（来源：晚点LatePost）
文丨王子伊
编辑丨赵磊
大模型公司曾给尚未做出工业成果的年轻人开出百万年薪。他们快速建立起团队，想尽办法找到那些聪明、有潜力的人。字节一度先把人抢过来，再给他找位置。但现在，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。他只考虑这些面向顶尖毕业生的岗位。上一届他的同学，有人拿到腾讯的高薪岗位，有人拿到了阿里的人才计划。在他看来，其中一些人的论文和实习经历还不如自己。
他原本预计能拿到十二三家的机会。但到了 10 月下旬，手里有五六个意向，薪资大多还没确定，腾讯、阿里的求职结果都不如预期。在面一家大厂时，前两轮面试已经通过，他本以为有希望，但没等来第三轮，流程就结束了。“我觉得这个应该能拿下，结果三面都不给。”
高薪抢人的故事仍在发生。一位 AI 公司招聘负责人观察到，今年最受欢迎的学生，报价仍可能高于去年，但供他们选择的机会变少了，“以前，只要你聪明、能力强，就能有无数的机会。现在没那么多试错空间了。”
另一些有论文、有大厂实习经历的年轻人，则发现自己连获得面试都更难。刚入职几个月的一位研究员，最近推荐了几名候选人，多数没有进入面试，其余还在等待。他曾经看好的一位候选人，有知名模型公司的实习经历，也有不错的论文和技术博客，推荐后一个月，流程仍未推进。
猎头和招聘负责人反复提到一个变化：目前，各家模型团队逐渐配齐，招人开始看具体缺口。公司会问一个候选人做过什么，独立解决过什么问题，能给现有团队补充哪种能力。即使已有基模经验，跳到另一支核心团队也变得更难。“基座算法团队的门越收越窄。”
年轻研究员争取的，还有工资之外的东西。获得算力、参与核心项目，在真实的训练中积累下一次被选择的资本，比某次实习更重要。但这道门收紧后，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？
履历更好了，机会却少了
我们在此前的报道中写过，字节从技术负责人到 HR，都在有计划地寻找人才，为少数看好的人选开绿灯。腾讯为了追赶，也曾广泛接触市场上的研究员。一位猎头当时形容：“腾讯不会错过谁。”
抢人大多发生在毕业之前。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。对还在读书的年轻人来说，身边的师兄、同学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。他们积累了更多论文，也在不同公司做过项目，但到了招聘季，发现既往经验不一定还适用。
一位今年入职模型团队的研究员回忆，刚加入时，每周都有 4、5 个人在群里打招呼，既有实习生，也有正式员工。几个月后，新面孔明显少了。他最近推荐了几名候选人，有的没能进入面试，有的流程一直没有推进。“以前推简历，差不多就能进面试；现在能进面试就已经不容易了。” 有猎头告诉我们，对于校招的学生，一些基模团队已经收敛到几个核心高校、核心教授所带的团队。
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 HR 告知，公司技术重点调整，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，9 月初发现招聘页面提示：“岗位已下架，请重新选择岗位。”
流程推进也慢，有候选人追问 HR 面试进度：“一次不回、两次不回、三次不回，后面拍一拍也不回。” 而急于招人时，HR 隔几天就会主动询问近况、持续 “保温”，甚至带鲜花到学校，为已录用的学生庆贺。
这些经历，构成了求职者 “遇冷” 的体感。某头部大模型公司招聘负责人说，“各家基模团队整体在缩减校招、社招的招聘名额，这基本是今年业内的共识。”
这种情况下，公司会更青睐经过实习验证的候选人，但留下的门槛在提高。一位入选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，也不一定能通过。筛选提前到了答辩之前。
另一位基础模型研究员说，组里的实习生秋招时得去寻找非基模岗位：去腾讯看混元之外的 WeLM、IEG，去字节看 Seed 之外的智创、火山。有人提到，有 Seed 实习生怕影响转正，发着高烧仍不敢请假，“尽管或许没有严格要求”。
还有求职者在申请正式岗位时，被告知需要先来实习，再竞争转正。他们已经有大厂实习经历，仍可能要再投入几个月，才能知道自己能不能留下。
这些年轻人很难从一次失败中判断原因。有人觉得自己回答了技术问题，也讲清楚了做过的项目，却没有等来下一轮；有人怀疑团队缺少名额，又无法从招聘方得到确认。他们向师兄、同学打听，把各自的经历放在一起，试着弄清今年到底发生了什么。
“我觉得这就不是我的问题了。” 一位求职者在听过同学们的遭遇后说，“大家都这样。”
比去年准备得更充分，对手也是
过去几年，大模型公司先要解决的是把团队建起来。懂训练的人少，做过大规模训练的人更少。公司愿意为经验付高价，也愿意给聪明的年轻人时间，让他们边做边学。DeepSeek-R1 发布后，热潮进一步升温。“所有人都感觉国产大模型颇有搞头，中国人能飞。” 一位投资人说。大规模校招、天价挖人、海外引进，公司各显神通招揽人才，也敢不断跟价。
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。Anthropic 10 月发布内部研究称，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%。
长期关注 AI 人才流动的 Sam 将当下人才市场称为 “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；主要凭论文、缺少训练经验的初级候选人，机会减少。
“有大模型经验” 已经变成了一个过于宽泛的说法。在头部基模实习、工作经历之外，招聘负责人还会追问具体贡献，负责哪个环节，有什么技术判断。只参与边缘工作、“缺乏思考，活特别糙，最后效果还行单纯是公司资源给得够” 的候选人，会被 pass 掉。
一位长期为模型公司招人的猎头说，早期推荐一个不错的人选，团队往往愿意见一见；现在，对方会把候选人和现有成员比较，他能补上哪一块缺口，或者带来多少新的能力。
团队的工作分得更细了。一位业内人士介绍，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，找出需要改善的能力，再有针对性地准备数据、安排实验。招聘也要跟着这些任务走。
早期大家都不知道怎么做，掌握关键技术的人很重要；训练流程明确后，“人不再是核心生产要素了”。他把基模研发比作 “制造业”：数据清洗、小模型实验、强化学习、合板。工序标准明确后，公司更清楚哪里缺人。
一名做推理加速的实习生，曾在面试模型团队时被问到更底层的算子。他熟悉的是框架，回答得不够好，几轮面试后没能通过。他觉得面试官很专业，只是双方做的事情不够契合。另一位做视频模型的候选人，在面试中被反复问到如何造数据，而这不是他此前负责的工作。
猎头 Allen 观察到，能持续投入预训练的公司有限，后训练和 Agent 则随着应用场景增加，仍有新的需求。另一位猎头 Steve 也提到，模型进入更多实际任务后，数据、强化学习基础设施等环节还需要补人。有研究员则发现，核心基模团队普遍收紧校招后，社招更偏向从友商挖有后训练、强化学习和推理优化经验的熟手。
热门方向并不一定更容易找工作。一位做多智能体的研究员说，Code Agent 的机会仍有，但候选人已经很多。有些博士生在毕业前，就在公司里做了一两年相关工作，承担着重要任务。他们既可能留下，也会参加其他公司的招聘。后来才转入这个方向的人，要和这些已经做出成果的人一起竞争。
过去几年，他一直做多智能体相关研究。最近，一些团队开始认真考虑这一方向，只要找到对口的组，面试就能往下推进。但一个方向什么时候成为热门，也有很大的运气成分。
上一轮招聘热潮，培养出了更多有工业经验的求职者。一位 AI 公司招聘负责人说，去年招进公司的研究员，现在也开始带实习生。有的正式员工同时带几个人，分别做不同任务。到了下一轮校招，这些学生都有了模型公司的名字、项目和实验结果可以写进简历。
高校和新型研究机构也在继续培养后来者：中国人民大学、南开大学、中国科学院大学等学校均设立了人工智能学院培养硕士、博士；上海创智学院 2024 年成立，目前已有 800 余名联合培养博士生。
求职者的简历越来越好看：Kimi、DeepSeek 实习，定期更新的技术博客，数千 GitHub 星标的开源项目，奥赛金牌、超算队经历。但面试官手里，可能还有几份同样亮眼的简历。一个人比去年准备得更充分，对手也是。
一位招聘负责人见过不少履历漂亮的候选人，讲起项目，能说清做了什么实验、得到什么结果；再问为什么选这个方向、依据哪些论文作出判断，就不一定答得出来。“你做这个实验的目的是什么？” 他会追问，是分析之后决定验证一个想法，还是碰巧试出了一个好结果。有些人只是给充足的资源试了出来，不一定有好的判断。
这也是熟人推荐有用的地方。一起做过项目的人，知道是谁提出了办法，谁解决了问题，了解一份成果里哪些是个人贡献，而通过论文署名和简历，往往很难看清。
模型研究员的交往原本就很密集。很多大模型研究员是校友、同门，一起参加过顶会。他们彼此熟识、交流频繁，业余时间还会一起健身、打德扑、旅行。哪里缺人、谁想走、谁做了什么，消息传得很快。“大模型圈几乎没有秘密。” 一家公司的研究员总在附近健身房聊未发布模型的细节，还被领导提醒 “不要在健身时聊工作”。
在目前的招聘环境里，这种关系变得更加重要。
一位进入头部模型团队的年轻研究员，最初是因为一项研究工作被注意到。团队负责人联系了他的合作者，再由合作者推荐了他。“强 connection” 既是合作的结果，也成为下一次录用的依据。一位业内人士观察到，校招愈发集中于少数学校和团队，能力之外，还有 “某种信任的传递”。
一位研究员说，推荐熟悉的人，确实能让团队更全面地了解候选人；可当熟悉的人里就有很多在等机会，团队也未必急着向外寻找。他表达了对这种变化的不满：“人家自己的人都没有安排明白呢。”
不在这种关系里的人，更难获得机会。一位去年求职的研究员，在几家模型团队碰壁后，决定暂时不再反复投递，把时间用来做一项更好的研究。“攒代表作，发出来……等人家找吧。” 后来，确实有新团队主动联系了他，但相比熟人内推还是波折了许多。
做出一项重要的工作，也需要资源。学生要先找到合适的导师，获得算力，或进入一个愿意让他参与重要项目的团队。这些都变得更难了。
“有卡才能说其他事”
相邻两届、研究背景接近的同门，求职结果却拉开了差距：2026 届博士毕业的师兄拿到 “阿里星” 人才计划，2027 届发表更好、经历更丰富的师弟，却没拿到。一位求职者将基模找工作比作抢椅子：“后来者没空位只能干着急，除非把去年抢到椅子的入职者杀了，不然没办法。”
但抢不到椅子的人，差的不只是薪水。
一位今年加入新模型团队的研究员，看重的是这里有更多算力，也有继续做大模型的打算。成员大多刚来，工作还在分配，他觉得机会相对公平。即便如此，更重要的任务仍多由从其他公司招来的资深研究员承担，应届生需要证明自己。
先进入的人已经参与过训练、做出过成果，招聘方可以据此判断他们的能力。后来者即使被录用，也未必有同样的机会。一位 AI 公司招聘负责人与多名模型团队实习生交流后发现，他们常做的是数据配比或小规模实验。实验有了结果，再验证能否用于主要模型，“已经很少有人能碰到模型架构等核心工作了”。
先来的人靠项目积累了经验，后来的人却要先有经验，才能争到项目。这形成了一种错位。一位投资人感叹：“人才是被环境塑造出来的，现在没有那种环境可以塑造人才。”
一位进入头部人才计划的学生，还有不少想尝试的方向。他所在团队允许探索，但资源有优先级。在他的观察中，公司把更多算力投入 Coding，其他方向都要往后排。“有卡才能说其他事。” 他说。
做出的结果也不一定被放到模型里。一位曾在大厂模型团队实习的研究者，原本希望把自己的方案部署进模型。他完成研究后，由内部员工在公司的模型上做了一轮评测。继续往下推进，还需要验证收益、精度损失，并经过更多测试。在他所在的组织里，掌握 “合板” 权力的只有少数人。一个潜规则是，后来者得先 “自己重搞一遍”，再把成果送过去：“把东西搞得很好，求着人家，最后才可能有机会合板。”
他觉得最影响效率的，是工作被反复打断。本来可以连续完成的事，做一段停下来，转去做别的，再回来接着做。有些文档和代码需要申请权限，有些流程要等不同负责人审核，自己的工作在其他人那里优先级并不高。后来，他所在的组方向变了，最终也没有完成部署。
这种分化甚至更早地发生在学校里。一位高校教师说，他们并不想把学生一直留在学校。“我们没有那么多资源去提供给他做他想做的研究。” 学生得先靠导师经费或校企合作做研究，用好论文争取第一段实习，再靠实习成果换下一次机会。“你履历越好看，拿到的机会越多；履历越一般，越拿不到机会。就像滚雪球，最后越滚越大。”
一位研究员观察到，一些学生从本科起，就由导师推荐进入大厂。他认为，其中有人水平一般，也未必喜欢这份工作，只是听从安排、攒一段履历；另一些更想做这份工作的人，却找不到入口。这条路也在变挤，有产业联系的导师越来越热门，进组同样需要拿出成果。“这又成了另一种循环。”
一名在模型团队实习的学生，还有课程没有结束，却基本保持全勤。学校在外地，有事就坐高铁回去，再赶回来工作。忙的时候，他晚上没有足够的时间睡觉。距离他参加校招还有一年。他不知道，等到毕业时，眼下积累的经验能换来什么机会。
那位曾希望把研究方案部署到模型里的研究员，今年也开始找工作。他愿意接受更低的薪资，去一家能让自己继续成长的公司。但谈起今年的招聘，他觉得，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。他把这称为 “年景的问题”。
“我已经先认命了，没办法，去年没毕业。” 他说。
题图来源：The Hunger Games
