一种神秘力量吸引着“顶级天才”的选择
技术理想主义、组织文化、团队实力、资金等都是有关因素
在DeepSeek掀起的国内AI热潮下,今年的春招刚启动,最具话题度的行业已经出现了。
据智联招聘日前发布的《2025年春招市场行业周报(第一期)》,春招首周,人工智能行业求职人数同比增速达33.4%,位居行业第一;人工智能工程师的求职增速达69.6%,位居职业榜首,平均招聘月薪超过2万元。
周盛是一名计算机专业的硕士生,即将在今年毕业。主攻大模型岗位的他,在去年以来的秋招中拿到了十几家公司的offer(录用通知)。“最近,向我要学习笔记或者来咨询的人越来越多,有产品岗、算法岗、开发岗的求职者,也有文科专业的学生。大部分人还是会对学习和求职的高难度表示担心。”
这种担心很合理,想成为能被企业争抢的AI人才绝非易事,高学历、项目经验、竞赛或论文发表等要求,大都是硬性条件。
周盛表示,自己从2022年开始学习大模型知识,有大厂的大模型项目实习经历,在推理方向有研究经验,也拿过竞赛奖项。“基本功比较扎实,感兴趣的科研方向也赌对了市场需求,掩盖了我非985院校的学历背景短板。”他告诉《中国新闻周刊》。
AI人才的稀缺性高居不下。据脉脉高聘人才智库去年9月的数据,云计算、搜索算法、大模型算法、DSP开发、反欺诈-风控算法5个岗位连续2年位列人才紧缺度前十。
为了抢人,大厂、初创公司开出百万年薪早已不是秘密。然而,背后的难题在于,一方面,真正的“天才”可能千金难求;另一方面,抢夺人才的“烧钱”是必然,但想在这一行业实现现象级的成功和创新,并不可预测。
图/视觉中国
“重金”抢人才
高薪是人才争夺战的首要条件。在最稀缺的岗位中,超三成岗位的年薪超过50万元。
据猎聘大数据研究院日前发布的《2025AI技术人才供需洞察报告》(下称《报告》),近一年最稀缺的AI技术人才岗位是算法工程师,人才需求占比超67%;其次是图像算法、机器视觉、深度学习和机器学习。在所有招聘岗位中,年薪50万元以上的岗位占比最高,约31.0%。
拿到了十几个offer的周盛深有感触。他表示,字节跳动是大厂里的第一梯队。“夸张些说,字节出手后,可能其他厂商都很难招到想要的人,它开出的价钱让人很难拒绝。”
他提到,字节跳动给一些硕士毕业生开出的月基础工资可达5万—6万元,非“人才计划”应聘者的月基础工资也可达4万元左右。阿里、腾讯两家大厂在这一轮已经有些“掉队”,非“人才计划”应聘者的月基础工资在3万元水平。
据虎嗅AI科技评论的报道,大模型人才从创业团队流向大厂是过去一年的普遍选择;DeepSeek为做AGI所物色的多位NLP(自然语言处理)、多模态与强化学习方向的优秀人才,曾在DeepSeek与字节之间选择了后者。
毛婷正为国内一家大型高新技术企业代招人才,其中有少量算法工程师岗位。她告诉《中国新闻周刊》,自己接触到的情况是,初中级工程师的月薪往往在2万—3万元,高级工程师的月薪可达6万—8万元。例如,在某家互联网电商大厂有三年工作经验的算法工程师,有“92院校”本硕博背景,年薪现已达百万。
知名初创公司开出的价码也不容小觑。周盛表示,秋招期间,Kimi、Minimax等公司均可能给看重的人才开出百万级别的年薪。以他自己为例,尽管不属于“人才计划”,一家“AI六小龙”之一的初创公司仍然给他开出了总包70万元、月基本工资超4万元的优渥条件。除了薪资,这家初创公司也向他强调了所负责方向的重要性和前景。
“人才很难招,尤其是算法工程师。”毛婷感叹,劳动市场上流动的高学历人才比例不高,具备能力又对岗位有意向的应聘者也不多。“尽管大型企业在发展平台、项目稳定性等方面竞争力更高,但当小公司开出可观的薪资,有不少计算机软件行业的大龄从业者愿意从大公司的软件开发岗转向小公司的AI岗。”
AI技术人才的画像也较稳定。据《报告》,有硕博学历的总计占比达73.0%;人才数居前五的专业分别是计算机科学与技术、软件工程、电子信息、机械工程和计算机技术。
DeepSeek最近也释放出深度学习研究员(AGI)、核心系统研发工程师等急招岗位,据Boss直聘网站的最新信息,上述岗位的月基础工资可达6万—9万元,一年14薪。新释放的AGI实习岗位,日薪也可达500元,并有每月3000元的北京租房补助。
周盛很清楚自己和“顶级天才”之间的差距,尤其体现在他们提出新结构的能力,这需要极强的数学功底、富有创造力的想法、敢于尝试并刻苦钻研的精神。“最顶部的公司在招人方面也坚持宁缺毋滥,只有招想要的人,才会给出最高的筹码。”
2月11日,广州新春首场大型招聘会“春风行动、南粤春暖2025——广州好揾工”在天河区火车东站广场举行。招聘会上的人工智能专区吸引了大量求职者。摄影/本刊记者 陈骥旻
“顶级天才”千金难求
AI技术人才之所以昂贵,更在于其主导或参与的技术成果决定着公司的行业地位,甚至影响全行业的发展趋势,变革一旦出现,剧震就可能随时发生。
因而,对于真正的“顶级天才”,可能千金难求。
去年12月30日,“雷军千万年薪挖角95后AI天才少女”话题登上热搜。据多家媒体报道,雷军亲自出手,以千万年薪招揽DeepSeek开源大模型DeepSeek-V2的关键开发者之一罗福莉,罗福莉或供职于小米AI实验室,领导小米AI大模型团队。12月31日,红星新闻向其高中班主任求证,对方表示“她还在考虑”。
今年1月20日,DeepSeek-R1正式发布,其开源策略和低成本高性能的特点,引发全球资本市场震动。罗福莉也再度受到公众关注。
她本科就读于北京师范大学计算机专业,硕士保研至北京大学计算机语言研究所。毕业后,她通过阿里最高校招级别的“阿里星项目”加入阿里达摩院机器智能实验室,负责阿里达摩深度语言模型体系AliceMind中7个模型的开源,并主导开发了跨语言预训练模型VECO。2022年,她离开阿里加入幻方量化,从事深度学习相关策略建模和算法研究,后又在DeepSeek担任深度学习研究员。
罗福莉过往动态中的只言片语,一定程度上解释了她的选择。
2019年,硕士阶段的她曾一次性在国际顶会ACL中标8篇论文,其中2篇为第一作者,登上知乎热搜。她在知乎回答:“我所在的实验室乃至整个语言所做学术的氛围非常浓厚,老师也常在组会上跟我们说做有意义和价值的工作。”而在DeepSeek-V2模型发表后,她曾说:“团队的每一个人都非常优秀,DeepSeek-V2是群体智慧的结晶,创始人也是我坚信的国内最适合技术驱动型创业的!”
“个人认为国内非常缺乏工程型的AI实验室。”她在和网友的互动中表示,“这不是把一堆学术背景很好的研究者放在一起就能干好的事情,大型工程设计才是核心,目标设定、训练调试、评测反馈、交互体验、数据回流,每一步都需要扎得很深。”
1月27日,英伟达高级研究科学家禹之鼎在海外社交平台发文称,DeepSeek的核心成员之一潘梓正曾是英伟达2023年暑期的实习生之一,而他在英伟达和DeepSeek中选择了后者,“几乎没有犹豫”。
一种神秘力量吸引着“顶级天才”的选择,技术理想主义、组织文化、团队实力、资金等都是有关因素。
在AI技术人才群体里,另一个显著的特征是年轻化。前述《报告》指出,在近一年的AI技术活跃人才中,30岁以下的人才占比达59.9%,其中25至30岁的人才占比达38.3%。
以DeepSeek为例,据报道,其团队规模不足140人,平均年龄仅28岁,其中不乏在读博士、应届硕博毕业生,大多数成员的工作经验不超过5年,Leader级别的年龄多在35岁以下。梁文锋曾于2023年接受36氪采访时表示,“看能力,而不是看经验”。
谈及年轻化,曾任前程无忧首席人力资源专家的冯丽娟指出:“AI行业最大的问题就在于,想要勇立潮头,一是工作高压,二是必须跟上技术前沿。AI时代的产品不再是线性发展,同时技术的下沉非常迅速。技术的迭代也意味着人的折旧和迭代,两三年就可能会发生巨变。”
她感叹:“在互联网成长的年轻人,对很多旧有的职场习气是不太习惯的。即便是大企业,对真正的顶级人才是拿捏不住的,因为他们会有更多的选择,去选择快速发展的舞台。”
岗位更“卷”
自觉“不是天才”的周盛,在决定最终去向时,更加考虑稳健性。
据他所知,有大厂的大模型基座团队可能会在同一方向同时设立多个组进行“赛马”,年底进行绩效评比,初入职场的他很担心面临被淘汰的风险;而初创公司的“工作强度很大”,也担心其不稳定性和市场认可度。
最后,他选择去一家非营利的科研机构,为以后的学术深造做准备。“虽然工资没有那么高,但工作强度不是强制的,比较自由,自己喜欢就可以‘卷’到11点再走,不想‘卷’就早点下班。”
此外,这家机构在本轮招聘中给部分Infra(基础设施)工程师岗位开出了更高的薪资。“DeepSeek的低成本实现有赖于高效的基础设施支持。这也说明机构比较有预知性,较早就想到要提升基础设施能力。”
冯丽娟告诉《中国新闻周刊》,以大企业作为风向标的市场调查发现,近几年AI行业竞争加剧,大企业用人的短期目标愈发强烈,以往长期的人才使用和培养的周期已经被打乱。
“新员工以较高的入门薪酬进入大企业2—3年后,如果向外跳槽薪酬可能还有一定增长水平;如果一直在内部发展,几乎很难实现快速的薪酬增长。一个残酷的事实是,2—3年后业务如果没有比较大的突破,淘汰率也非常高。”她说。
人才市场的风向也随市场冷热而变化。以大模型的基座类岗位为例,周盛亲历了求职门槛的提升,2022年,有过一些NLP或SFT(监督微调)的经验就很不错;2023年,可能需要有顶级学术会议论文发表和训练模型的经历,“坑位也少了”;2024年又上了难度,可能需要有多篇顶级学术会议论文发表才能有面试资格,年底大家逐渐认为文本大模型“已经‘卷’到头了”,岗位数量也进一步缩紧。
“今年初,DeepSeek掀起的热潮再度给了大家希望,又都愿意在这上面下功夫了。”他表示,能看到现在的相关岗位数量在增长,至少在实习生岗位方面。
冯丽娟表示,去年的调查结果显示,市场对应届毕业生提供的算法类岗位数量较2023年有约15%的下降。“2021—2023年,大型企业需求最高的是研发或维护型的算法类岗位,2023年的秋招和2024年,居首位的是销售类岗位。”
“这说明大部分的岗位增长可能是由市场的投资所带动。”她预计,只要有新的、带有一定突破性的产品出现,就可能带动投资,相应的岗位数量可能在今年增长。
但她提示,这种增长不会很多。一方面,新技术的研发端始终不是人才需求的大头;另一方面,由于尚不清楚各行各业使用AI的边界,短期内很难看到相应岗位的增加。
“多年来,AI已经对整个计算机领域的就业和产业发展带来了巨大的冲击。”杜克大学电气与计算机工程教授陈怡然告诉《中国新闻周刊》,一方面,对初级程序员的要求已经降低,程序员效率提升,市场对基础的计算机毕业生的需求可预见性地下降。
另一方面,真正“养得起”大模型的头部玩家很少,大部分企业是在此基础上做二次开发或应用的产品,尽管他们本身会招收很多工程师,但能够吸收的人才总量是降低的。“现在基本还在不断增长的岗位,主要是Infra工程师。”
在美国,人才的“溢价”也不再如前两年疯狂。头部人才仍然有很强的竞争力,但普通学生的offer数量已远不如前几年的高峰期。
全球性“抢人大战”
吸引和留住AI人才,始终是一项全球性挑战。
以DeepSeek为例,一份流传的核心成员名单显示,其团队成员主要就读于清华、北大、浙大、南大等国内高校的本硕博,仅小部分有海外学习背景。据前述虎嗅报道,早期为DeepSeek服务的猎头透露,DeepSeek早期也希望从海外的谷歌、Meta、OpenAI等团队挖顶尖人才,但进展并不顺利,所以只能退而求其次自己培养。
这是长期性、整体性的困境。麦肯锡在2022年的一项全球人工智能商业高管调查指出,102家企业中,逾半数的中国受访者表示难以找到合适人才来填补与AI相关的关键岗位空缺,如数据工程师、数据架构师和机器学习工程师等。
以上海为例,在2023世界人工智能大会期间,复旦大学党委书记裘新曾给出一组数据:上海市2025年需求的人工智能领域人才达40万,而本地高校相关专业在校生规模为4万。
但从趋势上看,近年来,中国培养了越来越多的AI人才。美国麦克罗波洛智库(MacroPolo)董事总经理Damian Ma表示,自2018年以来,中国已在2000多个院系中增加了AI项目,其中300多个项目位于顶尖大学。
MacroPolo分别在2020年、2024年发布的《全球人工智能人才追踪》报告显示,短短3年,来自中国的顶尖AI人才增长已使全球人才格局发生了诸多变化。
该报告以被人工智能和机器学习领域的国际会议NeurIPS接收论文的作者为指标,量化该领域的全球顶尖人才数量。该会议在2019年的论文接收率达25.6%,论文作者可被视作AI研究领域排名前20%的顶尖人才。
报告显示,从2019年到2022年,本科毕业于中国大学的顶尖AI人才比例从29%进一步提升至47%,始终居于全球首位;在中国工作的顶尖AI人才比例从11%增长至28%。
同一周期,选择在美国研究机构工作的顶尖AI人才中,来自中国的人才比重从27%增长至38%,来自美国的人才比重从31%增长至37%。报告也指出,80%的非美国籍AI人才在取得美国的博士学位后选择留美发展,这一比例仍高居不下。
对于刚毕业的初级科研人员而言,薪资待遇是影响其选择的一大因素。据了解,目前在美国毕业并留下工作的初级程序员年薪普遍可达到35万—50万美元;顶尖高校的博士毕业生则可能达到150万美元,甚至更高。
“从整体人才数量和质量来看,在人工智能领域,中美两国的教育差距并不大。”陈怡然表示,最主要的差距还是在于顶级的人才,包括其全球性的行业影响力、做出的贡献等等。
麦肯锡在2023年7月的研究中指出,预计到2030年,AI为中国带来的潜在价值有望超过1万亿美元,随着各大企业竞相挖掘这一价值,中国对高技能人才的需求将增至600万;同时,国内外大学及现有顶尖人才储备只能提供约200万,人才缺口将达400万。“即便市场出现收缩,人才招募仍会越来越难。”麦肯锡指出。
如何填补巨大的AI人才缺口?如何提升中国对全球人才的吸引力?这些问题将持续考验着未来的教育体系、就业市场、企业发展、营商环境等。
(文中周盛、毛婷为化名)
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.