大模型行业薪资高涨，大厂及独角兽企业投入巨大。核心算法人才稀缺，博士起薪可达 200 万，但普通岗位分化严重。市场面临人才缺口，教育体系尚未完善。开发者需掌握提示词工程、微调、部署等技能以适应市场需求。行业虽有机会，但也面临成本高企、算力短缺及商业化落地的挑战。
'人均年薪 100 万'，这已成为近期科技圈的热词。据 vivo 副总裁透露，目前 vivo 大模型每年的投入成本为 20 亿至 30 亿元，其中人才和设备各占一半，人才成本平均税后为 100 万元。这一数据并非孤例，发力大模型的拼多多也开始招兵买马，有关大模型的职位，年薪百万不在少数，最高接近 130 万元。
在招聘平台上，猎头发布上百万年薪的招聘信息十分活跃。例如，北京某知名汽车生产公司，以 120k-150k、14 薪寻找大模型算法工程师；另一家知名互联网公司，以 90k-120k、16 薪的待遇在招大模型技术相关人才。此外，有猎头发布北京某人工智能实验室招聘大模型基础软件研发负责人的信息，待遇在 150w~200w（现金），要求候选人是 40 岁以内，硕士及以上学历，有开源项目开发管理经验及团队管理经验。
此前，微博热搜上曾挂有'320 万年薪招聘视觉算法专家'的热词。甚至民间也有'重金悬赏'AI 贤婿的说法，这反映了市场对高价值 AI 人才的追捧。在当前裁员降薪的大环境下，百万年薪成为逆势富贵，而带动这场富贵的便是 AIGC 赛道。
自年初 OpenAI 点燃大模型以来，AIGC 已经成为中国市场上估值增长最快的赛道之一。在这场资本盛宴中，大厂押注、国内外巨头环伺，美元、人民币、国资的钱都涌进来了。AI 人才作为兵家必争之地，已经率先成为这场盛宴的'赢家'。
王晋是一名大模型算法工程师，历时一个多月的面试，他敲定了入职某造车新势力的 offer。岗位是大模型算法工程师，薪资涨幅超 50%，总包超过百万年薪。王晋此前一直在互联网大厂做算法相关工作，是业务线负责人。年初大模型火热时他就有想转行去大模型相关工作的想法，他认为大模型是一个难得的能够让 AI 有所突破的技术，也是不可多得的时代红利。
但当时他不敢贸然前往，因为国内大模型玩家很多都是初创，他担心这会像过往的很多风口一样昙花一现。半年过去，王晋发现越来越多厉害的大厂和研究院都入局认真做这件事，他内心也更加明确这是一条可行的方向。直到一位猎头给他打了一通电话，他决心跳槽。
今年 7 月王晋开始做准备，8 月投简历。经过朋友的推荐、HR 的联系以及猎头的联系，他发现招大模型相关岗位真的不少。一个多月的时间里，他和包括京东、微博、腾讯、58、高途教育、字节、理想等 21 家企业聊过，每周都安排了三个或以上面试。最终，他拿到了 4 个 offer，最后选择入职某造车新势力。
为什么选择这家车企？除了对新能源汽车赛道的看好外，王晋能感受到该企业对人才招揽的不遗余力。'各方面比较对口，他们很期待我入职，说是面了很多人都没有我那么契合，所以谈条件的时候很好谈，只要我愿意去，提出的条件基本都满足了。'
站在大模型时代红利面前，不少人都摩拳擦掌、跃跃欲试。但冷峻的现实是，并非所有涌入大模型的人都能享受到这波涨势，尤其对于百万年薪的待遇来说，只属于极少数人。
猎头表示，目前大平台要人肯定希望是做过大模型训练相关技术的人，而 NLP 算法工程师、深度学习等岗位是大模型人才市场里最为急需的那一批，这类人才也一般集中在北上深杭。
当前业内薪资比较两极分化，比如一年经验的博士可能年薪百万，有一些本科、硕士干了 7、8 年也未必能到 100 万。分化严重的根源在于核心人才的稀缺。目前算法岗人才紧缺尤为突出，因而企业投入也无上限，一个核心人员开到 300 万~500 万年薪都是有可能的。这是因为算法在很大程度上决定了智能化程度的天花板，所以算法工程师则决定了人工智能企业发展的上限。
相对的，一些中层或中底层的算法工程师并没有赶上这趟高速前进的列车。他们大多属于平薪跳槽，即使有小部分涨薪的人，也不会超过 20%，甚至在当前大环境较差的情况下降薪也是有的。
纵观这些招聘需求，我们可以发现的是，AIGC 作为新生事物，当前对人才的需求越来越多元化。业务岗位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。
根据麦肯锡公司此前发布的报告，2030 年中国的 AI 人才缺口可能多达 400 万人——预计中国对熟练 AI 专业人员的需求将增至 2022 年的 6 倍，达到 600 万。但 2030 年的人才供应量仅能达到 200 万，因此缺口达 400 万人。
缺口难以满足的一大原因就在于，目前没有对口的专业可以体系化'生产'相关 AI 人才。当前，大多数人员都是企业自己亲自培养。曾有 HR 通过校招招人，但 20 个人投简历，只有 2 个人稍微专业对口，只能先招进去自己培养。
随着大模型技术的深入应用，企业对人才的具体技能要求也在不断细化。为了适应这一趋势，开发者需要掌握以下核心技术栈：
这是与大模型交互的基础能力。优秀的提示词工程师能够设计出结构化的指令，引导模型输出高质量内容。这包括理解上下文窗口、设计 Few-Shot 示例、使用思维链（Chain of Thought）技巧等。掌握 Prompt 优化不仅能提升模型效果，还能减少 Token 消耗，降低推理成本。
通用大模型往往无法直接满足垂直领域的特定需求。开发者需要掌握全量微调、LoRA（Low-Rank Adaptation）、QLoRA 等参数高效微调技术。这需要熟悉 PyTorch 框架，了解 Hugging Face Transformers 库，并具备处理大规模数据集的能力。微调过程涉及数据清洗、格式转换、训练策略调整以及显存优化。
为了解决大模型幻觉问题并引入私有知识，RAG 架构成为主流方案。这需要掌握向量数据库（如 Milvus, Faiss, Chroma）的使用，构建 Embedding 模型，设计文档切片策略，以及优化检索排序算法。RAG 系统能够将外部知识库与大模型结合，显著提升回答的准确性和时效性。
训练好的模型需要高效部署才能产生商业价值。开发者需要了解 vLLM、TensorRT-LLM 等推理引擎，掌握量化技术（INT8, FP16），以及 GPU 资源调度。在边缘设备部署大模型还涉及模型压缩、剪枝等技术，这对硬件资源受限的场景尤为重要。
未来的大模型将是多模态的。掌握图像生成（Stable Diffusion）、语音识别与合成、视频理解等跨模态技术将成为加分项。这需要了解 CLIP、Diffusion Model 等架构原理，并具备相应的数据处理能力。
对于希望进入大模型领域的开发者，以下几点建议可供参考：
尽管前景广阔，大模型发展仍面临诸多挑战。有人调侃道，'毁掉'一家大模型公司只需要四步：先是花大钱买算力、用高薪挖大牛，紧接着大模型打榜、卷排名，然后是全员清洗数据、7×24 小时训练，最后一步是发公关稿、买营销。一顿操作下来，不仅会发现大模型可能还是个'人工智障'，还发现私有化部署大百万起，客户根本买不起。
这虽然只是调侃，但也恰好说明大模型发展前路漫漫。巨额资金涌入大模型，这让大模型的投入看起来像一个无底洞。算力作为一个大模型企业另一个稀缺资源也当成了挖人的筹码。OpenAI 的招聘者还声称，只要来 OpenAI，就不用再担心算力资源了，开发模型的芯片保准管够。
在国外，大模型的人才也同样抢疯了。美国科技公司数据收集网站 Levels.fyi 最近发布的报告显示，OpenAI 向人工智能工程师支付的年平均薪酬达到了惊人的 92.5 万美元。举例来说，目前在 OpenAI 任职的 5 级软件工程师底薪为 30 万美元，另外还可以获得 62.5 万美元的股票薪酬。此外，OpenAI 的一些高级软件工程师年薪最高达到 140 万美元。
不论是大厂还是风投，源源不断的资金在涌入 AI 大模型，企业估值水涨船高，财富效应不断显现。而人才作为兵家必争之地，已经率先成为这场大战的'赢家'。
大模型时代的到来，彻底改变了技术人才的薪酬结构和职业路径。虽然百万年薪令人向往，但背后的技术门槛和竞争压力同样巨大。对于企业而言，如何平衡高昂的研发成本与商业落地回报是关键；对于个人而言，持续学习、深耕技术、拥抱变化才是应对不确定性的唯一法宝。人才只是竞逐大模型的第一步，真正的考验在于如何将技术转化为实际的生产力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
