别卷大模型了:会通信的AI人正在被抢

主权AI的人才荒：通信人可以考虑的新路径

2026年3月到5月，德国联邦政府做了一个小实验。Agentic AI Hub——把19个市政厅与9家AI初创配成20个试点项目，让智能体处理基层政务。全国申请者：约600人。

同一时间，海湾。整个GCC的持证AI专家不足12,000人，而区域算力容量的规划是从2025年的1GW涨到2030年的3.3GW——三年近三倍。

再看东京。全国AI独角兽约8家，对岸的美国约690家、中国约160家——但日本国家机器人战略要在2040年前新增约1000万台机器人，护理岗位供需比已经到1:4.25。

三组数字指向同一件事：主权AI的钱已经花出去了——买算力、买股权、买模型、建数据中心。但有一件东西花钱买不到：能把AI送进本国工厂、医院、政务系统，并跑通验收闭环的人。

一、为什么缺的不是算法科学家

先理解主权AI的采购逻辑。上一篇文章里我们拆过五种国家策略——买全栈、自建闭环、只做基建、治理中立、民主化扩散。形态各异，但有一个共同点：买单的主体是政府与行业龙头，走的是项目制，不是订阅制。

项目制的关键词是：招标、验收、审计、数据驻留条款。这意味着AI价值的兑现节点，从"模型跑分"平移到了"项目交付"。看全球最有价值落地榜的前排——阿联酋M42结核AI筛查（100万张胸片、AUROC 98.5%、假阴性率0%）、英国NHS肺癌影像AI（覆盖400万患者）、新加坡ACE-AI预防医学——每一个案例背后，都站着一群懂数据合规、懂采购预算、能组织跨团队交付的人。

于是人才缺口的结构和直觉相反：缺的不是会训模型的人，而是四类人——

二、五张可以下注的牌

牌1：主权合规与数据驻留——门槛最高，也最稀缺

这是技术含量最被低估的领域。它的底层是三套法律的冲突：美国CLOUD Act规定——美国注册的云厂商，无论服务器物理位置在法兰克福、新加坡还是孟买，都受美国数据调取令约束；欧盟Data Act第七章要求云商防止非欧盟政府访问非个人数据；GDPR第48条则要求数据转移以国际协定为依据，而非单边法院令。

在这套三法冲突里，只有一条路是干净的：开源权重+本地自托管，对CLOUD Act免疫。这解释了一个看似反常的现象：欧盟AI规范准则24个签署方里，Mistral签了，Meta被认定不合规——因为Apache-2.0许可证天然符合开源豁免，Llama的许可证不符合。许可证就是主权工具，而懂这套"权重合规审计"的人，全球都数得出来。

具体角色：数据驻留架构师、开源许可证审计、出海数据合规PM。一个建议：做"技术合规"而非"法律咨询"——前者是架构能力，后者牵涉政治敏感，尤其对中国背景的从业者。

牌2：行业落地PM——政府是锚定客户

为什么医疗AI在全球落地榜里占了一半？三个结构性原因：数据天然本地化（病历不出境）、支付方单一（政府/社保直接当客户）、效果可量化（AUROC、天数、人数能写进采购合同）。这三条也解释了为什么医疗PM的需求最确定——项目多、验收标准清晰、经验可复制。

德国Agentic AI Hub的真正价值不在那20个试点，而在它暴露的供需缺口：19个市政厅的智能化需求，全德国只有约600人愿意接。印度RBI的MuleHunter反欺诈（准确率85%+）、法院自动双语判决清掉12,000件积案——这些是"效果写进合同"的样板间。不需要你是算法专家，需要你证明交付过规模化AI项目。

牌3：物理AI与机器人——人口资产负债表的技术表达

日韩已经把它变成国家级采购。日本1000万台机器人战略、Noetra国产物理AI基础模型（SoftBank/NEC/Sony/Honda多数持股）、韩国同周宣布的同类愿景——背后是同一个硬约束：老龄化。日本近30%人口超过65岁，官方直言"数据积累是制胜战略"：老年护理、灾后响应、福岛退役的现场数据，才是物理AI的独家燃料。

这对个人的含义：中国机器人产业链出海（本体、灵巧手、减速器）需要懂海外认证、本地数据合规、售后网络的交付人才。而谁掌握"现场数据采集→模型迭代"的闭环方法论，谁就握住了下一代的职业护城河。

牌4：算力项目交付——瓶颈在电力，不在芯片

主权算力潮（沙特1.9GW规划、欧盟19个AI工厂、英加主权算力）带火的是一个朴素岗位：把数据中心建出来、跑起来的人。法国一个数据：存量年耗电约10TWh（占全国2%），新增并网申请近80个、预留18GW——电力并网、液冷能效、PUE优化、选址审批，全是卡点。Airbus把70个关键应用从AWS迁到Scaleway，这种主权迁移项目会越来越多，每个都需要既懂架构又懂迁移交付的人。

会做GPU训练估算（总计算量、MFU实际利用率30-50%的常识）、能独立建模推理成本的人，在这个领域是稀缺技能——因为多数做AI的人不会算账，而主权客户恰恰最在意算账。

牌5：AI出海操盘手——权重通道上的生意

中国的出海窗口不在芯片，在"非芯片维度"：开源模型的本地化部署（海湾、东南亚已验证）、多语模型合作（印度Bhashini式22语言生态）、不附加条件的基础设施+模型组合。但雷区同样清晰——DeepSeek在意大利被禁（2025/1）不是孤例，各国对"外国模型权重"的审查会常态化。懂主权敏感度、能把产品设计成"本地可审计"的操盘手，才有溢价。

三、一个被低估的交叉点：AI-RAN

如果你是通信背景，上面五张牌里有一张是为你留的，只是它藏在电信行业转型里。

软银正在把自己从电信运营商改造成"AI-native基础设施提供商"：用MEC分布式算力承载AI（AI-RAN），与爱立信验证低延迟高可靠网络承载机器人，2026年2月开源了AITRAS编排框架的调度评分模型，与安川电机做可变形物体操控、与三菱重工做边缘数据中心。

网络切片、QoS保障、边缘MEC、无线资源调度——通信工程几十年的存量知识，恰好是Physical AI时代最稀缺的输入。 机器人要联网、工厂要确定性低延迟、港口要调度优化，这些场景的第一语言是通信，不是Python。

同样值得注意的交叉是汽车：车数据（地图、驾驶行为）是高度主权敏感的数据，各国对出境管制趋严；欧盟AI法案把智驾列为高风险系统（义务推迟至2027年底，但方向不变）；中国车企出海东南亚、中东建厂，需要懂当地数据法+智驾数据合规的数字化PM。通信PM转AI的正确姿势，不是清零重来，而是把存量网络知识乘以AI交付能力——这个交叉点上，全球竞争者都还很少。

四、三条冷峻的提醒

1. 别被宏大叙事自我感动。 落地岗位的核心是跑通闭环——用作品说话（落盘的分析、跑通的案例、可复用的方法论），收藏夹里的任何战略报告都不算数。
2. 合规是双刃剑。 定位"技术合规"（架构、许可证审计、驻留设计）安全且稀缺；越界到"法律咨询"则敏感且危险。
3. 研究归研究，职业归职业。 A股概念会轮换，股价会退潮；真实的需求在交付侧，在"能把模型送进工厂、医院、政务系统"的人身上——这个稀缺是结构性的。