抢人大战退潮，天才也要被挑选了

本文字数：2279｜预计4分钟读完

高薪仍在，机会收窄。

来源丨晚点LatePost

作者丨王子伊

大模型公司曾给尚未有成果的年轻人开出百万年薪，他们快速建立团队，甚至先把人抢过来，再给他找位置。

如今，情况正在改变。

今年秋招，一位2027届博士生带着六篇顶刊论文、两段头部大厂的模型实习经历，申请了二十多家公司的人才计划。

到10月下旬，只收到了五六个意向，薪资大多未确定，腾讯、阿里的求职结果也不如预期。在面一家大厂时，前两轮面试已经通过，却没等来第三轮。

高薪抢人的故事仍在发生。

最受欢迎的学生，报价仍可能高于去年，只是机会变少了；另一些有论文、有大厂实习经历的年轻人，却连获得面试都难。

各家模型团队逐渐配齐，招人开始看具体缺口。

对年轻研究员而言，工资之外，获得算力、参与核心项目，在真实的训练中积累的经验，成了比某次实习更重要的资本。

这道门收紧后，他们面临一个问题：如果第一个机会都没有，该如何证明自己？

1

秋招遇冷

此前，字节、腾讯都在有计划地寻找人才。少数进入头部人才计划的实习生，已经拿到数百万元的年薪。

这给还在读书的年轻人提供了很具体的参照：做出一篇好论文，去头部团队实习，参与一次重要训练，就可能被更多公司看见，身价变得更高。

今年找工作的学生，仍在按这些经验准备。论文更多，经历更丰富，却发现机会收紧了。

一位刚入职的研究员回忆，起初，每周都有 4、5 个人在群里打招呼，几个月后明显少了。他新推荐的候选人，有的没能进入面试，有的流程没有推进。

一位候选人7月下旬申请Momenta人才计划，完成三轮技术面试后，9月被告知因技术重点调整，岗位取消；另一位候选人在8月上旬申请腾讯混元世界模型岗位，后来发现页面显示岗位已下架。

流程推进也慢了。有人多次催问HR仍收不到回复，而急于招人时，HR会主动联系、持续“保温”，甚至带鲜花到学校庆贺。

各家基模团队整体在缩减校招、社招的招聘名额。

公司更青睐经过实习验证的候选人，留下的门槛却也在提高。

一名在腾讯青云计划的混元实习生说，2025年，同批符合条件的实习生会一起参加转正答辩；2026年，只有获邀者才能参加，还不一定能通过。

另一位研究员说，组里的实习生秋招时得去寻找非基础模型的岗位，去腾讯看 WeLM、IEG，去字节看智创、火山。甚至有Seed实习生怕影响转正，发着高烧仍不敢请假。

有的求职者在申请正式岗位时，被要求先实习，再竞争转正。

这些年轻人很难从一次失败中判断原因。技术问题答上了，项目也讲清楚了，还是等不到下一轮。

一位求职者在听过同学们的遭遇后说，“我觉得这就不是我的问题了。” 大家都这样。”

2

门槛抬高

过去几年，大模型公司急着建立团队，愿意为经验付高价，也愿意给聪明的人时间。

DeepSeek-R1发布后，热潮进一步升温。

现在，年轻、有潜力，都不足以保证竞争力。

9月，DeepSeek公布约150个招聘名额，主要面向2至10年经验的资深工程师。

来源：21财经APP

10月，Anthropic发布内部研究称，技术部门初级岗位占比从2025年初的 21% 降至 14%，新招初级岗位占比从27%降至9%。

AI行业人才出现“K 型分化”：有大规模预训练、强化学习或万卡集群基础设施经验的人，仍能拿到高价；而凭论文、缺少训练经验的新人，机会减少。

“有大模型经验” 已经太笼统。

除履历外，招聘负责人更看重具体贡献，负责哪个环节，有什么技术判断，能否独立解决问题，而不是只参与过哪些项目。

团队的分工更细了。

以前大家急着收集数据、训练模型，再看效果；如今会先评测模型，找出能力缺口，再有针对性地准备数据、安排实验。招聘也跟着走。

一名做推理加速的实习生，在面试时被问到更底层的算子；另一位做视频模型的候选人，则被反复问到如何造数据，这都不是他们此前负责的工作。

能持续投入预训练的公司有限，后训练、 Agent、强化学习基础设施等环节仍有需求，竞争却同样激烈。

去年入职的研究员也开始带实习生，这批学生又带着项目和实验结果进入下一轮校招。

对面试官而言，名校论文、头部模型实习、开源项目，都不再少见。

熟人推荐因此更重要。

合作过的人知道是谁提出方案，谁解决问题。校招也越来越集中于少数学校和团队，能力之外，还有“某种信任的传递”。

不在这种关系里的人，很难获得机会。有人在几家模型团队碰壁后，决定先做研究、攒代表作，等团队主动联系。

做出成果又需要导师、算力和项目机会，入口变得更窄了。

3

资源分化

相邻两届、研究背景接近的同门，求职结果却不同：2026届博士师兄拿到 “阿里星”人才计划，履历更好的2027届师弟却没拿到。

有人把招聘比作“抢椅子”，后来者已经没多少空位。

抢不到椅子，失去的不只是工资，还有积累经验的机会。

先入行的人已经参与过训练拿到成果；后来者却要先有成果，才能接触核心工作。

一位招聘负责人发现，实习生常做数据配比或小规模实验，很少能参与模型架构等核心工作。

有机会进入头部人才计划，团队允许探索，资源却有优先级。

一位在大厂实习过的研究者说，原本希望把自己的方案部署进模型，他完成研究后，还要等待内部评测、收益及精度验证，最终决定权掌握在少数人手里。

这种分化更早出现在学校里。

学校难以提供足够资源，学生得靠导师经费或校企合作做研究，用好论文争取实习，再靠实习成果换下一次机会。

履历越好看，机会越多，像滚雪球一样。

如今，这条路也在变挤，有产业联系的导师越来越热门，而进组同样需要拿出成果。

还有实习生课程没结束就几乎全勤，往返学校与公司，忙时连觉都睡不够，却不知道毕业时这些经历能换来什么。

那位未能完成部署的研究者，今年也开始找工作。他们愿意接受更低薪水，只希望继续成长。

去年后训练兴起时，公司急着补充人手；到自己找工作时，许多团队已经招过一轮了。

他们把这称为“年景的问题”。

“我已经先认命了，没办法，去年没毕业。”