AI 抢人大战退潮，“天才” 也要被挑选了

大模型公司曾为尚未产出工业成果的年轻人开出百万年薪，不惜代价组建团队。字节甚至采取“先抢人再定岗”的策略。然而，这一局面正在发生深刻变化。

2027届博士生李然（化名）手握六篇顶刊论文及两段头部大厂实习经历，申请了二十余个顶尖人才计划。相较于上一届同学轻松斩获腾讯、阿里高薪offer，他自认履历更优，预计能拿到十余家机会。但截至10月下旬，他仅获五六个意向，薪资未定，且多家大厂面试流程莫名终止。“本以为稳拿的岗位，连三面都没进。”

尽管顶级人才薪资报价仍高于去年，但机会总量显著收缩。招聘负责人指出，过去凭聪明才智可获得无数试错机会，如今容错率大幅降低。部分拥有优质论文和大厂实习背景的候选人，甚至难以获得面试资格。猎头与招聘方普遍反馈：基座算法团队招聘门槛急剧收紧，企业更关注候选人能否解决具体问题及填补现有团队能力缺口。

此前，字节、腾讯等巨头曾展开激烈的人才争夺战，为少数精英开绿灯，实习生年薪高达数百万。这种“论文+头部实习=高薪”的路径成为学界标杆。今年求职者沿袭此策略，却发现既往经验失效。

一位新入职研究员回忆，初期团队每周涌入大量新人，数月后新面孔锐减。内推通过率大幅下降，部分基模团队校招范围已收敛至少数核心高校及教授团队。更有候选人因公司业务调整，在通过多轮技术面试后被告知岗位取消或下架。

招聘流程也变得迟缓冷淡。以往HR会主动“保温”甚至到校庆祝，如今则是多次询问无果。头部大模型公司招聘负责人证实，缩减校招与社招名额已是行业共识。

门槛提高体现在转正环节。以腾讯青云计划为例，2025年符合条件者均可参加转正答辩，2026年仅获邀者可参加，筛选前置。部分实习生为争取非基模岗位（如微信、IEG等）或避免影响转正，即便身体不适也不敢请假。更有甚者，被要求先实习再竞争正式编制，即便已有大厂背景，仍需额外投入数月时间验证。

过去几年，大模型行业处于基建期，缺乏懂训练的人才，公司愿意为潜力付费。DeepSeek-R1发布后，国产大模型信心倍增，引发大规模校招与天价挖人热潮。

如今，年轻与潜力不再是绝对竞争力。DeepSeek近期招聘主要面向资深工程师；Anthropic数据显示，其技术部门初级岗位占比从21%降至14%。人才市场呈现“K型分化”：具备大规模预训练、强化学习或万卡集群基础设施经验的资深人士依然高价难求；而仅有论文、缺乏实战训练经验的初级候选人机会骤减。

“有大模型经验”的定义变得严苛。招聘方深入追问具体贡献、技术判断及负责环节。单纯依赖公司资源得出结果、缺乏独立思考的候选人会被淘汰。猎头表示，企业现在会将候选人与现有成员对比，看重其能否补齐特定短板。

随着研发流程标准化，基模研发趋向“制造业”模式：数据清洗、小模型实验、强化学习等工序明确。团队分工细化，招聘需求随之精准化。例如，推理加速岗位侧重底层算子，视频模型岗位侧重数据构建。若候选人技能与具体缺口不匹配，即便背景光鲜也难以通过。

热门方向同样竞争激烈。Code Agent等领域虽有机会，但大量博士生已提前介入并产出成果，后来者面临极高竞争壁垒。同时，高校与科研机构持续输送人才，简历含金量普遍提升，导致面试官手中充斥着雷同的优质简历。

在此背景下，熟人推荐的重要性凸显。大模型圈子紧密，校友、同门间信息流通极快。通过合作者推荐，不仅能传递能力信任，还能规避简历无法体现的个人贡献细节。不在这一关系网络中的求职者，即便依靠优秀作品获得关注，路径也更为曲折。

相邻届别、背景相似的求职者命运迥异，被形容为“抢椅子”游戏：先发者占据席位，后来者无位可坐。这种差距不仅体现在薪资，更在于获取核心资源的机会。

新加入的研究员发现，核心训练任务多由资深员工承担，应届生多从事数据配比或小规模实验，难触模型架构等核心工作。这造成了一种错位：先来者靠项目积累经验，后来者需有经验才能争取项目。投资人感叹，当前环境已难以像过去那样规模化塑造人才。

“有卡才能说其他事。”算力资源向Coding等高优先级方向倾斜，其他探索空间受限。即便产出成果，部署进主模型也面临重重审批与测试，后来者往往需“重搞一遍”并极力争取才能获得“合板”机会。工作流程的频繁打断与权限限制，进一步降低了效率。

这种分化延伸至校园。导师资源有限的情况下，学生需凭借前期成果争取实习，再通过实习成果换取更好机会，形成“滚雪球”效应。有产业联系的导师团队愈发热门，进组门槛也随之水涨船高。

一名实习生为保全勤，往返学校与公司之间疲于奔命，即便距离毕业尚有一年，也对未来充满不确定性。另一位研究员坦言，错过去年的招聘窗口期，只能接受“年景不好”的现实，甚至愿意降薪以求成长空间。“没办法，去年没毕业。”这成为许多滞后求职者的无奈心声。