能用好AI的年轻人，企业准备好录用了吗？|年轻人|招聘|王帅|顶尖人才

文/贝克

编辑/雪梨王

当雷达发现了一个低空飞行目标，它是一只鸟，还是一架无人机？识别结果出来后，又该如何及时传递给工作人员？

在民用低空探测场景中，从“发现目标”到“看懂目标”，再到让信息流转起来，还有一连串问题需要解决。

在2026AI先锋未来人才大赛中，睿创微纳把这道来自实际业务的难题交给了年轻人。

来自北京航空航天大学的郑一凡和上海交通大学的张一帆，组成了一支叫“见微智探”的战队。他们从目标识别入手，自研识别算法，并借助豆包工作进行方案研发与工程落地，再结合飞书生态构建起自动化协同工作流，实现了从雷达目标识别到业务端实时告警的完整闭环。

最终，这套面向民用低空探测场景的参赛方案，获得了大赛银奖。

〓“见微智探”团队

对这支年轻的团队来说，比赛的挑战不只在于提出一个想法，他们还需要回答：算法表现如何验证？不同环节如何衔接？一个技术方案，怎样才能回应企业提出的实际问题？

这些问题，也让比赛成为企业观察人才的一个窗口。

早在一个月前的半决赛上，小鹏、华图、海信、云图、睿创微纳和飞书等企业，就向参赛选手发出了实习、校招和终面意向。10月20日的总决赛现场，数十家企业前来宣讲、对接人才，比赛现场也成了一场“mini秋招会”。

过去几年，年轻人被反复提醒：要学习AI、适应变化、提升竞争力。但学会使用工具之后，如何证明自己能用它解决问题？

企业同样在寻找答案。简历里越来越常见的“熟练使用AI”，究竟意味着什么？面对一项具体任务，一个人能否理解需求、作出判断，并把方案推进到可以检验的阶段？

年轻人需要展示能力的机会，企业需要了解人才的过程。飞书和豆包工作发起的这场AI先锋未来人才大赛，为双方提供了一个围绕真实问题展开合作的现场。

企业提出业务命题、提供指导，学生借助AI探索方案，在讨论、修改和交付中接受检验。企业由此看到一份成果如何形成，学生也有机会提前了解：工作中需要解决什么问题，又需要具备怎样的能力。

用真命题，试出真本事

在民用低空探测领域，雷达承担着发现目标的任务。但发现之后，能否持续跟踪、进一步判断目标类别，仍会受到地形、干扰等因素的影响。

睿创微纳算法工程师负责人王帅介绍，在与客户的交流中，他们经常遇到这类需求。“说白了，雷达能看见，但是它看不懂。”

这一次，睿创微纳将相关业务挑战转化为比赛命题：如果参与一款低空探测雷达的研发，如何利用AI，提出改善多目标探测与识别的方案？

“这道题不是坐在办公室里凭空想出来的，而是我们从客户的真实需求里面提取出来的。”王帅说，最初讨论命题时，团队就明确了两个要求：既要对企业有用，也要能够考察选手的能力。

真实业务问题往往没有现成的标准答案。选手需要自己确定切入点、选择技术路线，也需要解释方案为何可行、结果如何验证。

睿创微纳没有规定统一的技术路线，并推荐选手使用公开数据资源。企业希望留出探索空间，看看面对同一道工程难题，年轻人会如何拆解问题，又能把思路推进到哪一步。

比赛进入12强阶段时，王帅发现，不少队伍的构思很有想象力，但到了具体实现环节，仍有一些细节需要补足。相比之下，“见微智探”团队让他看到了创新思路与实际应用之间的平衡。

在他看来，这道命题真正想考查的，不只是学生能否提出新想法，还包括能否把想法一步步变成可运行、可验证的方案。这个过程，也让简历上“熟练使用AI”的描述，有了可以观察和讨论的具体内容。

这种从真实场景出发的命题方式，也出现在更多企业的探索中。2026AI先锋未来人才大赛吸引了108家企业参与，命题覆盖研发创新、生产制造、供应协同、营销推广、客户体验、综合创新六大赛道。

《AI时代人才标准全景观察》显示，真实命题更能吸纳顶尖人才。那些能够提供更清晰的业务问题、更充分的资源支持和实践机会的“真诚标杆型”企业，以最少的报名量换来最高的入围率（12.2%）。

这意味着，企业的品牌吸引力或许能在报名阶段发挥作用，但要让年轻人真正展现能力，还需要拿出真实的业务场景、数据资源和落地机会，并提供专家对接与指导。题目越接近真实工作，企业越有机会看见作品背后的思考过程。

至于企业究竟该如何判断一个年轻人是真的懂AI，还是只是熟练调用工具，王帅给出了自己的答案：AI能力要建立在专业基础之上，才能真正发挥作用。企业想找到的，是能够理解真实问题、掌握必要的专业基础，并善于借助AI推进解决方案的人。

“会用AI跟能用好AI，实际上是有很大差异的。”王帅说，一个雷达工程师，“既要能推得动公式，又要能驾驭数据，才能用好AI这个工具。”

不按专业出牌，让能力开口说话

如果说真实命题让企业看到了年轻人如何解决问题，那么大赛中的跨专业团队，则让企业看到了另一种可能：AI正在改变一个人能够独立完成的工作范围。

在2026AI先锋未来人才大赛中，面对企业提出的真实业务问题，学生可以借助AI查找资料、搭建方案、开发工具。过去需要多个专业角色配合完成的工作，如今可以由一支小团队快速推进。

《AI时代人才标准全景观察》显示，大赛吸引了来自1573所高校的7000余名选手，其中超过60%的选手来自商科、传媒、设计、医学、法学、机械、化工等非计算机专业。

更值得关注的是，跨专业团队的初赛入围率高达20.5%，是同专业团队（5.8%）的3.5倍。这组数据说明，AI已不再是计算机专业的专属领地，用AI解决业务问题正在成为所有专业学生的基础能力。

本次大赛就跑出了一批跨专业、跨学科组合的“黑马”：有人理解技术，有人熟悉用户，有人负责把方案组织成能够展示和验证的作品。

以大赛的金奖获得者“秋阳里Pipeline”团队为例，三名成员分别来自工科、新能源材料等完全不同的专业，没有一个人学过影视编导。出于对“AI+具体行业能碰撞出什么”的好奇，他们一头扎进短剧制作赛道。

〓“秋阳里Pipeline”团队

面对角色频繁换脸、场景跳变等真实商业痛点，他们运用工科思维，将短剧创作拆解为选题、剧本、分镜、生成、发行等20多套标准化Skill。团队成员则担任“总导演”，指挥多个AI智能体协同完成不同环节。

传统真人短剧需要25至40天、成本50万至100万元，而“秋阳里Pipeline”团队最快3天、3000元即可完成一部120分钟的短剧。

这套方法不仅让他们实现了“一周出一部剧”的流水线化生产，更打造出累计播放量近10亿、登上热播榜第一的爆款作品。

类似故事也发生在长隆集团的AI智慧伴游命题中。来自复旦大学的孙梦，是一名没有技术背景的文科生。深入了解真实业务场景和需求后，她借助AI独自设计出一套“懂分寸”的伴游系统，将游客满意度提升至87.1%。方案的成熟度和克制的思考，得到了企业认可。

〓参赛选手孙梦

这些案例让企业看到，AI不仅能帮助年轻人跨越专业门槛，也让不同专业的知识和经验有机会组合起来，解决过去难以独立完成的问题。越来越多的企业在用人时，不再拘泥于专业背景，更看重一个人面对实际问题时的表现。

珀莱雅股份首席人力资源官表示，过去招聘时看重的毕业院校和实习经历依然有参考价值，但它们已经无法回答所有问题——尤其是在面对不熟悉的新任务时，一个人究竟怎样学习、怎样做决定。

评判候选人时，珀莱雅更倾向于通过具体任务展开细节追问。

“比如两个人同时交出一份漂亮的护肤趋势报告，继续深入聊下去，能清晰解释资料出处、指出不同人群需求差别、说出哪些数据与自己结论不一致并懂得如何调整的人，才是我们真正需要的。”珀莱雅股份首席人力资源官认为，AI可以协助快速生成报告，但对业务问题的理解、面对疑问时的判断力以及收到建议后的迭代能力，依然因人而异。

AI时代的人才评价正在发生根本性变革。以“学历高低+专业对口+实习数量+硬技能证书”为核心的传统人才评价公式，正在失去它曾经的解释力。

企业真正需要的，是能够借助AI解决真实业务问题的人。专业背景不再是唯一的入口，作品、判断和解决问题的过程，正在成为新的观察窗口。