Fast Reading
■ 猎聘的一份报告显示,2024年一季度国内生成式人工智能的相关职位数同比增321.7%。其中,50万以上的年薪段增速最快,超过500%。
■ 大厂需要前5%的顶尖人才去完成“95%的人无法完成的事情”,并不惜为此开出丰厚报酬。
■ 生成式人工智能岗位急增300%以上,但相应领域的求职人数增速则超过了900%。岗位有限,求职依然面临着僧多粥少的问题。
在“金三银四”的招聘季中,社交媒体上分享offer信息的“求助帖”比比皆是。帖子一般只披露公司名称和薪资区间,模糊具体岗位,作为判断是否值得去的衡量标准。
2024年毕业的985硕士生白丁(化名)一口气晒出了自己在秋招、春招拿到的15个算法相关岗位的offer。“赶上了大模型的风口,各家企业给的都很大方。”白丁在帖子里写道,他拿到了此前自己难以想象的薪资:最高的一个offer,年薪达到80万。
评论区里,有人质疑他的经历是编的;有回贴者是博士,对比下来觉得薪资“被倒挂”;还有人借机请教实习技巧。
“2024年,是最好进入大模型算法岗位的一年。”一条帖子的标题这样写道。少数人在下面赞同,多数人则抨击它“煽动焦虑”。
在乘着风口起舞的故事里,有人手握多个offer,才毕业就能拿到接近百万的年薪;有人一周投了400多份简历,却只接到零星的面试邀约。
一个两级分化的求职世界,正在向人们呈现它不那么理想的一面。
“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,他把自己斩获大量offer的原因之一归结为运气。
白丁原本的择业方向是传统的算法应用岗位,比如搜索推荐。还在读研期间,白丁就清楚地知道自己的研究领域比较小众,很难找到对口工作。
ChatGPT的爆火改写了他的就业路径。
这一年,似乎所有公司都在关注AI,而“每一家公司都缺少做大模型的人”。
走出校门的应届生,是大厂们掐尖的开始。一些大厂早就对AI技术人才开设单独的招聘渠道,比如百度“AIDU计划”、美团“北斗计划”。今年,腾讯“青云计划”也单独辟出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设立“Top Seed”种子计划,把目标对准了应届博士生。
在大厂担任算法工程师的罗星(化名)也决定在今年换一份工作。比起前年的“被迫跳槽”,这一次,他明显感觉到就业环境的回暖。
从岗位数量上来说,可供投递的岗位肉眼可见地变多了。罗星告诉雪豹财经社,这些新的工作岗位大多来自大模型相关岗位。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,已经拿到了年薪近100万的offer。
自2022年底因ChatGPT的火爆刮起的AI旋风,催生了大量新的工作岗位。
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,当季,国内生成式人工智能的相关职位数同比暴增321.7%。其中,50万以上的高薪段增速最快,超过500%。
从AI领域新增职位分布来看,技术类职位占据主流。算法工程师以19.30%的比例高居榜首,产品经理和自然语言处理位居第二、第三。
狭窄拥挤的赛道被新的机会扩宽,白丁顺势调整了就业方向:全力攻向大模型。
机会源源不断。毕业之前,白丁拿到了包括百度、字节、阿里等多家大厂的15个offer,开出的年薪区间在50万~80万之间。留给白丁反选的空间充足,在同一家大厂中,他甚至拿到了来自多个不同部门的offer。
罗星也在经历两周的连续面试后,陆续拿到6个大厂offer,年包金额在70万~80万。最终,他选择南下奔赴一家位于杭州的大公司。
“别家给得起的,我们都给得起”
百万年薪背后,大厂有一套严苛的筛选标准: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”是加分项。
“感觉大厂算法只招前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,一位业务负责人已明确表示:“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
即将在今年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。一种声音告诉她,今年秋招是进入算法行业最容易的一年;另一种声音则说,如果没有出色的条件,今年进入大厂基本没戏。
后者还补充说,大厂招人的标准至少是“双985学历、需要有顶会顶刊论文。”这令斯曼感叹,能发出顶会论文的,基本上是“读博也会被抢着要”的尖子生。
白丁回忆,和他同批面试的不乏更加优秀的候选人,他们可能有七八篇顶会论文,“但这也并不足以确保一定会通过筛选”。
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来说,大厂开出的月薪在3万6万的区间;对于社招岗位,基本能够给到约40%50%的涨幅。
以学历、实习/工作经历、科研成果和项目经验作为标准,企业给出的offer有明确的分层。
最高一级的offer来自于各个大厂设立的顶级人才计划。以华为“天才少年”计划为例,最低档约在80万,高一档的能翻番到约150万,最高档则达到了200万/年。
在校招方面,即使同一岗位,也被分为三档:SSP(Super Special Offer)、SP(Special Offer)和“白菜offer”。
不同档次之间,薪酬拉开了极大的距离。白丁拿到的多个offer都属于SSP,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,算法岗的白菜价在40万左右,算下来一个月到手也就是26k。”白丁补充说。
虽然这些offer多以面议的方式制定薪酬,无法得到准确的区间,但“高薪”是宣传的标配。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,掐尖的人才“一个月至少能拿到七八个offer”。罗星的经验是,“当HR知道你手里还握着其他大厂的offer,他们一般会重新定薪。”
砸不出水花的472次投递
顶尖人才同时手握多张通向金字塔的门票。然而,被争抢的人永远是少数。
即将硕士毕业的斯曼已经在今年的秋招季感受到了阵阵寒意。短短一周的时间里,她总共投递出了472份简历,但当周内得到的回复只有30~40个,收到的面试邀约仅为个位数。
“一开始以为简历出了问题,最后发现是人出了问题。”斯曼自嘲。她不敢投递大厂的人才计划,自觉机会渺茫。
从去年秋招到今年春招,即将在今年毕业的研究生车文(化名)把能投的互联网大厂、车企投了个遍。“刚开始我以为至少能进中厂,后来发现几乎不可能。”车文说。
他投出去的简历,要么没有通过初筛,要么在至少3轮的面试环节被刷下来。一年下来,他只拿到了理想和华为的offer,但因为薪酬没有达到自己的预期,也都被他放弃了。“21k,连本科生也能拿到同样的待遇。”车文有些失望。
一小部分求职者乘着AI的风口起飞,但另一面是,即便是知名高校的应届博士生,拿不到心仪offer的也大有人在。猎聘的数据显示,生成式人工智能岗位急增300%以上,但求职人数增速则超过了900%。岗位有限,求职依然面临着僧多粥少的问题。
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,创业公司又不具备稳定性,所以大多数人的目光都聚焦到了大厂上。
大厂的人才缺口依然存在,但这些空出的席位宁愿保留,也不会轻易放出。罗星入职后,自己所在的部门仍在持续招聘,“虽然招人的意愿比较迫切,但要找到合适的人并不容易”。最近三个月,他的部门只有一位候选人入职。
白丁感觉,和去年相比,大模型相关岗位的人才面试门槛变高了。没有相关的经验,甚至连在大厂找一份对口的实习工作都很难。
多位猎头告诉雪豹财经社,在校招阶段,学历、科研成果和是衡量人才的关键指标,硕士是基本门槛,顶尖岗位则只要博士学历;对于社招来说,公司还要考察个人项目经验和招聘需求的匹配度。
离毕业的日子越来越近,斯曼来来回回又修改了好几版简历,她把项目经历整体细化了一遍,并且准备多看一看研发、测试、机器人方向的岗位。斯曼也不再像以前那么挑公司了,她一边学习新内容,一边把能找到的岗位海投一遍。
车文则坚持上一年的目标,依然在算法、自动驾驶等方向寻找机会,并准备投入即将开启的新一轮秋招。“改变不了环境,我能做的只有继续投简历。”车文说。
如何学习大模型
现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。
作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。
我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。
一、AGI大模型系统学习路线
很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。
二、AI大模型视频教程
三、AI大模型各大学习书籍
四、AI大模型各大场景实战案例
五、结束语
学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。
再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。
因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。
标签:15,offer,AI,模型,风口,白丁,大厂,岗位 From: https://blog.csdn.net/zhishi0000/article/details/142088386