2025年大厂掀起AI人才争夺战，大模型相关岗位需求激增，薪资涨幅达20-30%。AI人才供需比仅0.5，但企业招聘标准不断提高。高校教学内容与行业前沿存在错位，形成结构性人才短缺。求职者不必盲目追逐纯AI岗位，传统岗位与AI结合同样有发展空间，掌握AI技能将为职业发展提供巨大机遇。

---

2024年年初，一家初创公司引起了张云霁的关注。这家公司在大模型混合专家架构（Mixture of Experts）方面的创新与他的兴趣高度契合。那时，他刚从清华本科毕业，正在香港读硕士。读完该公司发布的论文后，张云霁意识到，大模型推理优化或将成为AI下一阶段的关键。于是，他放弃了申请博士，决定投身更具落地性的项目。

一年后，这家公司的名字响彻行业。2025年春节期间，DeepSeek因其颠覆性的模型发布登上热搜——开源、低成本、高推理能力，它挑战了行业对“大模型=高投入”的既有认知。技术层面上，DeepSeek推动技术公司开始重视推理效率和成本优化；而在产业层面，AI热潮持续升温，技术巨头们纷纷加码，同时掀起了一场“抢人大战”。

今年的校招成了竞争前线。

4月，腾讯启动史上最大就业计划，3年内将新增2.8万个“校招”实习岗位，同时加大转化录用率，其中与AI相关的技术人才是招聘重点。阿里巴巴已于今年2月启动2026届春季实习生招聘，开放超过3000个岗位。其中，AI相关岗位占比近5成，部分AI业务部门占比更高，以阿里云为例，AI岗位超过80%。

除了常规校招，大厂还推出了针对AI技术人才的专项计划：字节Top Seed、腾讯青云计划、京东顶尖青年、vivo蓝极星……目标都是招募能在大模型领域实现突破的技术人才。为了吸引这些人，京东、vivo等公司更是在招聘公告中写明“薪资不设上限”。

不过，顶尖人才始终是少数。对大多数准备校招的年轻人而言，AI行业的机会在哪里，又该如何把握技术浪潮中的红利？我们采访了多位招聘方负责人和求职者，试图寻找答案。

01

大厂为何急招AI方向应届生？

进入4月，技术大厂密集启动春季实习招聘，AI相关岗位的需求尤其集中。阿里云智能集团资深招聘总监曹彬告诉《第一财经》YiMagazine，4月是许多企业新财年预算和战略落地的关键期，AI领域加速发展，企业有必要提前储备人才。“AI领域存在长期的‘人才荒’，头部企业一直都希望尽早锁定更有潜力的年轻人。”在阿里巴巴集团的AI战略中，其下属的阿里云智能集团（以下简称“阿里云”）扮演的是云与大模型的基础设施的角色。“我们重视云计算与AI的深度结合。今年校招和往年最大的区别在于，超过80%的岗位都和AI相关。”曹彬说。

今年，大厂对AI的押注比以往更大规模、更坚定。2月，阿里巴巴CEO吴泳铭宣布，未来3年将投入超过3800亿元建设云和AI硬件基础设施，总额超过去10年总和。吴泳铭明确提出通用人工智能（AGI）是阿里巴巴AI战略的核心目标；同一时期，字节跳动CEO梁汝波在公司全员会上表示，2025年AI业务要将追求智能上限当作最重要的目标，而不是追求某个产品的DAU；腾讯在2025年第一季度财报电话会上透露，将在未来试水智能体AI（Agentic AI）。腾讯CEO马化腾认为，在微信生态系统内，腾讯有机会创建一个非常独特的智能体。

AI竞赛持续升温，中国公司希望在全球竞逐中吸引顶尖人才，拓展行业前沿；另一方面，它们也试图将AI技术快速落地，实现商业化发展。对资源雄厚的技术巨头而言，“基础研究”和“商业应用”都不能落下，而这种双重布局也直接体现在招聘策略上。

大模型的基础研究主要涵盖预训练、微调、推理优化、多模态生成等细分方向。长期从事AI领域招聘的猎头Freda透露，企业对这类岗位的人才期望画像高度明确：顶尖高校背景、硕博学历、在计算机顶会发表论文、有算法竞赛或数学竞赛获奖经历……顶尖高校的核心实验室，会是头部企业在校园招聘中长期锁定的目标。

“企业方在原有的招聘需求上，会越来越欣赏人选的灵活性、创新能力。”Freda说。此外，她观察到，在当下的商业竞争环境里，研发人选的硬性和软性综合素质，会对产品最终呈现有直接影响。硬性算法基础和工程能力，是最直观的判断标准。软性素质上，人选在关键节点上的灵光乍现，对AI技术的热情以及对前沿探索的积极性，会比较吸引用人单位。

“做基础研究的同学在全国范围内很稀缺。在某个细分领域，我们不仅知道谁做得好，也大致了解他们的职场流动情况。”拥有多段实习经历的张云霁对《第一财经》YiMagazine表示，他在入职后从事的研究工作与正式员工几乎没有差别。

与此同时，对更大范围的求职者来说，AI行业从模型层到应用层都涌现了更多机会：AI基础设施（AI Infra）工程师、偏应用侧的大模型算法工程师、面向C端用户的生成式AI产品经理、为B端客户提供产品解决方案的商业技术工程师，等等。

以AI Infra方向为例，这类工作更侧重工程落地，专注于构建和维护支撑大模型训练与部署的底层技术平台，确保AI系统稳定运行。“在AI Infra方向软硬性素质极佳的人选，具备硕博学历，工作三到八年，跳槽时的薪资可以达到非常可观的涨幅，部分人选的年薪总包可以达到200万元。”Freda向《第一财经》YiMagazine透露。

随着AI从实验室走向商业化，对复合型人才的需求也在增长。据曹彬介绍，阿里云的管培项目倾向于招收具备计算机与商科相结合的跨学科背景的学生。相应地，岗位名称也从“销售”转向“商业技术工程师”，不仅要懂产品，更要具备编程能力，“如果不理解底层技术，又无法把握客户需求，很难将产品介绍清楚”。类似岗位还包括“解决方案架构师”：既理解技术，也熟悉商业逻辑，能够在销售和产品研发之间架起桥梁。

不仅仅是互联网大厂，AI浪潮正在席卷各行各业。微软和领英联合发布的《2024年工作趋势指数年度报告》显示，AI技能可能将很快变得和工作经验一样重要。66%的领导者表示，他们不会聘用没有掌握AI技术能力的人。学习和掌握AI技术为员工提供巨大的潜在机 遇。

02

一边是焦虑，一边是稀缺

校园招聘通常在每年8月至9月启动。2月开始面向应届实习生的暑期实习招聘被视为正式校招的“提前批”——实习结束后参与转正答辩，有机会提前锁定校招offer。曹彬向《第一财经》YiMagazine透露，阿里云每年暑期实习生的转正率在70%至80%之间。今年的实习生offer由1000人扩大到了2000人以上。

除了扩招，不少企业还提高了薪酬待遇。一位业内人士对《第一财经》杂志表示，某互联网头部公司，今年算法方向应届生的薪酬相比往年有20%到30%的涨幅，除技术专项人才计划外，互联网校招起薪范围在25万至80万 元。

不过，用人需求旺盛的另一面，是结构性的人才短缺。人才解决方案供应商翰德发布的《2025人才趋势报告》显示，AI人才的供需比仅为0.5，这意味着每两个AI岗位仅能匹配到一位合适的候选人。特别是在强化学习、大模型算法、多模态算法等方向，顶尖研究员和工程师供不应求。

但这并不意味着应届生能轻松找到工 作。

实习转正率与薪酬福利提高的同时，选拔标准也相应提高了。Freda告诉《第一财经》YiMagazine，2023年ChatGPT“破圈”，企业急于“从0到1”搭建团队，那时做人选推荐，和AI方向沾边，用人方都比较愿意给机会。2024年，AI团队雏形搭建完成，招聘需求趋缓，更多是对上一年招聘的“查漏补缺”。而到了今年，企业需要保持商业营收可预期，且团队还要做前沿方向的探索，因此用人要求进一步提高，专业背景、实习经历与岗位的匹配程度变得更加关键，“2025年，市场对人才的期待要比2023年高一个层次。”

求职者对此感受最深。

正在中国科学院读硕的许嘉刚刚结束一段实习，本想休息一个月，但他发现，身边很多同学几乎无缝衔接下一段实习，中间只给自己留一两周的缓冲时间，为的是积攒2到3段实习经历。此外，招聘节奏也在加快，许嘉注意到，微软在2月就截止了暑期实习申请，这在两三年前是非常罕见的。这些变化正在加剧求职学生的焦虑。

但实习经历再多，也只是敲门砖。企业更看重的是基本功、创造力，以及项目在业务场景下的可行性。

李智卉本硕就读于北京一所211理工类院校，她发现在技术面试环节，面试官并没有纠结她实习经历的空白，而是重点考察AI与机器学习的基础知识，深究她在具体场景下解决问题的能力。最终，李智卉通过了终面，和她同一批面试、拥有2到3段实习经历的同学却没能拿到offer。

李智卉申请的岗位是搜广推（搜索、广告与推荐系统的统称）算法工程师，这与她的学术研究方向并无关联，相关知识她都是自学的：自去年12月起，她每天刷十几道Leetcode题（注：全球知名的编程在线评测平台和技术面试准备工具），直到现在仍保持着每天4至5道题；每天精读一篇大模型论文；阅读搜广推相关书籍，补理论也补系统认知。“公司的实践与自学内容不一样，因此更看重基本功扎实、学习能力强、培养起来轻松的同学。”这是面试官给李智卉的反馈。

AI领域人才缺口的背后，是多重结构性因素叠加的结果。首先，高校教学内容与行业前沿存在错位，高校课程仍以理论为主，其培养速度也滞后于技术演进的节奏。大模型等新兴岗位的招聘需求激增，远超现有人才储备，形成供需失衡。此外，全球人才竞争加剧也给本土供给形成压力。曹彬介绍，在多模态、预训练、强化学习和AI Infra等方向的人才争夺非常激烈。为了提前锁定高校优秀人才，阿里云与国内多所985院校合作共建实验室，开展学术合作。同时，定期举办暑期技术沙龙，结合业务场景举办技术竞赛，吸引高校学生参与。这些举措提升了阿里云管培生的招募效率。

AI技术仍在快速演进，互联网公司对应届生抱以高期待，如何用AI在现有业务上做创新，全行业还没有标准答案。这一代年轻人被寄望在行业尚未成型时，摆脱经验主义的束缚去做一些创造性的工作。

03

如何把握AI时代的红利？

实习后，张云霁愈发感受到纯学术研究与产业界的差异。如今的大模型招聘非常看重研究方向与业务需求的匹配度，这也是能否拿到offer、争取高薪的必要条件，“如果当时没有转型，我可能就错过这次AI浪潮了。AI技术变化太快，而博士周期太长——我并不确定，5年后毕业时还能有同样宝贵的工作机会。”

“选择大于努力”，张云霁提醒尚未毕业的同学应该想清楚自己真正想要什么，并有勇气付诸实践。学术界与产业界研究方向不匹配是结构性难题，个人难以改变研究方向，可以先从互联网中厂入手，尽早积累经验。

多位业界人士向《第一财经》YiMagazine指出，应届生不必盲目追逐那些标签鲜明的AI岗位。随着大模型加速融入各行各业，AI本身不再是一个孤立的方向。“要走出‘只有AI岗位才与AI相关’的误区，”曹彬提醒，“未来，大多数岗位都将在AI能力的支撑下被重塑。”

李智卉就锚定了相对传统的搜广推算法工程师，尽管她在招聘软件上收到了大模型岗位需求的“狂轰滥炸”，据她分析，大模型的求职门槛更高，自己的研究方向和论文数量在竞争中没有优势。而且，大模型现在的商业化路径还不够清晰。相比之下，只要有内容，就需要搜索、广告与推荐算法——这是支撑互联网公司内容分发和商业变现的核心算法技术。

许嘉在寻找实习时发现，“大模型算法工程师”这个岗位名称正在过度膨胀。部分公司虽然在职位描述里强调与大模型相关，实际工作内容更偏向基础开发。“只是调整参数、基于大模型做开发，计算机专业背景的同学都能胜任，并不需要大模型相关经验。”许嘉提醒，要注意辨别哪些实习真正有价值，不要因为焦虑盲目积累实习经历，做无用功。他在一家跨国外企实习期间，独立承担了一个AI项目：基于内部资料库与开源模型，制作了一个聊天交互机器人，用于提升员工办公效率。这段经历坚定了他未来聚焦于大模型应用层的职业方向，也成为他后期面试时的一个加分项。

04

人才大战的另一面

在这场人才抢夺中，红利只属于技术人才，对于非技术型人才，跨行依然艰难。

周璇是北京一所211高校的文科类硕士，2023年进入一家办公软件公司做内容运营实习生。那时，恰逢生成式AI的热潮席卷到应用层。她被安排去做AI提示词（prompt）优化的工作。随着学习不断加深，她意识到AI的应用效果依赖于大模型的能力。随后，她加入一家大模型初创公司，参与大模型训练数据评测标准的制定；此后又进入互联网大厂广告团队担任产品经理，接触AI在广告业务中的落地场景。

她原以为这些实习经验足以让她在秋招中脱颖而出。但现实是，2024年秋招期间，她几乎投遍了所有互联网公司的AI产品岗位，真正收到的面试邀约却屈指可数。周璇发现，AI产品岗在招聘时几乎都会标注候选人必须拥有技术背景，而这恰是她的短板。她也曾收到数据标注岗位的面试邀请，但这份工作在她看来内容高度重复、缺乏成长空间，因此她拒绝了面试。

一位互联网大厂的业务负责人对《第一财经》YiMagazine表示，数据标注、提示词撰写等工作的技术门槛较低，不限专业，因此在校招中的比例并不高。“非技术背景且找不到AI产品、AI运营岗实习的同学，可以尝试通过这类实习积累对大模型的初步理解，逐步转向AI产品经理或运营等岗位，这是一条相对可行的路径。而具备技术积累的岗位，更有助于长期的职场发展。”

对非技术背景的求职者而言，转向AI产品经理的挑战不小。该业务负责人指出，这一岗位要熟悉AI基础知识与产品生态，还要有产品判断力。“要清楚什么是好的AI产品，关注用户留存指标，其次看它是否真正解决用户的问题，最后还要评估其商业价值，即每年能创造多少收入。”他补充道，沟通能力同样关键：实习生需要清晰表达自己做过的项目，展现完整的产品思维。

周璇还在尝试AI产品经理的岗位投递，尽管她已经有了一家泛体制企业的校招offer，但还是期待能够尽可能往前走一步，满足自己对AI的好奇心。实习期间的工作内容并未完全解答她对AI技术的困惑，在她看来，很多产品都是在既有业务上用AI做加法，遵守的还是原来的业务逻辑。

2025年，中国的大模型市场进入新一轮调整周期。曾在2023年和2024年频频获得融资的大模型“六小虎”从行业聚光灯下逐渐淡出，正各自寻求差异化发展路线。越来越多毕业生将目光投向大厂，期望获得稳定的机会。

然而过去几年，互联网大厂从盲目扩张到业务收缩的故事值得警惕：企业如今大量招收实习生和应届生，未来就有可能因为没能产出结果，或不同团队间资源冗余等情况将项目收缩，这对初入职场的年轻人并不友好。

所有人都在寻找一条清晰、可行的商业化路径，企业在押注，毕业生也在押注。

随着大模型的持续火爆，各行各业纷纷开始探索和搭建属于自己的私有化大模型，这无疑将催生大量对大模型人才的需求，也带来了前所未有的就业机遇。**正如雷军所说：“站在风口，猪都能飞起来。”**如今，大模型正成为科技领域的核心风口，是一个极具潜力的发展机会。能否抓住这个风口，将决定你是否能在未来竞争中占据先机。

那么，我们该如何学习AI大模型呢？

得益于新岗位相较于被取代岗位更高的生产效率，全社会的整体生产效率实际上是不断提升的。

然而对每个个体而言，更准确的说法是：

“率先掌握AI技术的人，将比后来者更具竞争优势”。

这个道理，在计算机、互联网乃至移动互联网兴起的每一个时代初期，都同样适用。

作为一名在互联网一线企业拥有十多年工作经验的老兵，我指导过许多同行和后辈，也帮助了不少人实现能力提升和职业成长。

在这个过程中，我积累了许多值得分享的经验和知识，也希望能用自己的专业能力，为正在学习人工智能的你答疑解惑。尽管日常工作已经非常繁忙，我仍然坚持整理和输出这些内容。但由于信息传播渠道有限，许多互联网人难以获取系统、可靠的学习资料来实现自我提升。因此，我决定免费分享一批重要的AI大模型资料，包括：AI大模型入门学习思维导图、精选学习书籍与手册、配套视频教程，以及部分实战学习录播视频。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

大模型入门到实战全套学习大礼包📚

01

大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

02

大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

03

AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

04

大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

05

大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

06

全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

一、初阶应用：建立AI基础认知

在第一阶段（10天），重点是对大模型 AI 的基本概念和功能进行深入了解。这将帮助您在相关讨论中发表高级、独特的见解，而不仅仅是跟随他人。您将学习如何调教 AI，以及如何将大模型与业务相结合。

主要学习内容：

• 大模型AI的功能与应用场景：探索AI在各个领域的实际应用
• AI智能的起源与进化：深入了解AI如何获得并提升其智能水平
• AI的核心原理与心法：掌握AI技术的核心概念和关键原理
• 大模型应用的业务与技术架构：学习如何将大模型AI应用于业务场景和技术架构中
• 代码实践：向GPT-3.5注入新知识的示例代码
• 提示工程的重要性与核心思想：理解提示工程在AI应用中的关键作用
• Prompt的构建与指令调优方法：学习如何构建有效的Prompt和进行指令调优
• 思维链与思维树的应用：掌握思维链和思维树在AI推理和决策中的作用
• Prompt攻击与防范策略：了解Prompt攻击的类型和如何进行有效的防范
  
  
  、、、

二、中阶应用：深入AI实战开发

在第二阶段（30天），您将进入大模型 AI 的进阶实战学习。这将帮助您构建私有知识库，扩展 AI 的能力，并快速开发基于 agent 的对话机器人。适合 Python 和 JavaScript 程序员。

主要学习内容：

• RAG的重要性：理解RAG在AI应用中的关键作用
• 构建基础ChatPDF：动手搭建一个简单的ChatPDF应用
• 检索基础：掌握信息检索的基本概念和原理
• 理解向量表示：深入探讨Embeddings的原理和应用
• 向量数据库与检索技术：学习如何使用向量数据库进行高效检索
• 基于 vector 的 RAG 实现：掌握基于向量的RAG构建方法
• RAG系统的高级扩展：探索RAG系统的进阶知识和技巧
• 混合检索与RAG-Fusion：了解混合检索和RAG-Fusion的概念和应用
• 向量模型的本地部署策略：学习如何在本地环境中部署向量模型
  

三、高阶应用：模型训练

在这个阶段，你将掌握模型训练的核心技术，能够独立训练和优化大模型AI。你将了解模型训练的基本概念、技术和方法，并能够进行实际操作。

• 模型训练的意义：理解为什么需要进行模型训练。
• 模型训练的基本概念：学习模型训练的基本术语和概念。
• 求解器与损失函数：了解求解器和损失函数在模型训练中的作用。
• 神经网络训练实践：通过实验学习如何手写一个简单的神经网络并进行训练。
• 训练与微调：掌握训练、预训练、微调和轻量化微调的概念和应用。
• Transformer结构：了解Transformer的结构和原理。
• 轻量化微调：学习如何进行轻量化微调以优化模型性能。
• 实验数据集构建：掌握如何构建和准备实验数据集。
  
  

四、专家应用：AI商业应用与创业

在这个阶段，你将了解全球大模型的性能、吞吐量和成本等方面的知识，能够在云端和本地等多种环境下部署大模型。你将找到适合自己的项目或创业方向，成为一名被AI武装的产品经理。

• 硬件选型：学习如何选择合适的硬件来部署和运行大模型AI。
• 全球大模型概览：了解全球大模型的发展趋势和主要玩家。
• 国产大模型服务：探索国产大模型服务的优势和特点。
• OpenAI代理搭建：学习如何搭建OpenAI代理以扩展AI的功能和应用范围。
• 热身练习：在阿里云 PAI 上部署 Stable Diffusion
• 本地化部署：在个人计算机上运行大型模型
• 私有化部署策略：大型模型的内部部署方法
• 利用 vLLM 进行模型部署：高效部署大型模型的技术
• 案例分析：如何在阿里云上优雅地私有部署开源大型模型
• 开源 LLM 项目的全面部署：从零开始部署开源大型语言模型
• 内容安全与合规：确保AI应用的内容安全和合规性
• 算法备案流程：互联网信息服务算法的备案指南
  

通过这些学习内容，您不仅能够掌握大模型 AI 的基本技能，还能够深入理解其高级应用，从而在市场竞争中占据优势。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你无疑是AI领域的佼佼者。然而，即使你只能完成60-70%的内容，你也已经展现出了成为一名大模型AI大师的潜力。

最后，本文提供的完整版大模型 AI 学习资料已上传至 CSDN，您可以通过微信扫描下方的 CSDN 官方认证二维码免费领取【保证100%免费】。