从上海交大硕士毕业的 00 后表示，"24 岁硕士毕业时年薪 50 万元，到了 30 岁大概能升到 P7(注：职级名称），那时就能年薪百万了。"他今年入职腾讯，担任 AI 算法工程师，成为 AI 风口下第一批就业的年轻人。
根据求职招聘平台猎聘数据显示，今年一季度，AI 相关职位同比增加 321.7%，投递该领域的人才数量同比增长 946.84%。目前最紧缺的大模型算法岗位，人才供需比仅为 0.17，大概相当于 6 个岗位争夺 1 个人才。
薪资方面，开出年薪 50 万 -70 万是普遍价格，年薪超百万甚至达到 200-300 万之间，在业内也并不罕见。
"研究生普遍给到 70 万就算高价，对于博士而言，毕业薪资可以达到百万元。"深耕 AI 行业的猎头倪悦向记者透露，面对国内 C4(清华、北大、复旦、交大）重点实验室博士毕业生，大厂给出超过 200 万的年薪很常见。
"比较夸张，一个博士生如果是在这个领域对口，刚毕业出来，起薪 200 万还是能看得见的，这还不算股票。"同道猎聘集团董事会主席兼 CEO 戴科彬说，现在 AI 人才确实水涨船高。
中关村人才协会项目总监陈文杰也提到，在近期组织的一场产业级大模型相关活动中，有北大软件工程相关实验室的教授提到，"他们的团队现在已经出现了学生还没毕业，已经有大公司几百万去挖他的人了。"
中国 AI 人才缺口超过 1000 万
6 个岗位争夺 1 个人才
根据中国《新一代人工智能发展规划》，预计到 2030 年，中国 AI 核心产业规模将超过 1 万亿元人民币，带动相关产业规模超过 10 万亿元，成为全球主要的 AI 创新中心。深圳市大湾区人工智能数字产业联盟秘书长、AI 新经济专家邱道勇预测：中国 AI 人才缺口超过 1000 万。
一方面是高校人工智能培养计划需要改革，部分高校教师远离产业一线，无法跟上最前沿的技术发展。再一个就是 AI 行业本身发展太快，人才培养速度远远跟不上。
根据 2023 年 11 月初脉脉高聘人才智库发布《2023 泛人工智能人才洞察》显示，2023 年 1-8 月，新发 AI 岗位平均月薪超 4.6 万元，但人才供需比仅为 0.39，而 2022 年时这一数字还是 0.63，目前最紧缺的大模型算法岗位，人才供需比仅为 0.17，大概相当于 6 个岗位争夺 1 个人才。
AI 人才的稀缺性决定了其身价水涨船高。猎聘发布的报告显示，人工智能人才需求是五年前的近 3 倍，从 AIGC 整体需求来看，2023 年 1-8 月，AIGC 新发职位同比增长 139.76%，其中 IT/互联网/游戏行业的 AIGC 新发职位占比最多。
从平均年薪来看，模型层、应用层、基础层 AIGC 职位平均招聘年薪分别达到了 46.63 万、43.35 万和 33.92 万。其中深度学习、图像算法、自然语言处理 (NLP) 招聘平均年薪均超 50 万。
猎豹移动集团副总裁李婷刚刚结束校招，她举了个例子，"17 个人投简历，只有 2 个人稍微能够专业对口，但也并不是高端的技术人才，而是偏向于产品，偏向于项目管理的人才。"
此前出门问问 CEO 李志飞也提到类似的人才现状，目前 AIGC 领域里计算机相关学科背景的人才较多。但是由于 AIGC 对人才的需求越来越多元化，不仅需要传统的计算机科学和数据科学方面的人才，还需要具备 AI 模型优化、自然语言处理、机器人操作系统等综合多方面知识和经验的人才。
国内外人才争夺战均非常激烈
就国外而言，美国的科技公司对于 AI 人才的争夺竞争非常激烈，这导致了一些名校的 AI 人才被科技公司挖走。这些科技公司愿意支付非常高的薪酬来吸引顶尖的 AI 人才，这些人才的年薪往往可以达到六位数。此外，一些科技公司还会为他们提供其他福利和奖励，如股票期权和丰厚的奖金，以确保他们留在公司。这些措施让科技公司在竞争中获得了优势，并且让他们能够吸引到最顶尖的 AI 人才。
不论是银行、对冲基金还是私募股权公司都已纷纷下场，可谓是豪掷千金，大抢特抢。奉上一组'最热 Top 5 岗位'薪酬数据：
| 岗位 | 最高年薪 |
|---|---|
| AI/机器学习工程师 | 30 万美元（约 217 万元） |
| 云安全 leader | 30 万美元（约 217 万元） |
| AI 产品经理/工程经理 | 65 万美元（约 470 万元） |
| 技术和运营 leader | 七位数（美元） |
| AI 运营高管 | 200 万美元（约 1448 万元） |
科技公司目前对于大学 AI 人才的需求非常高。许多科技公司都在积极寻找并招聘来自顶尖大学的 AI 人才，包括博士生、研究员和教授等。
以至于一些大学的 AI 博士招生速度都开始放缓了。康奈尔大学计算与信息科学系主任卡维塔·巴拉 (Kavita Bala) 表示：'他们拿出大量资源和金钱来吸引 21 岁左右的年轻本科生，这些学生说'这太棒了'，然后他们就消失了。学生群体正在被'扫荡'。'
斯坦福大学博士生克里斯特·埃扎吉尔 (Cristóbal Eyzaguirre) 承认，特斯拉送给他的玩具车是他从私人派对、招聘会和他作为加分项参加的特斯拉活动中获得的所有商品中最喜欢的一件。这些活动旨在吸引学习 AI 的年轻人进入顶级公司。'我真的很喜欢特斯拉送的东西，'27 岁的埃扎吉尔表示，'他们真的很用心。'
就我们而言，中国政府知道如果想要在 2030 年之前成为 AI 领域的世界领导者，那么它需要培养和留住更多的 AI 相关专业毕业生。去年 7 月，国务院发布《新一代人工智能发展规划》，呼吁中小学增加 AI 教育比重。
在线 AI 培训课也越来越受欢迎。北京师范大学系统科学学院教授 AI 课程的张江表示：'人们学习 AI 的热情非常高。'
根据乌镇智库的数据，中国在大多数 AI 指标上都落后于美国，比如私人投资和专利数量。但是张晓东说差距正在迅速缩小，尤其是在计算机视觉等应用领域。
中国是否能在未来十年内取得开创性突破仍旧具有很大的不确定性。张江说：'中国距离成为 AI 全球领导者仍有很长一段路要走，因为中国缺乏基础创新。中国擅长学习却不善于创新。'
如何构建 AI 大模型技术能力
对于希望进入 AI 领域的技术人员，建议遵循以下技术成长路径，以应对行业的高标准要求：
第一阶段：大模型系统设计基础
从大模型系统设计入手，理解 Transformer 架构、注意力机制及预训练原理。掌握 PyTorch 或 TensorFlow 框架，熟悉 GPU 算力调度与分布式训练基础。这是构建任何 AI 应用的基石。
第二阶段：提示词工程 (Prompt Engineering)
通过 Prompts 角度入手更好发挥模型的作用。学习如何设计结构化提示词，掌握 Few-Shot Learning、Chain-of-Thought 等技巧，优化模型输出质量，降低幻觉率。
第三阶段：大模型平台应用开发
借助阿里云 PAI 等平台构建电商领域虚拟试衣系统等实际案例。了解云端推理部署流程，掌握容器化技术 (Docker/Kubernetes)，实现模型的稳定服务化。
第四阶段：大模型知识库应用开发
以 LangChain 框架为例，构建物流行业咨询智能问答系统。深入理解 RAG (检索增强生成) 技术，掌握向量数据库的使用，实现企业私有知识的精准检索与回答。
第五阶段：大模型微调开发
借助以大健康、新零售、新媒体领域构建适合当前领域大模型。学习 LoRA、P-Tuning 等高效微调技术，进行数据准备、数据蒸馏及垂直领域训练，使通用模型适应特定业务场景。
第六阶段：多模态大模型应用
以 SD (Stable Diffusion) 多模态大模型为主，搭建文生图小程序案例。探索文本、图像、音频等多模态数据的融合处理，拓展 AI 在内容创作领域的应用边界。
第七阶段：行业大模型落地
以大模型平台应用与开发为主，通过星火大模型、文心一言等成熟大模型构建大模型行业应用。整合前端、后端、产品经理、设计、数据分析等全栈能力，完成端到端的 AI 解决方案交付。
学会后的核心收获
- 全栈工程能力：基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过课程可获得不同能力的综合提升。
- 解决实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。
- 理论结合实战：基于大模型和企业数据 AI 应用开发，实现大模型理论、掌握 GPU 算力、硬件、LangChain 开发框架和项目实战技能，一站式掌握 Fine-tuning 垂直训练大模型（数据准备、数据蒸馏、大模型部署）。
- 编码与分析能力提升：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
推荐学习资源方向
- AI 大模型学习路线图
- 100 套 AI 大模型商业化落地方案
- 100 集大模型视频教程
- 200 本大模型 PDF 书籍
- LLM 面试题合集
- AI 产品经理资源合集
随着技术的迭代，持续学习与实践是保持竞争力的关键。