4300支战队考出来的结论：会AI不如会把业务翻译成问题

本文解读：《2026AI时代人才标准全景观察白皮书-飞书&豆包》 · 共 126 页 · 原文

这份126页的报告没有做问卷，而是用一场真实比赛当观察场：4300余支学生战队、7000余名选手、 1573所院校、108家命题企业，题目全是企业当下还没答案的真实业务问题。

最反直觉的一组数据来自入围率。跨专业团队入围率20.5%，是同专业团队5.8%的三倍多；多人队入围率 11.2%，是单人队3.9%的近三倍。企业的表态则高度一致：108家企业的CXO人才观文本里，AI数字素养提及率67.6%排第一，但价值创造 导向只有28.7%。

报告由此给出结论：稀缺的不是会AI的人，而是能把业务说清楚、翻译成AI问题的人。

会用AI写在每个人简历上，能定义问题的人依然很少。

图源：《2026AI时代人才标准全景观察》（第1页）

一、为什么需要一场比赛，而不是一份问卷

报告的出发点很实在：企业问卷里打勾的能力要求，和它们最终在真实方案中选择了谁，往往不是一回事。 宏观预测能告诉你AI影响多少岗位，却说不清一家企业面对真实难题时要找什么样的人。

于是研究选择了一种更笨的办法，把108家企业正在思考、尚未有答案的命题交给学生，看谁能真正解出来。问题规模也摆在那里。2026届全国普通高校毕业生预计1270万人，比上一届增加48万。AI时代的人才问题 不能简化成培养多少算法工程师。

报告的前提判断是，AI降低的是信息获取、内容生成、基础代码和部分标准化任务的门槛，过去靠信息 占有和熟练执行建立的优势正在被削弱。

当生成和执行变容易，定义问题的价值随之上升。研究者要判断什么未知问题值得探索，应用者要判断 用户与组织真正需要改变什么。

问卷里勾出来的能力清单，和真金白银选中的人常常对不上。

图源：《2026AI时代人才标准全景观察》（第2页）

二、AI改的是任务，不是职业

报告把分析单位从“职业”降到了“任务”。一项职业不是一种不可分割的能力，而是一组性质不同的任务， 技术替代的是那些能用明确规则描述的常规任务。

数据也支持这个判断。摩根士丹利2026年全球调查发现，过去12个月15%的岗位没有变化，11%被取消， 12%空缺未补，新增招聘28%，再培训27%，重新调配16%。

岗位净增加约5%，但大量岗位上的人需要接受新技能培训或被调整到新岗位。麦肯锡的调查也显示， 曾预计未来一年减员的高管有32%，实际报告人数下降的只有11%。

上面引用的数据都能在原文里找到出处，报告放在运营动脉（www.yydm.cn），搜标题即可。

遇到统计口径不一致的地方，回原文核一眼，比对两三篇二手解读要快得多。

一项针对丹麦2.5万名劳动者的追踪研究发现，ChatGPT推出后，劳动者原有部分任务减少，但新增了 内容生成、AI输出监督、系统整合等任务。

旧的人才坐标因此松动。硬技能的保质期缩短，岗位从固定职责的集合变成可组合的任务模块， “专业对口进入某职能再晋升”的单一路径正在失效。

被替代的从来不是职业，是职业里那些能写成规则的任务。

图源：《2026AI时代人才标准全景观察》（第3页）

三、4300支战队的样本，比想象中更宽

规模数据先摆在前面：4300余支战队、7000余名选手、1573所院校、19个国家和地区、92所海外院校、 108家命题企业，覆盖研发创新、生产制造、供应协同、营销推广、客户体验、综合创新六大赛道。

第一个信号是专业边界。超过60%的选手来自非计算机专业，商科、传媒、设计、医学、法学、机械、 化工都在其中。

第二个信号是全球性，含牛津、剑桥、帝国理工等院校。第三个信号是样本层级，1573所院校从C9到普通 本科、双一流到高职高专，不是只观察顶尖高校的精英样本。

筛选漏斗也很清楚。4300余支有效报名，300余支提交有效方案约7%，40支进入Coach带教约14%， 最后12支进总决赛。典型选手画像是一个大二或大三本科生，来自非211普通本科（约70%），读计算机科学与技术（占可 识别专业的42%），平均1个独立项目、0.8次实习。

工具门槛降下来以后，高职高专的学生也能交出高质量方案。

图源：《2026AI时代人才标准全景观察》（第4页）

四、企业最常说AI素养，最少说创造什么价值

研究对108家企业的CXO人才观文本做了自下而上的编码，形成7个主维度、38个子维度，借用冰山模型的 分层思路，但不照搬。

提及率分四层：AI数字素养67.6%最高，系统思维与专业51.9%、创新与颠覆50.0%并列第二，执行与协同 43.5%、品格与内驱39.8%、学习与进化34.3%居第三梯队，价值创造导向28.7%垫底。

数字里藏着一个问题。企业谈AI素养时主要指会用AI工具，更深的AI原生思维提及率只有4.6%。也就是说， 多数企业理解的AI人才还停在工具使用者层面。

行业差异也很明显。半导体与前沿硬科技平均提及4.50个维度，医疗健康与医药4.44个，两个行业对AI 素养的关注度都达到100%；新零售与文旅只有1.60个。

赛区之间也有风格差异：东部最重系统思维（69.2%）与执行协同（53.8%），南部AI素养78.6%、 创新颠覆67.9%最高，北部最看重品格与内驱46.5%。

七成企业在说会用AI，只有零点四成想到AI原生思维。

图源：《2026AI时代人才标准全景观察》（第5页）

五、跨专业入围率20.5%，是团队拼出来的

团队层面的数据是这份报告最有争议也最有用的部分。4243支团队中单人队占54.7%，多人队45.3%， 但入围队里多人队占70.4%。

多个人的差别不只是人数。多人队入围率11.2%，单人队3.9%，2人队9.0%，3人队14.1%。报告的解释是 完整的AI产品方案需要算法、产品、设计和商业多角色配合。

更细的对照：全员提交简历的多人队入围率15.2%，部分覆盖14.4%，零覆盖骤降到6.4%。单人队有简历 5.4%，无简历2.8%。简历覆盖率的意义不在于简历本身。评审看不到简历，它衡量的是团队的组织度与投入度，愿意花时间 填完的团队，作品完成度通常更高。

多样性数据同样显眼：含海外或港澳台混合团队入围率22.3%，跨专业团队20.5%，性别混合团队19.1%， 分别高于同类的6.8%、5.8%和6.5%。

入围不是一个天才带出来的，是按角色拼出来的。

图源：《2026AI时代人才标准全景观察》（第6页）

六、回归之后，只有985是真信号

描述性数据很热，但这一步不能跳过。报告在控制985院校和学历之后，重新做了一次相关性分析，结果 变了不少。

首先，跨校、跨专业、性别混合带来的多样性红利不再显著。报告的解释是，多样性溢价本质上是高质量 人才的聚集效应，优秀团队自然跨校跨专业，单纯为凑数去跨并不能提升作品质量。

其次，科研获奖、领导力、实习总数、AI科研项目都不显著。原因有二：这些经历与985或学历高度共线， 优秀的人已经通过学历信号体现；这也印证了盲审的公平性，过去履历不能替代本次作品质量。

真正显著的只剩几项：是否含985、最高学历、简历覆盖率、团队规模和海外背景。报告坦言，非名校出身 但有实力的选手，突围难度确实更高。

含985团队的盲审胜出比是2.64倍，博士与硕士学历为2.18倍，简历覆盖率1.63倍，海外背景1.52倍， 团队规模1.41倍。这不是评委偏好，而是系统训练和分工效率的差距。

简历看不见，但能力藏不住，盲审反而把真差距照得更清楚。

图源：《2026AI时代人才标准全景观察》（第7页）

七、命题的诚意，比品牌的流量更有用

报告按命题与资源配置把108家企业分成五类，结果差异悬殊。真诚标杆型平均只吸引25.2支团队，入围率却达到12.2%；品牌展示型平均吸引45.9支团队，入围率 只有6.0%。技术攻坚型报名最多（48.7队每家），入围率反而最低5.9%。

原因写在命题文本里。真诚标杆型命题最长，平均546字，是品牌型的2.2倍；资源最足，人才观最系统， 4.62个维度。

更值得注意的反差是，选手报名时对“企业是否真给资源”并不敏感，品牌和命题吸引力才是主要驱动。 但真正决定作品质量的，恰恰是资源和场景。

资源兑现也还有距离。62%的企业提到提供专家或导师指导，45%承诺场景落地机会，提供算力工具或数据 支持的分别只有8%和6%，24%没做任何实质承诺。

报告还有一组提醒：约32%的企业在命题中要求数据、工具或平台能力，却没承诺对应的资源开放；真正 做到要什么给什么的只有7家，占6%。

命题写得越具体，筛出来的队伍反而越强，这是反直觉的。

图源：《2026AI时代人才标准全景观察》（第8页）

八、真正的分水岭，是能不能把业务翻译成问题

报告对284份有效方案做了文本编码，把AI的使用分成三层：L1工具层，用它写文案做PPT查资料；L2 协同层，全流程嵌入、人机分工明确；L3重构层，因为有了AI提出过去不可能的解法。

40强方案中反复出现的是L3思维。比如让AI先影子运行、与人对照足够久之后才被授予决策权；让AI在 证据不足时保持安静，而不是硬给答案。

报告的判断是，学生对AI的克制，比对AI的炫技更能区分水平。40强的真正分水岭不在技术深度，而在 对业务痛点的理解深度。

企业的动作也在往这个方向挪。108家命题企业中，93%提及提供实习或校招机会，62%提及专家或导师 指导；飞书已通过超700场企业AI先锋大赛，培养9万多名AI先锋。

报告最后给高校提了五条建议，包括AI通识教育覆盖所有专业、让跨学科组队成为制度、建立产业命题库、 以真实作品替代知识记忆型考核。

126页的完整编码口径、四大赛区数据与12强案例，都在运营动脉 （www.yydm.cn）上，搜报告名即可打开。