文章揭示了AI行业,尤其是大模型领域的人才争夺战已进入白热化阶段。顶尖AI人才的年薪不断攀升,从塔尖到塔基,每一层人才的价格都在被推高。大厂和创业公司纷纷加大投入,争夺掌握核心技术“配方”的人才。文章指出,AI人才的流动正在改变公司格局,并影响着整个行业的未来。同时,AI市场对人才的需求结构也在发生变化,重心从“训模型的人”分化到“能把模型用起来的人”。
热钱
得知那位98年的同事,一位一线算法研究员跳槽去腾讯后的年薪时,朱可欣觉得眩晕。
涨幅高达3倍——朱可欣和这家大厂的同事们在聚餐上猜测对方拿了多少时,“大胆猜测涨50%”。但答案揭晓,是从100万涨到300万,这远超他们预料。一顿饭的时间,饭桌上所有人对自我定价都重估了一遍。
旧有的薪资坐标被迅速改写,“眩晕”不断发生。距离那次跳槽仅一年过去,朱可欣说,现在已经没人会对一线研究员拿300万年薪感到惊讶了。
高昂年薪的年龄层还在下探。
在腾讯混元,一名00后研究生还没走出校园,就以实习生的身份领着5000元的日薪,月收入比这座大城市的大部分白领都高出许多。他的上级跟他交过底,“毕业转正可以给到年薪300万。”这位年轻人很直白地告诉36氪,他今年就想马上毕业。
从硅谷到中国,当顶尖AI人才在以亿级年薪和“一号位送温暖”被争抢时——字节AI一号位吴永辉是张一鸣花了8个月才促成的;腾讯AI一号位姚顺雨是总裁刘炽平亲自去硅谷谈下来的;而Meta不仅能开天价,扎克伯格会给他想挖的OpenAI研究员“送亲手做的汤”——整个AI人才金字塔中,从塔尖到塔基,每一层人才的价格都在被不断推高。
塔尖上的人,能拿到上亿年包——姚顺雨入职腾讯,DeepSeek郭达雅转投字节,都被传年薪上亿。但这个人群非常小,每家的模型团队只有几个人。

往下一层,是在大厂里拿超千万年包的人。一位猎头告诉36氪,每家大体量的公司里有差不多有10-20个这样的人,每位都是职位变动会牵动行业关注的业界明星。
再下一层,是“500万及以上”年包量级的TopSeed、阿里星、腾讯“大咖”等顶尖应届生,每家几十人。一位今年入职字节的博士候选人对36氪解释了600万年薪的构成:“不全是现金,还包含字节期权,豆包股、还有奖金。”他还提到,有的应届生能拿到比600万更多的数字,“但那是极个别”。
再往下,是200万-300万的一线AI算法,被称为“打工仔”,人数最多,定价依据是学术代表作和核心项目经验。“今年,年薪200万+是一个普通算法研究员能接受的基准线,去年还是100万+。”一位大厂算法说,“我有个朋友之前拿到了Seed 200万+的年包,最后没选,因为另一家AI公司给了他300万+,以及更高的职级。”
金字塔的最底层,是AI算法实习生。字节、腾讯、阿里核心方向的博士实习生日薪可达5000-6000元,而两年前,博士实习生的平均薪资还是1万元/月,相当于现在两天的薪水。
当实习生的月薪都来到了十万元以上,对AI人才的争夺,尤其是对大模型研究员的争夺,可以说是从塔尖到塔底全方位地进入了白热化。
这背后,是中国模型厂之间的竞争演化:字节原本是市场上最慷慨的AI人才买家,但最近一年,腾讯也突击抢人,成为顶级人才大金主。同时,DeepSeek、月之暗面在一级市场大额融资,智谱、MiniMax上市,大模型创业公司也筹集了加码的钱。
一直以来,“人才”在各个行业的竞争中都是一个重要的变量。但当下AI行业人才争夺的烈度,明显高于上一个热钱涌入的行业——互联网。可以与之匹敌的,恐怕只有1950-1970年之间的半导体行业刚兴起时对核心人才的抢夺。
这两个行业的共同特点都是:公司看起来拥有技术,但真正拥有技术的,是那几十个核心的技术人员。所以,人才成了公司竞争中“卡脖子”的关键变量。
就这样,AI公司之间的竞争,演变成了人才间的竞争。而人才的流动,剧烈地改变着每一家置身其中的公司,也深切地影响着整个AI行业的格局变化。
买配方
大厂和大模型公司所争夺的,其实是核心人才手中的技术“配方”。
在训模型时,研究员用“配方”这个词来描述模型训练中的方方面面:模型多大尺寸、数据怎么配比、训练路线怎么选,有哪些关键tricks…
模型的成功,是趟过大量的试错经验而实现的。而经历这一切的人,掌握着这些认知。就好像半导体行业早期也是如此:工艺参数、良率、材料、制造诀窍很难完全写进专利。所以,挖到一个对的人,可以拿到这些“隐形认知”,迅速缩抹平模型代差,缩小跟竞争对手的差距。
配方贵有贵的道理。模型训练的重置成本极高:训练一个基座模型,或微调千亿参数模型,一次完整的实验所花费的算力成本可能高达几千万甚至上亿。若训练方向、方法错误,其损失远远超过几个研究员的年薪。
更关键的是,能拿到核心配方的人实际非常少。
与互联网时代大部分所谓的创业经验不同,模型圈讲求的“万卡训练经验”,只有少数头部大厂和顶级实验室才有足够的算力和数据支持;而在这少量公司里能获得“训练指挥官”资格的人,也是凤毛麟角。
“全中国能牵头搞大规模预训练的,就那200个人。”猎头York说。一位字节HR也告诉36氪,当他们在2024年开始集中挖猎核心研究员时拉了一张名单,名单上也就小几百人。
当掌握核心配方的人流动起来,这些原本掌握在少数公司手里的模训练识就会随之被“开源”,完成跨公司的迁移,最后抬高整个行业的天花板。这就好比:一道菜的配方一开始只由几个厨师掌握,那这几个厨师供职的饭店暂时就会看起来很强;可一旦一个王牌厨师跳槽,配方立刻就会流传开来,没有哪家饭店能持续领先,但越来越多好吃的饭店会抬高整个行业的天花板。

2024年下半年原本在阿里负责过多模态预训练的周畅加盟字节,虽然字节为此付出了千万级年薪,但周畅的到来迅速帮字节在多模态能力上取得突破,这是如今大爆的Seedance模型的基础。
另有业内人士告诉36氪,原智谱研究员、GLM-4.5及GLM-4.5V核心贡献者程晔安在今年加入了月之暗面,并位列K3技术报告作者名单。他的主要贡献就在Agentic Coding后训练上,而这正是智谱的强项。
对一家公司来说,当核心人才离开,损失的不只是一份劳动力,而是团队共同积累的知识——实验路径、失败记录、调试经验——被完整地交付给了竞争对手。而这种交付甚至不需要等到入职。有人从面试起就开始把团队内部是怎么做的,悄悄讲给了对家听。面试本身,成了技术细节最高频的外泄渠道。
如果掌握配方的人选择创业,也一定会成为资本的宠儿。
前商汤研究总监刘宇在多模态刚刚起步的2024年,就经历过从数据处理、训练基础设施、模型研发到产品落地的完整闭环,并且调度了超过4000张GPU来训模型。而当时,拥有千卡训练的人才都已经很稀缺。所以,当他离职创业后,投资人立刻蜂拥而上。由于找来的投资人太多,刘宇甚至大部分都只能闭门不见,以至于行业内称他为“投资圈轻易见不到的人”。
人才的流动,本身就是这一轮国内大模型公司能力竞赛中重要的一部分。“模型竞争的核心,主要是算力、数据和人。”猎头Sam告诉36氪,“能找到合适的人,算力和数据才不会白费。否则花了再多的钱也无济于事。”
这就是为什么“人”会成为AI行业竞争中的重要争夺资产。
当然,除了要找到那一小撮掌握配方的人,大模型公司还需要找大量聪明靠谱的年轻人来“剥葱扒蒜”。人才争夺战就这样全面打响了。
大模型的知识又多又杂,到底怎么学?
做这行久了,被问最多的问题就一个:大模型的知识又多又杂,我到底先学啥?翻了一堆资料,看啥都像重点,结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍,零基础、应届生、转行的都适用。跟着走,至少方向不乱、不瞎忙,学完拿得出手。
第一阶段(10天):初阶应用
这一阶段就一个目标:把大模型真正"玩明白",不是只会聊天那种,而是能调教它、能用代码把大模型和业务接起来。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
这阶段正式进实战,目标很实在:做出两个能拿出手的东西——一个私有知识库,一个 agent 对话机器人。
-
为什么要做 RAG
-
搭建一个简单的 ChatPDF
-
检索的基础概念
-
什么是向量表示(Embeddings)
-
向量数据库与向量检索
-
基于向量检索的 RAG
-
搭建 RAG 系统的扩展知识
-
混合检索与 RAG-Fusion 简介
-
向量模型本地部署
-
…
走完这 30 天,Python 或 JavaScript 背景的基本能独立做一套 RAG 应用,简历上也敢写"大模型应用开发"了。
第三阶段(约20天):动手微调
学到这,你已经开始 “造” 模型了 —— 通过微调,搞出垂直领域的专用小模型。
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗?
想要入局AI大模型赛道、抢占行业红利的朋友,微信扫描下方CSDN官方认证二维码,即可100%免费领取全套学习资料!
第四阶段(20天):商业闭环,部署落地
技术学完,落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
想要入坑大模型的朋友,给大家准备了一份2026 年最新 AI 大模型全套学习资料:
1、大模型系统化学习路线

2、大模型学习视频教程

3、大模型学习书籍&电子文档

4、AI大模型最新行业报告

5、大模型项目实战&配套源码

6、2026大模型大厂面试真题

7、为什么要学习大模型?
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年,人才缺口已超百万,凸显培养不足。随着AI技术飞速发展,预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。


8、适合谁学?
- 传统后端 / Java / 前端开发,想转型 AI 应用
- 大学生、应届生,想拿更好的 offer
- 产品经理、运营,想武装职业竞争力
- 技术负责人,想给团队落地提效
学习是反人性的,但回报是真金白银。技术会更新,赛道会切换,但只要你先动手,机会就永远站在你这边。
9、这些资料真的有用吗?
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。


想要入局AI大模型赛道、抢占行业红利的朋友,微信扫描下方CSDN官方认证二维码,即可100%免费领取全套学习资料!
好了,就写到这。路线是死的,人是活的,卡住了随时来问我。觉得有用就点个收藏,别让它进收藏夹吃灰——动起来比啥都强。
本文剖析AI大模型领域人才争夺白热化现状,揭示从塔尖(亿级年薪)到塔基(实习生日薪5000元)的全层级薪资跃升,强调核心人才所掌握的模型训练“配方”是企业竞争关键。同时系统梳理零基础入门至商业落地的四阶段学习路径:初阶应用、高阶RAG/Agent开发、轻量化微调、私有化部署与合规落地,覆盖提示工程、向量检索、LoRA微调、vLLM部署等关键技术点。
6万+

被折叠的 条评论
为什么被折叠?



