么顶尖人才的招聘反而更依赖猎头？在企业与手握多个 offer 的候选人之间，猎头真正提供的究竟是什么？
答案就藏在 AI 行业猎头的真实工作流程里。以下是 Peter 的讲述——
风口上的 AI 猎头，没那么好"飞"
我转行做猎头，是因为不想再待在甲方了。
22 年实习开始就在甲方做招聘工作。那几年，几乎每天都在围绕同一个行业找人，见到的岗位和候选人都很垂直。但猎头不一样，它像把办公室的一面墙推开：同时面对不同公司、不同赛道，人的选择也一下子多了起来。
于是 2025 年，我决定换到另一边，开始替企业在市场上找人。
进来以后才发现，猎头不是拿到一份 JD、转手发给候选人那么简单。工作主要分成两头：一头叫开发，要主动找到有招聘需求的公司，与创始人、人事或其他负责人谈合作；另一头叫交付，接到职位后，把合适的人送到企业面前。我自己两头都做，既要问清客户究竟想要怎么样的人才，也要承担最后交不交得出人的压力。
虽然我 Base 在宁波，但手里的 AI 客户主要集中在北京、上海、深圳和杭州。大部分需求隔着屏幕就能谈清，遇到必须当面沟通的情况，第二天买张票也能赶过去。其实做久了以后就会发现，对猎头来说，城市之间的距离不是什么大问题。
真正难跨越的，是不同 AI 业务之间的距离。
同样是一家 AI 公司，有的做软件，有的做硬件；有的服务企业，有的直接面向消费者。即使都是产品，有的是卖效率，有的是提供情绪价值。业务不同，需要的人才也完全不同。所以每接触一家新客户，我都得先弄清楚这家公司目前在做什么事情，founder 的背景如何，目前企业正在处于什么阶段等等。
只有这些问题有了答案，才知道应该去哪里找人。
沿着这些需求看下去，市场的冷热也会慢慢显现出来。世界模型、具身智能和机器人方向拿到的资金相对更多，硬件大致排在第二梯队，软件则要看具体做的是什么。
钱流向哪里，招聘需求自然就会跟到哪里。
落实到具体岗位上，前端的需求相对少一些，后端、全栈、算法和产品岗十分热门。而等产品真正做出来，企业还得想办法把它卖出去，于是 BD 也成了招聘链条里少不了的一环。
不过，职位多不等于每个人都能拿到高薪。大多数跳槽仍按原薪资上浮 10%-20%，薪酬通常还是以现金为主，期权有没有、占多少，要看职位和候选人的 title。
猎头的收入也遵循同样的现实。行业里常见的服务费率在 20%-25%，传统猎头一年的常见业绩大约在 70-100 万元，算上底薪和提成，个人年收入通常在 20-40 万元。不过，当手里掌握着企业找不到、其他猎头也很难触达的人，也有机会把费率谈得更高。
AI 岗位多、人才流动快，成交机会确实比部分传统行业要多。但赛道热，并不意味着每个猎头都能赚到更多钱，收入最终还是由交付决定：找到人是一方面，真正被企业录用并顺利入职，才能变成业绩。
而且，人入职了，这笔钱也还不算真正落袋。
企业通常会设置三个月或六个月的试用期，猎头费也会分两次甚至三次支付。如果候选人在试用期内因为能力不匹配而离职，猎头需要在约定时间内重新补人；如果补不到，会退还已经收取的费用。
所以，猎头赚到的从来不是"找到一个人"的钱，而是"找到一个合适的人，并让他稳定留下来"的钱。
从甲方来到猎头，再从传统招聘走进 AI，原以为只是换了一个热门的赛道。后来才明白，风口只负责把职位吹过来，至于能不能接住，要从找到一个对的人开始。
抢人最快的时候，是别人下班以后
很多候选人的电话，要等到晚上才能打通。
白天，他们在开会、赶项目，不会为陌生号码停下工作，所以我的工作时间也会跟着往后移。别人一天工作七八个小时，我可能再多三四个小时；有时周末继续聊，有时也会为了一个人赶去他的城市约个咖啡。
外界想象中的猎头挖人，总带着一点"围追堵截"的戏剧性，实际上没有那么夸张。我不会盯着朋友圈定位制造偶遇，那样太刻意。想见一个人，会先联系，再正式约时间。第一次坐下来也未必要谈职位，先认识、先听他在做什么，再判断他是否想换个环境。
在这之前，还有一段看不见的准备。
企业给来一个岗位，我不会马上扑进简历库，而是先问：为什么现在招？已经找了多久？团队到了什么阶段？喜欢怎样的人？薪资和福利能给到哪里？等企业把需求说清楚，找人的工作才会真正开始。
我会先画一张"人才地图"：这个方向的核心人才集中在哪些城市、哪些公司，又能通过什么渠道联系上。招聘平台和领英是最常用的入口，线下的黑客松、论坛、沙龙和展会也不能放过。遇到合适的简历，但联系不上本人时，可能还会顺着毕业院校和同学关系继续寻找。
不过，即使找对了方向，也不一定能马上找对人。AI 行业更新太快，新的概念源源不断，同一种能力到了不同公司，可能会被包装成完全不同的职位名称。
FDE 就是一个典型例子。
不同公司对 FDE 的理解并不一致，给出的候选人画像有时也很模糊。只按照职位名称搜索，很容易越找越偏。遇到这种情况，只能先挑选一批接近要求的人推荐过去，再根据企业的面试反馈不断调整。几轮下来，那个最初写得并不清楚的需求，才会逐渐显露出真实轮廓。
名称可以不断变化，企业挑人的标准却有不少共同之处。聪明、能够独立思考、经历过从 0 到 1，是最常出现的要求。创业公司还会多问一句：这个人愿不愿意陪着公司一起成长？
软性要求之外，还有一条更直接的筛选线。
有些企业明确要求候选人来自 985、211 或双一流院校，甚至会点名学校、学历层次和大厂经历。年龄也是一道门槛：有的公司希望控制在 30 岁，有的会放宽到 35 岁。但超过 35 岁也并非完全没有机会，如果项目经历足够突出，又有大厂或创业背景，产品岗位仍然可以尝试，技术岗位的机会则会少得多。
找到符合画像的人后，还要过谈薪这一关。
优秀候选人手里往往不止一个 offer，有人会提出 30%-40% 的涨幅。如果原来的薪资和职级存在倒挂，面试结果又证明能力确实匹配，我很能够理解这种要求。站在猎头的角度，我自然也希望候选人拿到更高的薪资，因为他的年薪越高，猎头的服务费也会越高。
但企业坐在谈判桌的另一端，也在计算自己的用人成本。多数公司可以接受 10%-20% 的涨幅，只有当岗位足够紧急、方向足够新，或者市场上真正能做这件事的人屈指可数时，预算才可能被继续推高。
不过，真正让人紧张的往往还不是谈薪，而是时间。
同一个职位可能同时交给多家猎头，企业 HR 也在建立自己的候选人名单。谁先完成有效推荐，机会通常就归谁。如果一个人已经进入企业的人才库，或者已经被其他猎头推荐过，后来者即使找到了他，这笔业绩也不会被计算在自己名下。因此每次沟通前，我都会先问一句："这家公司，你之前接触过吗？"
我们集团内部会共享候选人，不会彼此抢单，也不会为了客户 A 的岗位，跑到客户 B 那里挖人。但走出集团，所有猎头面对的往往还是同一批名字。
因此，外界看到的" AI 抢人大战"，在我们这里未必是多么激烈的场面。更多时候，它像一场安静的赛跑：别人停在一份无人回复的简历前，我再多找一层关系；别人已经下班，我再多打一通电话。
早一步，可能就是一单；晚一步，那个人已经出 AI 捞得起简历，捞不起"藏在水下"的人现在了别人的人才库里。
AI 捞得起简历，捞不起"藏在水下"的人
既然抢人的胜负常常只差一步，AI 自然成了最顺手的加速器。以前需要花很长时间翻找和整理的工作，现在都可以先让 AI 跑一遍。
比如，收到的简历后，我会将其统一放进自己的简历库里。等到新职位进来，先让 AI 按照 JD 做一轮匹配，把可能合适的人圈出来。
如今市场上也已经有不少专门替企业找人的 Agent。它们可以按照岗位要求搜索候选人，有些还能通过语音对话的方式完成与候选人的首次接触。面对年薪百万元以下、要求相对清晰的岗位，这些工具确实能够接过大量重复劳动。
只不过，效率提高以后，猎头之间的差别反而更加明显了。
有一次，同一名候选人先被另一家猎头联系。对方把 JD 和公司介绍复制粘贴过去，很快便完成了推荐。后来轮到我沟通时，我没有急着做推荐，而是先把这家公司讲清楚：公司的基本情况、目前正在处于什么阶段、团队的结构、founder 和 co-fouder 的背景、人选的过往经验以及离职动机。
那名候选人虽然没有通过企业的简历初筛，但他记住了两种猎头的差别。至少他会觉得，后一种沟通更靠谱。
这次经历反而让我更清楚地看到：猎头的门槛，不是名片上多了" AI "两个字，也不是比别人更快地复制一份 JD，而是能不能对一个具体的人说清楚，他将要去往哪里。
AI 可以迅速找出一批"看起来合适"的人，却未必能找到企业真正想要的那一个。
尤其是那些核心的 AI 人才，几乎不会把简历公开挂在招聘平台上。他们不缺工作，更不缺 offer，简历根本不会"浮在水面上"。而且，这些人平时接触过大量的创始人和 CEO，甚至可以直接在企业之间流动，根本不需要经过猎头。
AI 可以从已有资料里筛出一百份合适简历，却很难找到那个没有在公开渠道留下线索的人。想找到这些"水下的人"，靠的是人才地图、圈内转介绍，以及一次次深入沟通积累下来的关系。
即使终于联系上，事情也只完成了一半。
顶尖 AI 人才的难题不是没有机会，而是选择太多。公司名气、背景、新鲜的业务方向，给到的薪资待遇，甚至创始人的个人魅力，都可能会让其心动；但团队处于什么阶段、职位到底有多大空间、背后又藏着哪些风险，企业未必会主动说清楚。
这时候，猎头要做的不是再递过去一个 offer，而是把几个机会拆开来，陪候选人逐一比较：这家公司现在走到了哪里，团队是否适合他，这个职位能提供什么，选择以后又可能走向哪里。
对于手握多个 offer 的人来说，真正需要的不是机会，而是判断。
顶尖人才要在太多机会中做选择，更多普通人选面对的则是另一种竞争：怎样让自己先被企业看见。于是，一些简历开始被 AI 反复修饰，项目描述越来越漂亮，技术名词也越来越密集。一眼看过去，似乎每段经历都与岗位高度匹配。
但简历越漂亮，猎头越要继续往下问。
电话接通后，我不会只问"做过什么"，还会追问他在项目中参与到了什么程度，亲自做过哪些决策，遇到问题时又是怎样解决的。只有把细节一层层拆开，才可能分辨那是亲身经历，还是为了面试准备好的一套答案。
我见过同一个人的新旧简历对不上，学历、年龄有差距，项目经历发生了变化，工作时间线上还少了一家公司。也见过有人把专升本或非全日制简化成"本科"，或是隐去一段自己认为不够好的工作经历。想突出优势可以理解，但一旦进入正式流程，背调没有通过，已经拿到的机会也可能被收回。
一般来说，背调由企业委托第三方完成，有的也会直接交给猎头来进行。但无论是明调还是暗调，都要提前得到候选人的授权。候选人提供联系人后，背调往往不会只停在这一层，可能还会继续找到其他同事，做第二层、第三层的交叉验证。
候选人在包装经历，企业也保留着一部分信息。有些企业以保密招聘为由，只给猎头一个职位，不愿透露更多背景。
因此，猎头站在两者之间，需要尽可能把那些没有被说出来的部分拼完整。
走到这里，AI 与猎头之间的边界才逐渐清晰。
职位搜索、初步筛选、基础沟通和简历报告，AI 会做得越来越快。但它无法保证一个没有公开简历的人愿意出现，也很难判断一段项目经历是真是假，更不能替候选人权衡选择、替企业识别风险。
AI 能更快筛选名单里的人，而猎头的价值，是找到名单之外的人，也真正看懂名单里的人。
别问我五年规划，AI 行业的变化比我的职业规划快得多
有人问我，未来还会不会继续做猎头。
这个问题听起来很像面试。面试官坐在对面，等着你讲一段清晰的职业规划：三年做到什么位置，五年又要走到哪里。可放在 AI 行业里，我很难给出这样的答案。
因为变化实在太快了。
去年年底刚接触第一个 AI 客户时，我还没有把自己定义成一名 AI 猎头。到了今年上半年，AI 职位已经逐渐成为工作的重心。很多事情还没来得及形成稳定的方法，新的需求又出现了。
这种不确定感，也倒逼着我不断学习新的知识。
我不是技术出身，遇到陌生岗位时，不可能假装自己什么都懂。更实际的做法，是把职位要求和候选人资料交给 AI，先弄清楚两边匹配在哪里、差距又在哪里，再沿着结果补充技术栈和业务知识。AI 有点像一个随时可以追问的老师，它不会嫌问题基础，也能迅速给出解释。
但它只能帮我把门推开，后面的路还得自己走。
AI 工具进入猎头行业以后，最先被拉开的其实不是人与机器的差距，而是猎头与猎头之间的差距。
完全不用 AI 的人，今后的效率和收入一定会下降；只会让 AI 写报告、筛简历的人，或许工作效率会快一些，但更多只是维持原来的水平；只有真正把工具嵌入工作流程，又愿意进入 AI 社群和活动、持续理解行业的人，业绩才可能出现明显变化。
所以我并不认为 AI 会把猎头行业完全取代。它更像是在重新筛选从业者：重复、基础的工作会越来越少，原来依靠信息差和人力堆出来的优势也会变薄。
但这并不意味着新人失去了入场机会。猎头原有的成长路径依然存在，只是使用 AI、持续学习，正在成为贯穿职业发展的基本能力。
没有相关经验的人进入行业，一般要从实习生或助理做起。这个阶段不需要开发客户，只要接过领导手里的一些职位，按照要求去找人。等到熟悉从需求到交付的完整流程，也做出一定业绩，才可能成为独立负责项目的猎头顾问，开始直接面对客户，理解企业和候选人两端的需求。
再往上，工作会从"自己找人"变成"带着团队找人"。手里的客户可能增加到几十家，职位也越来越多，每天都可能会有新的岗位出现，又或是岗位画像有所调整。下面开始有人协助完成交付。有人继续往上走，最后自己成立公司；也有人从原来的猎头公司里孵化出新的团队。
但并不是每个人都能走到那里。
很多人会停在最开始的阶段。猎头有着明确的业绩 kpi，前几个月如果运气不好，可能一个 offer 都发不出去。有时忙了一整天，连一份真正合适的简历都推荐不出来。努力不会马上变成结果，收入也不会按照投入的时间稳定增长。
这个过程很考验一个人是否有学习的动力，是否会思考，能否忍受得住有一段时间找不到人、没有推荐、没有面试、没有业绩的寂寞。
运气好一些，再加上学习速度快、善于思考，一天可能推荐出几份不错的简历，企业也愿意安排面试。可如果迟迟拿不到结果，有人会主动离职，也有人会被公司淘汰。离开猎头公司以后，一部分人会回到甲方做高端招聘或其他人力资源工作，也有一部分转向咨询，还有人彻底离开这个行业。
因此，当有人问我现在还适不适合进入 AI 猎头赛道，我不会直接回答"适合"或者"不适合"。
市场还没有完全饱和，想进来的人依然有机会。但在进来以前，最好先回答另一个问题：为什么想做猎头？
如果只是看到 AI 行业薪资高、猎头费高，觉得这里更容易赚快钱，真正开始工作以后很可能会失望。这个行业需要等待，也需要接受大量没有结果的努力。职位发出来，不代表一定找得到人；找到了人，不代表一定能通过面试；通过面试，也不代表最终能够入职。
我暂时没有想好以后会在哪里。现在能确定的，只有先把手里的事情做好。
AI 还在往前跑，我只能先跟上它。
简配资提示：文章来自网络，不代表本站观点。
