最近投了几家公司目前没有收到什么反馈，我想针对这个现象进行一次调查讨论，并不代表大众，仅代表我个人观点。简历是否也回复其实和个人的经历有着极大的关系，优秀的人在哪都会发光。目前就只针对我心中的疑惑进行一次分析。

关于HC

HC是什么： 简单说公司允许某个部门、某个团队招几个人。

HC减少？ 是真的吗？

是因为HC减少才导致简历回复的变少吗？ 在网上也听到了一些声音是说关于HC在减少 为什么HC减少会对求职者造成影响？以及HC是否真的减少？HC少，真的足以解释简历更难被看见吗？

所谓HC 减少，究竟减少的是什么？是全国招聘岗位总量下降了，还是我们熟悉的那部分岗位减少了？是企业招的人少了，还是求职的人变多了？

目前听到的信息可能是一些就业的一些前辈们说公司内部确实会出现hc减少以及裁员的情况。 但是行业整体的HC是否减少这个数据并没有找到，并不能说HC减少了这个结论是真的，这也并不能作为简历投递出去没有反馈的原因。反而通过GPT帮我做了调查了一些数据发现：

至少从目前能够看到的一部分数据来看，事情甚至没有想象中那么简单。脉脉高聘人才智库的数据显示，2026 年 1 至 5 月，其平台新发校招岗位数量同比增长 3.56%，而不是下降。但其中 AI 校招岗位同比增长了 47.3%，AI 岗位在新增校招岗位中的占比也从 2025 年的 26.41% 上升到了 37.56%。换句话说，在这个平台样本中，岗位总量并没有明显收缩，但新增机会正在快速向 AI 等方向集中。需要强调的是，这只是脉脉平台的数据，不能直接代表整个中国招聘市场，不过它至少说明，“所有岗位都在减少”这个说法过于简单。

从产业本身来看，也很难直接得出“软件行业正在萎缩”的结论。工信部数据显示，2026 年前 7 个月，中国软件和信息技术服务业实现软件业务收入 8.98 万亿元，同比增长 9.2%；其中信息技术服务收入增长 10.0%。不过同期软件业利润总额只增长 1.3%。这意味着行业仍然创造了更多收入，但收入增长并没有同比例转化成利润增长。


与此同时，求职端却还在继续扩张。教育部数据显示，2026 届全国普通高校毕业生预计达到 1270 万人，比上一届进一步增加。 这就带来了一个容易被忽视的问题：即使岗位数量没有下降，只要求职者增长速度超过岗位增长速度，每一个岗位面对的竞争者依然会增加。

所以对于简历这件事情，涉及到的变量很多，不能把一个现象归咎于其中某一个变量，说到底这本质上也是一个复杂的系统，涉及到很多变量。

所以接下来可以讨论一下关于HC的数量，反映了公司的什么目标？

HC 到底从哪里来？

这部分也是LLM帮我做出的一些分析

一家公司原本有 100 名工程师，现有团队刚好能够维持当前业务。如果公司预计明年的用户、订单或项目会大幅增长，那么现有团队很可能无法承担未来新增的工作。这时候企业可能提前扩充团队，于是新的 HC 才会产生。

以及外界讨论说根据招聘形式说计算机正在走下坡路，我也不知道这种想法是根据什么得来的。而我想到的是可能是AI带来的提效，一个人的能做的工作确实很多了原本10个人能做的事情，现在5个人+AI就可以做完了。这和走不走下坡路没什么关系，反而觉得目前企业正在做一些像AI方向的一些转型。而转型的方向可能就包括： AI技术底座 (把AI本身造出来) 、AI应用开发 ( 把AI能力做成能用的软件)，AI业务效能 (让销售、运营、HR、客服等真正用AI提高效率 )

什么叫做业务增长？

比如一家外卖平台，原来每天 100 万单，明年预计每天 150 万单，这就是业务增长；一家 SaaS 公司原来有 5000 家企业客户，明年预计变成 8000 家，这也是业务增长；一家游戏公司原来只有一个产品，现在准备同时运营三个产品，也算业务增长；一家云厂商原来只做国内客户，现在准备进入东南亚市场，即使用户数暂时还没涨，也是在为未来业务增长做扩张。

也就是 系统规模扩大以后，新的复杂性出现了。业务增长制造出来的新需求和复杂性，占满了原团队有限的注意力和时间。

企业还会考虑利润、工资成本、未来的不确定性、招聘和培养周期、项目的重要程度等因素。但这个简单关系已经能够解释一个很重要的现象：业务增长，并不必然意味着员工数量按照相同速度增长。

企业为什么要缩招？

如果过去企业愿意提前开项目、扩团队、培养新人，为什么现在看似要为岗位进行缩减人员？ 真的仅仅是因为利润吗？

根据上面GPT给出的信息确实可以看出： 行业规模继续扩大，但利润增长明显慢于收入增长。业务确实在增长，但每增加一块收入，并没有像过去一样带来同比例的利润增长。

还是GPT给出的信息：

变化来自互联网行业本身逐渐成熟。截至 2025 年底，中国网民规模已经达到 11.25 亿，互联网普及率达到 80.1%。 这并不意味着互联网行业已经停止增长，但意味着早期那种依靠大量新增网民推动平台扩张的空间已经明显不同。互联网早期很像不断修建新的城市：新用户、新场景、新平台不断出现，公司只要抓住高速增长，就有理由快速扩充团队。但当市场覆盖率已经很高以后，竞争逐渐从“获得新的互联网用户”转向“如何让现有用户消费更多、留存更久，以及如何提高企业自身效率”。这种情况下，收入依然可以增长，但企业未必需要按照过去的速度增加员工。

企业对投资项目的选择变得更加挑剔，资金正在向预期回报更高或者处于新一轮增长阶段的领域重新配置。

这也能解释为什么同一时期，不同技术方向的就业体感可能完全不同。一个成熟业务部门可能正在控制 HC，而另一个正在投入 AI、电子信息、智能制造的部门却可能继续扩张。所谓“企业投资更加谨慎”，真正表达的不是所有项目一起踩刹车，而是过去那种“市场高速增长，所以先扩张再说”的逻辑正在减弱，企业越来越要求每一笔新增资源能够证明自己的回报。

与此同时，技术进步又改变了企业计算 HC 的方式。过去一个团队要完成某些开发工作，可能只能通过增加工程师数量来扩充产能；今天云服务、成熟中间件、开源生态以及生成式 AI 都在提高单个工程师能够承担的工作量。以及AI也是企业的一部分大的支出。于是企业面对新增业务时多了一个选择：不是立即增加 10 个人，而是先问“现有 6 个人加上自动化和 AI 能不能完成？”如果答案变成可以，那么业务仍然增长，但新增 HC 就不会按照过去的比例增长。

企业仍然愿意投入，但新增资源需要面对更严格的回报要求。成熟市场减少了粗放扩张的必要性，利润压力提高了成本敏感度，技术进步又提高了现有团队的人均产出，于是企业越来越少为了模糊的未来需求提前堆积人力。

资本为什么开始重新选择产业？

这里再次提出一个问题:是因为钱少了,所以导致行业收缩? GPT的回复:

2026 年的数据并不支持这么简单的结论。国家统计局数据显示，2026 年 1 至 8 月全国固定资产投资同比下降 7.2%，民间投资下降 10.1%；但与此同时，高技术产业投资却增长 5.2%，与人工智能等新产业密切相关的信息服务业投资增长 22.7%，集成电路制造业投资增长 12.0%，锂离子电池制造业投资增长 20.6%，知识产权产品投资增长 9.2%。这意味着一个很重要的变化：投资并不是简单地“消失”，而是在不同产业之间重新分配。

GPT的一些推测:

当一个行业逐渐成熟以后，同样一块新增资本就会重新计算机会成本：如果再投资一个同质化的消费互联网产品，未来还能增长多少？市场是否已经被头部平台占据？获客成本是否越来越高？最终利润空间还有多大？与此同时，如果 AI、机器人、芯片或者智能制造刚好出现新的技术突破和市场空间，同样一块钱可能存在更高的潜在回报，于是新增资金开始向这些方向移动。

这背后的逻辑可以粗略理解成：

```text
某项技术出现突破
        ↓
成本开始下降 / 能力开始提高
        ↓
过去无法成立的产品变得可能
        ↓
市场空间开始出现
        ↓
资本判断未来可能形成巨大产业
        ↓
提前投资企业
        ↓
企业获得资金
        ↓
研发、设备、市场和团队扩张
        ↓
逐渐形成新的 HC
```

所以目前应该注意什么? 企业的转变又暗示了我们什么?

资本流向真正有意义的地方并不是告诉我们明天该学哪个热门技术，而是提供一个新的观察窗口：社会正在把更多资源投入到解决哪些问题？哪些产业正在获得新的生产能力？这些投入最终可能产生什么样的软件和工程需求？

什么是泡沫

资本投资的是未来，而未来本身就存在不确定性。一个行业越热门，越可能同时出现真正的产业机会和估值泡沫。2026 年的人形机器人就是一个很好的例子。一方面，大量资本进入机器人产业，上半年融资活动非常活跃；另一方面，到 9 月，市场开始更加关注真实订单、量产和商业化能力，而不仅仅是技术展示和概念。相关报道也显示，监管和投资者开始更加审慎地审视部分公司的收入质量与估值。

举例: 人形机器人行业

泡沫的成因：高成长与高不确定性并存

因为人形机器人未来可能改变世界，大家都害怕错过下一个时代（FOMO心态）。既然未来无法精准预测，大家就全凭想象力给公司定价。投资人为了抢项目盲目抬价，导致公司估值一路狂飙。这就形成了由“过于乐观的预期”堆积起来的估值泡沫。在2026年上半年，人形机器人处于“讲故事”的阶段。一家公司可能只要发一段机器人翻跟头、煮咖啡的酷炫视频，或者画一张精美的 PPT，就能拿到几亿甚至几十亿的融资。这时候公司的超高估值，大部分是虚胖的成分（空气），并非来自于它的盈利能力。

到了2026年9月，市场从狂热中冷静了下来，进入了“挤泡沫”的理性阶段。投资人和监管机构不再满足于看技术表演，而是开始查账、要结果：“你的机器人到底卖给谁了？能不能大规模生产？报表上的收入是真金白银，还是靠补贴和左手倒右手凑出来的？”

AI改变了什么?

在很多聊天中发现一些话题就是关于: AI是否会取代人类? AI能力这么强,我们人去做什么?

同样GPT调研的一些数据:

至少从软件开发本身来看，AI 已经开始明显改变工程师的生产方式。DORA 在 2026 年公布的研究中提到，90% 的技术从业者已经在工作中使用 AI，超过 80% 的受访者认为 AI 提高了自己的生产力。研究同时发现，AI 特别擅长加速模板代码、重复实现和初始代码生成，让工程师从“从零开始写”逐渐转向“生成、检查和修改”。但这种生产率提升并不是没有代价：代码生成速度变快以后，审查、验证、测试和集成的压力也会随之增加，因此 AI 更像是放大了一个团队原本已有的软件工程能力，而不是自动让整个开发过程变得更可靠。

AI目前来看替代了一些什么工作?

真正容易受到重新定价的，可能首先是那些标准化程度高、输入输出清晰、容易检查的工作，例如模板代码、简单 CRUD、接口封装、基础 SQL、测试初稿、文档整理、简单代码迁移等。DORA 的工程师访谈也发现，AI 目前最直接的价值之一就是自动化可预测的模式和重复实现细节。 这些任务不会突然消失，但完成它们需要的人类时间正在减少。于是企业真正愿意支付更高成本的部分，可能逐渐向另一端移动：需求判断、系统设计、复杂故障分析、业务建模、跨系统集成、安全、可靠性、验证以及对结果负责。

但是根据上述的讨论得知 AI虽然替代了一部分工作,但是它也带来一些新的工作:

另一方面，AI 并不只是减少原有工作的需求，它同时也在创造新的工作。脉脉发布的 2026 年 1 至 7 月 AI 招聘数据中，AI 应用开发岗位占 AI 新发岗位的 60.97%，AI 技术底座占 24.55%，AI 业务效能占 14.48%；其中 FDE（前沿部署工程师/现场部署工程师）岗位同比增长超过 15 倍，Agent 开发也成为 AI 应用开发中的热门方向。这个变化说明企业的关注点正在从“把模型训练出来”逐渐延伸到“怎么把模型真正接进业务”。

AI技术底座 (把AI本身造出来) 、AI应用开发 ( 把AI能力做成能用的软件)，AI业务效能 (让销售、运营、HR、客服等真正用AI提高效率 )

所以对于传统的开发我们应该想: 当写出代码本身越来越便宜以后，软件工程师还有什么能力是企业必须为之付费的？单纯完成代码实现正在从一种稀缺能力变成更加基础的能力，而理解问题、设计系统、验证结果以及把技术接进真实业务的重要性正在上升。

总结

一开始，我只是想知道：为什么今年投出去的简历越来越难得到反馈？大家都告诉我，因为 HC 少了、行情不好。可如果答案只是这样，那么对我来说似乎只剩下一种选择：继续刷题、继续背八股、继续重复修改项目，然后希望自己能够在越来越激烈的竞争里挤进去,但沿着 HC 继续往下追，我逐渐发现，它只是整条链路最末端的一个结果.目前获取信息的能力确实很强了,我们大家都有能力去获取信息,但是重要的是怎么把信息汇总在一起,能够给自己一个理由,相信一些表象. 能够让自己有权利去分析现象,去看待问题,能够有权利去自己做出选择!

—-

以上有关gpt输出的信息，对于链接部分进行了查看输出的数据可以对应上，但是对于一些输出没有进行验证，此文章目的就是整理一次关于从现象分析到问题本质的一次练习