这两个月的 AI 数据我更关心一件事工作流第一个信号AI 使用还在扩散但差距也在扩大第二个信号AI 编程已经进入生产环节第三个信号岗位要求正在“提前变难”第四个信号技能缺口反而给普通人留下机会普通人可以先练一个小工作流最后这两个月 AI 新闻很多。新模型、新 Agent、新硬件、新融资每天都能刷到。但我现在越来越不想追“哪个模型又强了多少”。原因很简单今天收藏一个榜单明天又被另一个发布会打断。看得多了反而不知道自己该干什么。所以我不写发布会也不写模型排名。我只看最近两个月几份报告里对普通人、技术新人、嵌入式工程师有用的信号。我筛了最近两个月内几份相对权威的资料Microsoft《Global AI Diffusion Q1 2026 Trends and Insights》2026 年 5 月发布OECD《AI and skills: What we know so far》2026 年 6 月发布PwC《2026 Global AI Jobs Barometer》2026 年 6 月发布这三份资料的角度不一样。Microsoft 看 AI 扩散和开发活动OECD 看技能和中小企业PwC 看岗位、工资和招聘要求。它们放在一起能看到一个比较实在的变化AI 正在从“聊天框里的工具”慢慢变成工作流程的一部分。别只练“会问 AI”。要开始练“把 AI 放进真实工作流程”。第一个信号AI 使用还在扩散但差距也在扩大Microsoft 的 AI Diffusion 报告提到2026 年第一季度全球劳动年龄人口的 AI 使用率从上一阶段的 16.3% 上升到 17.8%。图Microsoft AI Economy Institute 发布的 Global AI Diffusion Q1 2026 页面里面直接给出了 17.8% 这个全球扩散数据。这个数字看起来不夸张。但它说明AI 使用没有停在 2023 年那波尝鲜阶段。同时报告也提到不同国家和地区之间的使用差距明显。换句话说AI 并不是“全世界同步进入同一个阶段”。有人已经把它用进工作流有人还停留在“偶尔问两句”。这点对个人很重要。如果你现在还只是偶尔问 AI帮我写个文案 帮我解释一下这个概念 帮我总结一下这篇文章这不算落后。只是这种用法很浅。下一步可以练的是把一个任务变成固定流程。比如技术学习里可以这样做拿到一篇技术文档 先让 AI 提取目录和关键概念 自己读原文核对 再让 AI 根据自己的理解生成问题清单 最后把不确定的地方回到官方文档查证这个过程比单纯问“这份资料讲了什么”更扎实。这套流程不是让 AI 替你读完。它的作用是减少无效搜索同时保留人工核对。第二个信号AI 编程已经进入生产环节Microsoft 报告里有一个数据技术人应该看一下全球 Git pushes 同比增加 78%。图Microsoft 官方博客对 Q1 2026 AI diffusion 的说明里面提到 AI 使用率从 16.3% 增至 17.8%。报告把这个变化和 AI 编程工具联系在一起包括 Claude Code、OpenAI Codex、GitHub Copilot 这类工具对软件开发活动的影响。还有一个容易被忽略的数据美国软件开发者就业人数在 2025 年达到约 220 万同比增长 8.5%2026 年 3 月比 2025 年 3 月又高约 4%。这不等于“AI 一定不会影响程序员”。这个数据不能简单理解成“AI 不会影响程序员”。更稳妥的判断是眼下更明显的变化不是开发者马上消失而是软件生产方式在变。以前写代码很多时间花在这些地方查 API读报错写重复样板代码整理日志补测试清单写说明文档现在这些环节AI 已经插得进去了。对嵌入式工程师来说这个变化并不远。你不一定要让 AI 直接生成完整固件。更现实的用法是把编译报错贴给 AI让它先按可能原因分类 把串口日志脱敏后给 AI让它按时间线整理 把 datasheet 的某一小节给 AI让它列出需要核对的寄存器 让 AI 根据修改点生成测试清单 让 AI 帮你把一次排查过程整理成复盘文档这里要留一条边界AI 可以提高整理和试错速度但不能替你承担最终判断。寄存器位要回官方文档。硬件问题要看波形。生产配置不能让 AI 猜。这比让 AI 直接替你“猜一个答案”可靠得多。第三个信号岗位要求正在“提前变难”PwC 这份 2026 AI Jobs Barometer 我建议认真看。它不是看几个热门岗位而是分析了超过 10 亿条招聘广告。报告里有几个数据很直接AI 技能的平均工资溢价达到 62%高于去年的 57%。被 AI “专业化”的岗位数量增长速度是被 AI “民主化”的岗位的 2 倍工资增长也高 42%。AI 暴露程度高的初级岗位相比 AI 暴露程度低的初级岗位要求领导力、战略思考等传统高级技能的可能性高 7 倍。图PwC 2026 Global AI Jobs Barometer 新闻页。这里能看到它对“AI 重塑劳动力市场”的核心判断。这几个数据放在一起不是在说“人人都去学大模型算法”。更准确的意思是低层次重复任务正在被工具吃掉一些原来需要几年经验才会接触的任务可能更早出现在新人面前。这对新人不全是坏事。但它会改变成长路径。以前新人可能先做很窄的执行工作照着模板改一点代码 整理一份简单表格 按要求写一段说明 复制已有流程跑一遍AI 进入以后这些任务更容易被自动化或半自动化。于是新人要更早学会判断任务目标拆分问题核对结果和别人解释自己的方案对风险说清楚边界这也是我不太建议只收藏提示词的原因。提示词当然有用。但如果一个人不会定义问题不会验证结果不会解释取舍再好的提示词也只是让他更快地产出一堆不可靠内容。第四个信号技能缺口反而给普通人留下机会OECD 的《AI and skills》报告看的是另一面。报告提到近两年里接近五分之二的中小企业遇到过用工短缺三分之一遇到员工技能或经验不足的问题。在遇到技能缺口的中小企业中接近 40% 认为生成式 AI 有助于弥补技能缺口还有四分之一认为它有助于缓解用工短缺。这组数据对普通人有参考价值。很多人看 AI会先想到“它会不会抢我的工作”。但从中小企业角度看另一个现实问题是很多岗位本来就招不到足够合适的人。如果一个人能用 AI 补足一部分短板把原本做不动、做不快、做不完整的任务推进起来他在团队里的作用会更容易被看见。比如一个嵌入式新人如果能做到下面这些事就已经不是只会问答案能把日志先脱敏 能让 AI 帮忙按时间线整理 能知道哪些结论需要回代码验证 能把最终排查过程写成复盘 能沉淀成下一次可复用的检查清单这听起来不复杂但很实用。很多小团队缺的也正是这种人不一定懂最前沿的模型但能把工具用进具体问题里。普通人可以先练一个小工作流别急着追所有新工具。先做一个自己的 AI 工作流。它不需要复杂。先从一个固定场景开始。比如你是技术新人可以选“报错分析”第一步自己先读一遍报错 第二步标出你看不懂的关键词 第三步把报错和相关代码片段交给 AI 第四步要求 AI 分成语法问题、依赖问题、环境问题、逻辑问题 第五步对每个判断要求给证据 第六步只采纳能被日志、文档或测试验证的结论 第七步把最后结果写成一段复盘也可以选“读 datasheet”第一步只选一个小功能比如 GPIO 输出模式 第二步让 AI 列出需要阅读的章节和寄存器 第三步自己回原文核对 第四步让 AI 根据原文整理初始化步骤 第五步把每一步对应到寄存器位 第六步写出最小验证方法不要一上来就追求“用 AI 做一个大项目”。先把一个小流程跑通。能重复。能验证。能沉淀。这比大量收藏提示词更能留下东西。最后最近两个月这些数据看下来我没有看到“AI 要替代所有人”这种简单答案。我更在意另一个变化。会把 AI 放进工作流的人和只是偶尔问两句的人差距会逐渐体现。这里的“会用”不是会打开一个聊天框也不是知道哪个模型评分高。这里可以拆成几件具体的事能把模糊问题说清楚 能把任务拆成步骤 能让 AI 参与其中 能判断结果靠不靠谱 能把经验沉淀成下一次可复用的流程对新手来说这个入口不算高。它不是要求你一夜之间成为 AI 专家。它要求你从手头的小问题开始把 AI 用到真实任务里。从一次报错、一次日志、一次文档阅读开始。先从这里开始就行。参考来源访问日期2026-06-19。Microsoft, Global AI Diffusion Q1 2026 Trends and Insightshttps://www.microsoft.com/en-us/corporate-responsibility/dmc/topics/ai-economy-institute/reports/global-ai-adoption-2026-q1/Microsoft On the Issues, The state of global AI diffusion in 2026https://blogs.microsoft.com/on-the-issues/2026/05/07/the-state-of-global-ai-diffusion-in-2026/OECD, AI and skills: What we know so farhttps://www.oecd.org/en/publications/ai-and-skills_f843b352-en/full-report.htmlPwC, 2026 Global AI Jobs Barometerhttps://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.htmlPwC Press Release, AI reshapes global labour market into two distinct pathshttps://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html