做面试官这几年，聊过的候选人差不多八百个了。每次校招季，被问得最多的就是：纯 LLM、AIGC、多模态，到底该押哪条路？业界报告和市场规模那些虚的就不扯了，直接从我筛选简历、拍板发 offer 的视角，把这三个方向的用人真相说清楚。
时间坐标是 2026 年初。大模型技术迭代太快，去年的香饽饽今年就可能卷成红海，看准当下节点很重要。
核心结论：优先 all in 多模态
如果目标是冲高质量算法岗，要长期价值、高上限、低替代风险，那就直接攻多模态。原因拆开看。
三条赛道的真实就业现状
纯语言大模型：基建化完成，算法岗加速内卷
2025 年的纯 LLM 赛道，关键词就两个：基建化、工程化。从头训一个 SOTA 基座模型，早就不是普通公司能玩的了——那是巨头比拼千亿卡算力、海量数据和顶尖研究团队的战场。OpenAI、Google、Meta 以及国内几家大厂才能站上牌桌，留给普通人的创新空间极小。
应届生进来，绝大部分做的不是核心架构，而是下游应用：
- 微调：拿开源基座模型灌行业垂类数据，LoRA、QLoRA 这些轻量化方案越来越成熟，门槛持续走低，正演变成熟练工种。
- RAG：去年爆火，现在已是标配。做嵌入优化、检索精度提升、压幻觉，工程化经验多过算法创新，核心瓶颈头部团队已经啃完了。
- Agent 开发：看似前沿，实质是提示工程加工具调用和简单规划逻辑，重度依赖基座能力，开发者更像使用者而非创造者，很难堆出技术壁垒。
- 模型压缩、量化与部署：需求稳定务实，但偏 ML Engieering，离核心算法越来越远，薪资天花板相对固定。
纯 LLM 方向的岗位正在两极分化：极少数顶尖人才在核心团队搞预训练算法或结构创新，门槛高得离谱；绝大多数落到应用层工程岗，内卷凶猛。薪资起薪不低，白菜价 SP 不难拿，但天花板被基座能力锁死，个人价值杠杆有限。
AIGC：边界模糊，算法属性弱化
先澄清一个认知：AIGC 这个概念太宽，本质把纯 LLM 和多模态的不少场景都包了进去。可招聘市场上 'AIGC 方向' 更多指产品落地和应用封装，不是核心算法。
比如开发 AI 海报工具、智能视频剪辑平台、AI 辅助编程插件，这类岗位分工很细：少数人维护模型优化，多数人是应用算法或后端工程师，日常重心是封装 API、嵌入业务流程、调优产品体验，而不是深耕模型本身。
这个方向的好处是离业务近，变现路径清晰，能很快看到工作成果。想做核心算法的就不划算了——大量时间花在数据清洗、业务逻辑对接、API 调试上，技术深度难累积。薪资方差极大：头部商业化产品核心成员能拿高薪加期权，还没找到盈利模式的创业公司，薪资可能还不如大厂工程岗稳定。
多模态大模型：技术蓝海，需求爆发
这才是我最看好的方向。三个原因：
第一，技术前沿，是 AGI 的必经之路。 人类认知世界本来是多模态的，文字、图像、声音、触觉，纯文本 LLM 再强也只是「缸中之脑」。从 DALL·E、Midjourney 的文生图，到 Sora 的文生视频，再到未来的具身智能、自动驾驶多感官融合，核心突破必定发生在多模态。
这个领域还有大量根本性问题没解决：跨模态对齐、统一表征学习、长视频生成的时空一致性、3D 场景理解与生成、多模态交互逻辑……每个方向都可能挖出金矿，普通人也有机会做出创新成果。在这里你不是模型的使用者，更可能变成规则的制定者。
第二，技术壁垒高，护城河难复制。 多模态要同时吃透 NLP 和 CV 的核心技术，部分场景还得懂图形学、语音、物理仿真，天然筛掉大批人。LLM 应用层那套，刷博客、跑开源 demo 就能快速上手；但多模态的 Diffusion 数学原理、NeRF 神经辐射场、DiT 扩散 Transformer，非深耕底层的根本啃不动。
我团队有个 CV 背景的工程师，LLM 热潮时没跟风，专注 3D 生成和多模态融合。当时大家都觉得方向太窄。结果 2025 年 Sora 引爆视频生成赛道，大厂疯狂布局多模态视频、3D 内容生产，他靠着扎实的 DiT 架构优化、视频压缩网络设计等细节，拿到的 offer 比同级 LLM 岗高出 30% 以上。这潮水一退，深耕者就站住了。
第三，需求爆发，人才供给严重不足。 随手搜招聘平台，「多模态算法工程师」要求高、薪资范围宽，很多公司甚至愿意对学历和工作年限放宽——就是因为能打底层技术能力的人太稀缺，企业肯付溢价。
LLM 方向求职者扎堆，简历上都写「精通 LangChain、熟练搭建 RAG 系统」，同质化严重，只能拼学历和实习。多模态就不一样，你只要吃透一个细分点，比如视频生成或 3D 多模态，就能打出差异化。
应用岗 vs 算法岗，多模态两边都有机会
纠结选应用还是算法，其实是在选职业定位。多模态这两个方向都有好坑位：
- 多模态算法岗：重心在生产工具，聚焦模型性能优化、底层技术创新，产出是模型、论文或专利。对技术深度和数学基础要求极高，适合喜欢钻底层的人。
- 多模态应用岗：重心在用工具，把模型能力落地到具体业务，产出是上线产品和业务指标。比如为电商搭虚拟试衣系统，或为教育产品做多模态讲解工具。
当前应用岗需求也涨得很快：视频平台用多模态做内容摘要和违规审查，电商用文生图生成商品素材，设计软件（如 Adobe Firefly）嵌入多模态生成，游戏行业用 AI 生成 3D 场景和 NPC 动画。这些岗位技术经验能积累，业务也贴近，对应届生是好选择。
深耕多模态的四条实战建议
下面这些，都是我和身边人踩过坑后验证过的避坑指南。
1. 动手跑通项目，别用收藏论文感动自己
很多人收藏上百篇论文，却没真正搞透一个基础模型的代码逻辑。面试一戳就破。真正的积累必须靠实操。
做法很简单：聚焦一个细分点（视频生成、3D 多模态），选 1-2 个主流开源项目（比如 Open-Sora、Latte、Stable Video Diffusion），像做毕设一样逐行啃代码，全程跑通：
- 拆解数据处理逻辑：数据怎么清洗、分块，为什么那么设计 patch 划分方式。
- 吃透核心模块：DiT 怎么融入文本条件，代码里哪段对应技术报告的哪个原理。
- 主动去踩坑 debug：显存溢出、loss 异常、生成效果烂，别一上来就搜答案，先自己逐行排查，把 GitHub Issue 和技术社区讨论翻一遍。这过程比看一百篇论文都值。
没算力就租卡，AutoDL 这类平台几十块就能租到高性能 GPU，这笔投入省不了。简历上的「精通多模态」，得靠实实在在跑通项目、魔改代码来撑。
2. 补数学和基础，别患上开源工具依赖症
光会用开源工具搭 demo 很容易，但没基本功走不远。不必从头推导公式，但得理解核心数学逻辑：Diffusion 的加噪-去噪过程、Transformer 注意力机制、跨模态对齐的数学原理。
训练多模态模型时，如果生成的全是噪声，懂底层的会去排查 time embedding 和条件解耦模块，不懂的就只能反复检查数据格式，无效试错。数学和基础，是把「能干活」和「会解决复杂问题」区分开的关键。
3. 融合交叉领域知识，做出差异化
多模态的核心在「融合」，单一领域知识壁垒不够厚。如果你有物理、图形学、信号处理等背景，千万别丢——这会成为独特优势。
Sora 带火的「世界模型」概念，本质是用多模态模型模拟物理世界规律。要让模型生成符合流体力学的水流、保持刚体碰撞逻辑的动画，纯数据驱动的开发者可能束手无策，而具备物理、图形学基础的人可以快速找到解法。
建议花时间补充：计算机图形学（渲染管线、3D 建模）、信号处理（音频表征、视频编码）、物理仿真基础。这些知识能让你在跨模态任务里避坑，形成别人难复制的竞争力。
4. 明确职业定位：深度路线还是广度路线
别卡在「半瓶水」状态——技术不深、能力不广，只会调参跑开源项目，这种求职者最容易被替代。
- 深度路线：聚焦一个细分方向（比如视频生成的时空一致性、3D 多模态对齐），吃透相关论文和开源项目，做出创新性优化。这类人才是大厂核心团队眼中的宝贝。
- 广度路线：不追求单一深度，而是掌握多模态全链路，能把文生图、文生视频、语音识别等不同模型组合成复杂系统，同时具备工程部署和业务理解能力。这种人在创业公司或业务导向团队很吃得开。
选一条，扎下去。
大模型学习进阶路径
如果你想系统补课，可以参考我整理的建议顺序，不必严格按天数，重点是掌握这些能力：
第一步：理解基础应用 先搞明白大模型到底能干什么、怎么「智能」起来的，用好它的核心心法。学会写提示词、掌握指令调优和思维链的基本思想，能写简单代码把大模型和业务接起来。这个阶段过后，你对大模型的理解会超过大多数人。
第二步：掌握高阶应用 进入实战，学会构造私有知识库扩展模型能力，快速开发一个基于 Agent 的对话机器人。要弄懂 RAG 的完整链路：检索基础、向量表示、向量数据库、混合检索与 fusion，甚至本地部署向量模型。这部分能让你的技能落在产品上。
第三步：进入模型训练 到这个阶段，你可以自己动手训模型了。从理解什么是模型训练、微调、轻量化微调开始，到亲手实现一个简单的神经网络，熟悉 Transformer 结构，掌握 LoRA 等微调方法，构建实验数据集。拿开源多模态模型练手，独立跑通训练流程。
第四步：实现商业闭环 对全球大模型从性能、吞吐量、成本等方面建立认知，学会在不同环境（云端/本地）部署大模型。了解硬件选型、内容安全策略，甚至动手在阿里云上部署 Stable Diffusion 或开源 LLM 项目。走到这儿，你已经能把模型转化为产品，有能力自己带项目或创业。
学习过程不用贪多求快，能走通 60-70% 的内容，就足够让你在求职时有扎实的底气了。