这届大厂秋招，开始考AI了

　　秋招季，阿里云无影虚拟机的远程桌面里，一场名为“AI飞行员”的特殊笔试正在招聘环节中进行。

　　该笔试全程可无限制调用满血版Claude，人与大模型的每一轮对话、每一次指令调整，以及对AI输出的质疑与修正，均被纳入评分依据。在应届生口中，这套极具先锋感的考核模式被评价为“中国人能飞”。

　　安克创新这一差异化的考核设计，是国内科技企业校招评价体系转向的微观缩影。目前，越来越多企业正把人工智能协作能力纳入校招筛选体系。

　　当AI从职场工具变成考场的标配环节，这场由产业端倒逼的校招评价迭代，仍处于模式未定的探索阶段。

　　考核形态分化：省钱模式与烧钱模式

　　秋招季，科技企业的人才筛选逻辑正在悄然转向。过去考察候选人独立解题能力的传统笔试，正在逐步加入人机协同的新维度。而同样叫AI考核，不同企业的投入成本、考察维度、实际含金量存在明显分野。

　　记者根据公开招聘信息与应届生反馈梳理发现，当前科技企业的AI考核主要分化为两条路径。

　　一类是依托第三方笔试平台的标准化AI编码题型，由牛客、赛码等平台提供。据受访应届生估算，两家平台占比约为8:2，覆盖得物、OPPO、百度、大疆、小红书等数十家企业。该模块以编程题目为核心，考生可调用平台内置大模型辅助完成编码任务，整体分值占比较低。

　　这类模式的核心优势在于部署门槛低、易规模化，是企业跟进AI考核趋势的最低成本方案。但其局限同样显著：第三方平台内置的大模型能力普遍滞后于市面主流商用模型，题目设计与岗位真实业务的贴合度参差不齐，对考生实际AI协作能力的区分度有限。在不少校招生看来，这类题型的象征意义大于实际评估价值。

　　另一类则是少数企业推出的深度交互式考核，以安克创新的“AI飞行员”笔试为典型代表。

　　据受访者回忆，安克创新的笔试考核在阿里云无影虚拟机上进行，内置的Claude Code编码工具无使用限制。考题围绕项目展开，模拟项目工期紧张的真实场景，“需要权衡哪些内容必须实现、哪些可以暂缓，最终达到上线目标”。

　　从设计逻辑看，这类考核的核心考察点并非AI工具使用熟练度，而是考生的任务拆解能力、对AI输出的批判性判断、方案权衡以及独立决策意识，本质是模拟真实职场中“人主导、AI辅助”的协作模式。但客观来看，该模式属于少数企业的定制化探索，受服务器配置、Token消耗等成本限制，暂不具备大规模行业复制的条件。

　　除笔试端的分化外，AI相关提问已全面渗透进技术岗面试。受访者表示，面试官通常会追问AI工具的使用习惯，比如“AI生成的代码有哪些常见特征”“哪些环节交给AI、哪些部分必须自己把关”，以判断候选人对AI能力边界的认知。“还有面试官会给出具体场景，比如‘仿真中机器人能正常完成动作，但现实中无法执行，你会怎样通过AI去调试？’”

　　随着大模型工具深度嵌入研发、产品、运营全链路工作流，企业对人才的考察重心，正逐步从“人能独立完成什么”向“人驾驭AI能产出什么”转移。

　　供需双向博弈：企业的效率账与求职者时间成本

　　AI考核的快速铺开，是产业变革向招聘端的自然传导，但在落地过程中，考核动机分化、落地成本高企、评价标准不透明、考生时间成本错配等问题同步显现。

　　从企业侧看，设置AI考核的出发点并不统一。受访应届生表示，头部企业更多是为了适配内部AI工作流，降低新人入职后的适配成本。但也有不少企业只是跟风行业趋势，把AI考核当成抬高筛选门槛的手段。

　　落地层面，行业普遍面临三重现实瓶颈。一是成本瓶颈：深度交互式考核需要配置专用服务器、承担持续的大模型Token消耗，人均招聘成本远高于标准化笔试，因此多数企业仅将AI coding作为笔试附加板块。二是模型瓶颈：第三方平台搭载的大模型能力普遍滞后，难以还原真实工作中的AI协作场景。三是公平性瓶颈：线上考核环境下，二手交易平台已出现AI笔试相关的作弊服务，考核面临反作弊体系的完善压力。

　　对于安克创新“AI飞行员”这类深度交互式考核，受访者的评价整体偏正向。一方面，考生普遍认可其场景设计贴近真实工作逻辑，区别于常规的应试套路；更重要的是，定制化的考核环境让求职者感受到了企业的诚意。

　　“不像很多公司直接用第三方平台的现成题库凑数，这套题能感觉到公司投入了资金成本、题目设计的精力，不是随便应付求职者。”

　　但受访者也直言体验仍有短板。“题目目标太大，时间太长，做着做着就不想做了。” 加之评价标准不透明，考生考完很难判断自身作答质量。

　　对于普及率更高的标准化AI笔试，考生的质疑更为集中。多名受访者反映，部分企业采取“投递即触发笔试、先考试再筛简历”的模式，比如OPPO会向所有投递者统一发放AI coding和AI面试，考生完成全部考核后，企业才开始筛选简历、确定面试名单。

　　“花几个小时做完一整套题，最后可能连面试机会都没有，完全是无效时间消耗。”有受访者直言，这类考核更像是一种“服从性测试”。

　　产业逻辑下的演进：人才标尺的长期重构

　　校招AI考核的出现与争议，本质是产业端AI生产工具变革向人才筛选端传导的必然结果。这套评价体系的成熟度，也将与企业内部AI工作流的渗透深度同步演进。

　　从底层逻辑看，生产工具的变革推动人才评价标尺的迁移。过去校招的人才评价，核心是考察候选人的专业能力，即个人的知识储备与技术功底。而当AI逐步成为科技企业的基础生产工具，岗位的产出效率不再只依靠个人能力，更受人与AI的协同效率影响。

　　南开大学张同学表示，从能力内核来看，AI考核的核心区分点不会停留在“会不会写提示词”这类表层技能上。理想的考核应关注候选人如何借助AI拆解任务、逐步落地，并在与AI协作探讨的过程中解决真实项目问题。

　　结合受访应届生的体验，真正具备筛选价值的考察维度集中在三点：一是任务拆解与全局规划能力，即能否把复杂业务目标拆解为AI可执行的步骤；二是批判性甄别能力，即能否识别AI输出的错误、漏洞与局限性；三是结果责任意识，即明确人是最终交付的责任人，而非将AI输出直接交付。

　　值得注意的是，底层专业功底始终是上述能力的基础。AI工具可以提升效率，但无法替代候选人对业务、技术的基础认知。

　　受访者普遍认为大规模AI考核在短期之内很难实现。“未来一到两年AI Agent能力大概率会成为岗位的必要考核指标，但真正能拉开差距的，还是实操经验和技术知识，除非企业大幅提升AI考核在整体招聘中的权重。”

　　从行业演进方向看，随着企业AI工作流的持续深化，校招AI考核将逐步告别跟风式的野蛮生长，向更贴合岗位、更公平高效的方向迭代。

　　“中国人能飞”的网络梗，只是行业探索期的一个趣味注脚。当产业端的AI革命逐步走向纵深，校招的人才标尺终将完成与之匹配的校准。