门户网站建设公司哪家好产品推广运营方案

前言

在“金三银四”这一招聘旺季中，社交媒体上满是分享 offer 信息的“求助帖”。这些帖子通常只公布公司名称与薪资区间，而将具体岗位模糊化，以此作为判断岗位是否值得入职的衡量标准。

2024 年毕业的 985 硕士白丁（化名），一次性晒出了自己在秋招、春招中斩获的 15 个算法相关岗位 offer。他在帖子中写道：“赶上了大模型的风口，各家企业都十分慷慨。”他拿到了此前难以想象的高薪，其中最高的一个 offer 年薪高达 80 万。

评论区中，有人质疑他的经历是否属实；有博士回复者对比后，感觉薪资存在“倒挂”现象；还有人借此机会请教实习技巧。

**“2024 年，是进入大模型算法岗位的最佳时机。”**某帖子标题如此宣称。少数人对此表示赞同，而多数人则指责其“煽动焦虑”。

在这乘风而起的求职浪潮中，有人手握多个 offer，刚毕业就能拿到近百万的年薪；有人一周投递了 400 多份简历，却只收到寥寥无几的面试邀请。

一个两极分化的求职世界，正展现出其不尽人意的一面。

01

“在模型风口起飞的猪”

今年刚毕业的白丁戏称自己是一只“在模型风口起飞的猪”。回顾校招的种种经历，他将自己能斩获大量 offer 的部分原因归结于运气。

白丁原本的择业方向是传统算法应用岗位，比如搜索推荐相关领域。在读研期间，他就深知自己的研究领域较为小众，难以找到对口工作。

ChatGPT 的爆火改变了他的就业路径。

这一年，似乎所有公司都在关注 AI，“每一家公司都缺少大模型相关人才”。

对于应届生来说，走出校门便成为大厂们争抢的对象。一些大厂早已为 AI 技术人才开辟了单独的招聘渠道，例如百度的“AIDU 计划”、美团的“北斗计划”。今年，腾讯的“青云计划”也专门设立了 AI 大模型招聘，宣称扩招幅度超过 50%；字节旗下豆包大模型团队推出“Top Seed”种子计划，将目标锁定在应届博士生。

在大厂担任算法工程师的罗星（化名）也决定在今年换工作。与前年的“被迫跳槽”相比，这次他明显感受到就业环境的回暖。

从岗位数量来看，可供投递的岗位明显增多。罗星告诉雪豹财经社，这些新增工作岗位大多与大模型相关。罗星的一位师弟是今年的应届博士生，通过某大厂的人才计划，已经拿到了近 100 万的年薪 offer。

自 2022 年底 ChatGPT 火爆引发 AI 旋风以来，大量新的工作岗位应运而生。

猎聘大数据研究院发布的《2024 年一季度就业大数据洞察报告》显示，该季度国内生成式人工智能相关职位数量同比暴增 321.7%。其中，50 万以上高薪段职位的增速最为迅猛，超过 500%。

从 AI 领域新增职位的分布来看，技术类职位占据主流。算法工程师以 19.30%的占比高居榜首，产品经理和自然语言处理分别位居第二、第三位。

原本狭窄拥挤的赛道因新机遇而拓宽，白丁顺势调整了就业方向，全力进军大模型领域。

机会接踵而至。毕业前，白丁拿到了包括百度、字节、阿里等多家大厂的 15 个 offer，年薪区间在 50 万 - 80 万之间。这让白丁有了充足的选择空间，甚至在同一家大厂中，他还获得了多个不同部门的 offer。

罗星在经历了两周的连续面试后，陆续拿到了 6 个大厂 offer，年薪在 70 万 - 80 万之间。最终，他选择南下，加入一家位于杭州的大公司。

02

“别家给得起的，我们都给得起”

在百万年薪的背后，大厂有着一套严格的筛选标准：在专项招聘计划中，硕士、博士学历是多数企业的基本门槛，“超级学霸”“竞赛高手”则是加分项。

“感觉大厂算法岗位只招收前 5%的研究生，”就读于曼彻斯特大学的研究生斯曼（化名）告诉雪豹财经社，“大厂对算法的要求实在太高了。”

事实上，在字节“Top Seed”招聘计划的宣传片中，一位业务负责人明确表示：“我们需要前 5%的人，去完成 95%的人无法完成的事情。”

“我们看中的人，一定是最顶尖的 5%的人”

图源：“豆包大模型团队”视频号

即将于今年 9 月毕业的斯曼正在备战秋招。她在社交平台上抱怨进入大厂太难。在评论区，她收到了两种截然不同的声音。一种声音认为今年秋招是进入算法行业最容易的一年；另一种声音则表示，如果没有出色的条件，今年进入大厂基本无望。

后者还补充说，大厂的招聘标准至少是“双 985 学历，还需要有顶会顶刊论文”。这让斯曼感慨，能发表顶会论文的，基本上是“读博都会被争抢”的尖子生。

白丁回忆，与他同批面试的候选人中不乏更为优秀者，他们可能有七八篇顶会论文，但“这也不足以确保一定能通过筛选”。

一位猎头告诉雪豹财经社，就大模型算法工程师的校招岗位而言，大厂开出的月薪在 3 万 - 6 万区间；对于社招岗位，薪资基本能提高约 40% - 50%。

以学历、实习/工作经历、科研成果和项目经验为标准，企业给出的 offer 有明确的分层。

最高级别的 offer 来自各个大厂设立的顶级人才计划。以华为“天才少年”计划为例，最低档年薪约 80 万，高一档的能翻倍至约 150 万，最高档则达到每年 200 万。

在校招方面，即使是同一岗位，也分为三档：SSP（Super Special Offer）、SP（Special Offer）和“白菜 offer”。

不同档次之间，薪酬差距巨大。白丁拿到的多个 offer 都属于 SSP 档，年薪约 70 万。他有一位学长选择了同一家大厂入职，年薪只有 40 万，差额接近一半。“以阿里为例，算法岗位的白菜价在 40 万左右，换算下来每月到手约 26k。”白丁补充道。

虽然这些 offer 大多以面议的方式确定薪酬，无法得出准确的区间，但“高薪”是其宣传的标配。美团“北斗计划”在校招海报上高调宣称：“别家给得起的，我们都给得起。”

多位猎头告诉雪豹财经社，顶尖人才“一个月至少能拿到七八个 offer”。罗星的经验是，“当 HR 知道你手中还有其他大厂的 offer 时，他们通常会重新调整薪资。”

03

投出 472 次却石沉大海

顶尖人才手中同时握着多张进入金字塔的门票。然而，被争抢的永远只是少数人。

即将硕士毕业的斯曼在今年的秋招季感受到了深深的寒意。短短一周内，她总共投递了 472 份简历，但当周仅收到 30 - 40 个回复，面试邀请更是个位数。

**“起初以为是简历有问题，最后才发现是自身条件不足。”**斯曼自嘲道。她不敢投递大厂的人才计划，觉得自己机会渺茫。

从去年秋招到今年春招，即将于今年毕业的研究生车文（化名）将所有能投的互联网大厂、车企都投了一遍。“刚开始我以为至少能进入中厂，后来发现几乎不可能。”车文说。

他投递的简历，要么未能通过初筛，要么在至少三轮的面试环节被淘汰。一年下来，他只拿到了理想和华为的 offer，但由于薪酬未达到预期，他都放弃了。“21k，本科生也能拿到同样的待遇。”车文有些失望。

一小部分求职者借着 AI 的东风腾飞，但另一方面，即使是知名高校的应届博士生，拿不到心仪 offer 的也不在少数。猎聘的数据显示，生成式人工智能岗位数量激增 300%以上，但求职人数的增速超过了 900%。岗位有限，求职仍然面临着僧多粥少的局面。

多位求职者告诉雪豹财经社，普通规模的公司缺乏算力资源，创业公司又缺乏稳定性，所以大多数人的目光都聚焦在大厂上。

大厂虽然存在人才缺口，但这些空缺职位宁愿保留，也不会轻易放出。罗星入职后，他所在的部门仍在持续招聘，“虽然招人意愿强烈，但找到合适的人并不容易”。近三个月，他所在部门仅有一位候选人入职。

白丁感觉，与去年相比，大模型相关岗位的人才面试门槛提高了。没有相关经验的话，甚至在大厂找一份对口的实习工作都十分困难。

多位猎头告诉雪豹财经社，在校招阶段，学历和科研成果是衡量人才的关键指标，硕士是基本门槛，顶尖岗位则只招收博士学历；对于社招而言，公司还会考察个人项目经验与招聘需求的匹配度。

毕业日期日益临近，斯曼反复修改了多版简历，将项目经历进行了整体细化，并准备多关注研发、测试、机器人方向的岗位。斯曼不再像以前那样挑剔公司，她一边学习新知识，一边将能找到的岗位进行海投。

车文则坚持上一年的目标，仍然在算法、自动驾驶等方向寻找机会，并准备投入即将开始的新一轮秋招。“无法改变环境，我只能继续投递简历。”车文说。

大模型资源分享

针对所有自学遇到困难的同学，我为大家系统梳理了大模型学习的脉络，并且分享这份LLM大模型资料：其中包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等。😝有需要的小伙伴，可以扫描下方二维码免费领取↓↓↓

一、全套 AGI 大模型学习路线

AI 大模型时代的精彩学习之旅：从根基铸就到前沿探索，牢牢掌握人工智能核心技能！

二、640 套 AI 大模型报告合集

此套涵盖 640 份报告的精彩合集，全面涉及 AI 大模型的理论研究、技术实现以及行业应用等诸多方面。无论你是科研工作者、工程师，还是对 AI 大模型满怀热忱的爱好者，这套报告合集都将为你呈上宝贵的信息与深刻的启示。

三、AI 大模型经典 PDF 书籍

伴随人工智能技术的迅猛发展，AI 大模型已然成为当今科技领域的一大热点。这些大型预训练模型，诸如 GPT-3、BERT、XLNet 等，凭借其强大的语言理解与生成能力，正在重塑我们对人工智能的认知。而以下这些 PDF 书籍无疑是极为出色的学习资源。

阶段 1：AI 大模型时代的基础认知

• 目标：深入洞悉 AI 大模型的基本概念、发展历程以及核心原理。

• 内容

  ：

  • L1.1 人工智能概述与大模型起源探寻。
  • L1.2 大模型与通用人工智能的紧密关联。
  • L1.3 GPT 模型的辉煌发展历程。
  • L1.4 模型工程解析。
  • L1.4.1 知识大模型阐释。
  • L1.4.2 生产大模型剖析。
  • L1.4.3 模型工程方法论阐述。
  • L1.4.4 模型工程实践展示。
  • L1.5 GPT 应用案例分享。

阶段 2：AI 大模型 API 应用开发工程

• 目标：熟练掌握 AI 大模型 API 的运用与开发，以及相关编程技能。

• 内容
  ：

  • L2.1 API 接口详解。
  • L2.1.1 OpenAI API 接口解读。
  • L2.1.2 Python 接口接入指南。
  • L2.1.3 BOT 工具类框架介绍。
  • L2.1.4 代码示例呈现。
  • L2.2 Prompt 框架阐释。
  • L2.2.1 何为 Prompt。
  • L2.2.2 Prompt 框架应用现状分析。
  • L2.2.3 基于 GPTAS 的 Prompt 框架剖析。
  • L2.2.4 Prompt 框架与 Thought 的关联探讨。
  • L2.2.5 Prompt 框架与提示词的深入解读。
  • L2.3 流水线工程阐述。
  • L2.3.1 流水线工程的概念解析。
  • L2.3.2 流水线工程的优势展现。
  • L2.3.3 流水线工程的应用场景探索。
  • L2.4 总结与展望。

阶段 3：AI 大模型应用架构实践

• 目标：深刻理解 AI 大模型的应用架构，并能够实现私有化部署。

• 内容
  ：

  • L3.1 Agent 模型框架解读。
  • L3.1.1 Agent 模型框架的设计理念阐述。
  • L3.1.2 Agent 模型框架的核心组件剖析。
  • L3.1.3 Agent 模型框架的实现细节展示。
  • L3.2 MetaGPT 详解。
  • L3.2.1 MetaGPT 的基本概念阐释。
  • L3.2.2 MetaGPT 的工作原理剖析。
  • L3.2.3 MetaGPT 的应用场景探讨。
  • L3.3 ChatGLM 解析。
  • L3.3.1 ChatGLM 的特色呈现。
  • L3.3.2 ChatGLM 的开发环境介绍。
  • L3.3.3 ChatGLM 的使用示例展示。
  • L3.4 LLAMA 阐释。
  • L3.4.1 LLAMA 的特点剖析。
  • L3.4.2 LLAMA 的开发环境说明。
  • L3.4.3 LLAMA 的使用示例呈现。
  • L3.5 其他大模型介绍。

阶段 4：AI 大模型私有化部署

• 目标：熟练掌握多种 AI 大模型的私有化部署，包括多模态和特定领域模型。

• 内容
  ：

  • L4.1 模型私有化部署概述。
  • L4.2 模型私有化部署的关键技术解析。
  • L4.3 模型私有化部署的实施步骤详解。
  • L4.4 模型私有化部署的应用场景探讨。

学习计划：

• 阶段 1：历时 1 至 2 个月，构建起 AI 大模型的基础知识体系。
• 阶段 2：花费 2 至 3 个月，专注于提升 API 应用开发能力。
• 阶段 3：用 3 至 4 个月，深入实践 AI 大模型的应用架构与私有化部署。
• 阶段 4：历经 4 至 5 个月，专注于高级模型的应用与部署。