大模型秋招中，那些零Offer的名校应届生们

“你想得太好了，从7月开始准备到现在，我一个Offer也没有。”被问及今年的秋招结果，双211高校应届生西木有点沮丧地回答。

他在头部半导体公司、互联网公司都有过实习，实习岗位也大多跟大模型推理和训练框架优化有关。Agent拿不到面试，为了提升秋招时的竞争力，他索性放弃了门槛更低的Agent开发，转向技术门槛更高、需要实际接触GPU集群的训练Infra。

有一次他差点拿到字节的Offer，面试到第四轮，然后就没有结果了。到了9月，他发现情况更糟，面试机会都少了。

他不是唯一一个遇到这种情况的人。去年，他所在的研究生实验室几乎没有人拿到大厂实习，但毕业时大家最终各有去处。今年，实验室里人人都有实习，有人甚至攒了三段。可到10月，按照西木的观察，还没有人拿到正式Offer。

一位华五本科、Top2直博，有基模实习经历的学生，参加了Seed、腾讯混元、阿里等模型团队的面试，却迟迟没有等来明确结果。

另一位拥有五篇A类论文、一作或共同一作经历、累计论文引用超过600次的硕士生，7月开始投递各家大模型人才计划。绝大多数流程停留在一面，便杳杳无音了。

模型公司过去两年都爱争夺的年轻人，突然在2026年的秋招面前不香了。

一位长期服务AI native公司的猎头告诉我们，去年许多模型公司还在建设团队，抢的是能够把一个方向先做起来的人。今年团队已经建立，他们需要的就不再是相似能力的应届生，换言之，他们希望新加入的人，能解决现有团队尚未解决的问题。

字节招聘结构颇有代表性。集团2026年春季ByteIntern招聘计划超过7000人，其中研发类超过4800人。同时，4月1日Seed单独启动约100人的全球人才专项，2027届Seed招人不再单独设立Top Seed计划，其他前沿人才招聘也不再单独设立筋斗云人才计划。

风起了，身在其中的应届生没有迎来一个“暖冬”。

01

大模型公司，不缺同一种人

井景就读于复旦大学。2025年底，从事后训练算法研究的他，同时拥有三份不错的实习机会，既有互联网大厂和基模头部厂商的Agent工程师岗位，也有一家互联网大厂的基模研发岗位。

三选一，并不难。在大模型行业内部，长期存在一条不成文的技术岗位排序：预训练最接近模型能力的源头，后训练次之，再往下是应用和工程开发。

虽然这种排序未必反映实际技术贡献，但对于希望进入前沿研发的学生来说，能够进入基模团队，往往意味着更好的资源、更大的训练规模，以及更广的职业选择。

他义无反顾的选择了基模研发岗位。但入职后，实际经历与想象有很大差距。

入职最初一周，他的主要任务是熟悉文档、配置环境，之后很长一段时间，只有代码维护、测试和调研工作。将近三个月过去，他没有积累多少实际产出。直到4月，他才正式接触预训练和后训练相关工作，被分配资源，搭建训练工作流。但工作流搭建完成后，他的任务又变成了维持系统稳定运行。

直到8月，他被告知无法转正，秋招延误，至今没有一个offer。

井景的遭遇或许有个人原因，但也指向了一个容易被忽略的问题，进入基模团队，和真正参与核心模型研发，并不是一回事。

过去，模型公司从零搭建团队，需要大量研究员和工程师完成训练框架、数据处理、实验流程等基础工作。基模实习意味着可以接触重要的研发任务。但当模型训练体系逐渐成熟，工作开始分层。少数核心研究员决定训练策略和技术路线，工程师负责不同模块的开发与优化，更多工作变成维护已经运行的系统。

一位猎头拿视频模型打了个比方。2026年，Seedance已经证明了字节在视频生成上的技术能力。但一个已经拥有成熟研发团队、完成阶段性技术突破的部门，未必还需要以高溢价招聘大量经验相似的应届生。

“一个全球已经做出最好技术的团队，不会再花高溢价的钱，招一些来了以后对我没有什么增量的人。”这位猎头说。

还有一个更深层的限制，算力。对于部分前沿模型团队而言，当前的瓶颈可能更多来自算力，而不是研发人员数量。

一位今年入职头部模型厂商、从事训练Infra的应届生表示，大模型训练，不是增加一倍工程师就能同时开展一倍实验。如果GPU集群规模、实验排期和训练资源已经接近约束，更多研究员未必能以相同比例加快模型研发。

算力紧张也可能反过来推高训练系统优化、并行计算和算法效率人才的价值，也提示了一种不同于传统互联网行业的用人逻辑。模型公司已经有了人、训练体系，继续扩招能带来的研发增量，开始成为需要认真计算的问题。

最前沿的海外模型公司已经出现人才结构的变化。10月16日，Anthropic公布了一份关于自身就业结构变化的研究。2025年初，初级技术人员占公司技术部门新招聘人数的27%，到了2026年，这一比例已经下降至9%。

今年1月，Anthropic内部就开始讨论初级技术人员需求下降。随着Claude能够完成更多代码编写、调试等工作，一些团队对初级工程师的招聘优先级开始降低。报告显示到4月，约三分之一的机器学习管理者、五分之一的软件工程管理者表示，AI让他们减少了招聘。

值得注意的是，Anthropic的技术团队仍在扩张，招聘绝对数量没有停止增长。改变的是不同资历、不同能力的员工在招聘中的位置。Anthropic这类硅谷头部科技公司的增长，已经开始不再完全依赖人数扩张提高产出。

02
风向变得太快，经验也会贬值

模型公司招聘名额的变化，还不是全部。技术趋向的易变，更让应届生难以适应。

西木选择训练Infra，本来就是为了避开这种变化。

他最初也做Agent。3月找实习时，投递的主要是Agent相关岗位。但很快，他意识到Agent开发存在一个问题，就是入门门槛越来越低。

在他的理解中，一个学生想积累Agent开发经验，只需要一台电脑，就能调用模型、连接工具，构建自己的项目。相比之下，训练Infra需要真实的GPU资源和大规模系统实践，普通学生很难在学校里获得同等条件。

他所在的实验室恰好有GPU集群，可以让他进行一些训练系统优化的工作。于是，他决定转向Infra。

这项策略确实帮他排除了一部分竞争者，却也把他送进了一个高手更集中的“斗兽场”。

在大厂的Infra岗位实习时，他发现，周围年轻的正式员工中双985背景很常见，顶尖高校的硕士、博士也不少。与这些人相比，他的学校背景没有优势，能够接触的训练规模也不够大。

更尴尬的是，一些规模较小的模型训练团队，反而觉得他的经验与实际业务不够匹配。

西木谈到他曾经面试一个自动驾驶模型团队。对方主要训练约十亿参数规模的模型，而他此前接触的训练系统规模更大。结果，这段本来被他视为优势的经历，未能帮他获得岗位，对方的回复是，“你实习面向的训练规模比我们的大，所以你的经历不匹配。”

他担心自己最终会陷入“高不成低不就”的处境。

一个技术门槛越高的赛道，虽然筛掉了普通候选人，也意味着剩下的竞争者往往更强。

类似的变化还发生在多模态领域。

今年视频生成模型持续升级，多模态的技术价值被反复验证，但这似乎没有直接转化为应届生在秋招期间的就业机会。

错位感很普遍。有人原本瞄准头部大厂的视频模型组，后来把目标转向3D生成、世界模型或者具身智能公司。

一位猎头确认，他还接触到从多模态背景转向具身智能的候选人。原因并不复杂，世界模型、3D生成与具身智能岗位对视觉、空间表征、视频预测等能力存在交叉需求。具身智能公司不断成立，新团队需要从相邻领域吸收人才。

但新的需求也并不意味着永远存在高溢价。

在这位猎头的观察里，今年春天，一些具身智能公司还急着补齐相关研发团队。到了秋天，招聘要求已经更加具体，公司不再只需要熟悉多模态或3D生成的人，还需要候选人能够解决下一阶段的问题。

从一个热门方向转向另一个热门方向，并不能保证一直获得溢价。

而这批应届生，恰恰还信奉着一条准则，去往顶级的基座团队，去训练基础模型，基座又分成一线，准一线，二三线，一线基座是“末日船票”。

“大模型是一个赢家通吃的游戏，如果去不了一线模型，你的职业游戏就玩不转了。”谢欣告诉我们，秋招最残忍的就是怀抱着这样的认知和标准，却被迫逐步调整预期的过程。

而去年，她的师兄还有机会参加核心训练，今年谢欣成功拿到了实习转正，但是用“卷”获得的。周末加班是常态，一个实验训崩了就要拿出几倍的时间来debug,即便95%的时间在洗数据，怀疑自己做的事情毫无意义。

斯坦福《2025年AI Index》提供了一个技术能力迅速普及的例子：2022年11月至2024年10月，达到GPT-3.5级别MMLU表现的模型，每百万Token推理价格从约20美元下降到0.07美元，降低超过280倍。

推理成本下降不能等同于研发人才薪资下降。但它说明，曾经昂贵、稀缺的模型能力，可以在很短时间里变得便宜而普遍。

今年6月，普华永道分析全球超过10亿条招聘广告后发现，2019年至2025年，受AI影响最大的职业，其岗位技能构成变化幅度是受影响最小职业的2.2倍。

对大模型从业者来说，当一项技术仍然处在探索阶段，掌握它的人少，经验本身就具有价值。当它逐渐形成成熟工具、开源框架或者标准工程流程，对依靠掌握这些技术的年轻人来说，却意味着自己的职业资本提前折旧。

03

AI时代的造梦场：百万年薪没有消失

人才市场呈现出的情况更加复杂。

9月，脉脉发布的报告显示，字节跳动仍是其统计口径下新发AI岗位量最多的公司，DeepSeek新发AI岗位同比增长601.40%。普华永道统计的全球市场中，要求AI技能的岗位仍然有平均62%的薪资溢价，较上一年进一步提高。AI行业的高薪时代尚未结束，这仍然是一个造梦场。

只是，不同类“人才”的价格开始分化。

一位长期服务AI公司的猎头告诉我们，2025年，一些模型公司为了尽快组建团队，愿意为优秀应届博士开出高价。模型厂商的竞赛也在助推，并在去年达到了一个小高峰。

即便在今年，对真正有选择权的候选人来说，进入一家模型公司能拿多少薪水，不是唯一的问题。他们往往出身top2高校，手握核心论文及实习经验，他们是今年秋招“阴影面积最小”的群体。能接触多少训练资源？能不能参与重要的实验？能否影响模型的下一次迭代？这些是他们衡量Offer的依据。

但这只是少数人的烦恼。

对于更多希望进入基模团队的年轻人，首先要解决的是能否获得一份Offer。

在人潮愈发汹涌的大模型求职场上，学历开始重新成为一个显眼的筛选条件。

西木认为，今年求职最大的困难不是技术面试回答不上来，而是简历根本进不了面试。他甚至被已经进入大厂的同事当面评价过学校背景不够好。

有些规矩外人无从知晓，却在大模型公司内部悄悄流传。有互联网大厂手握一份全球33所高校的名单，学历不在其列，连面试的门都摸不到；也有大厂对少数几所高校的应届生格外青睐，只是这些人就算进了门，多半也待在边缘位置。

但学历也无法解释全部问题。在和我们交流的同一批秋招应届生里，拥有Top2博士背景、多篇顶会论文、多段基模实习经历的候选人，同样经历着长时间等待。

这说明，筛选门槛提高不是简单地由学校背景取代研发能力，而是企业有了更多条件进行选择。不仅要学校好、论文好，还要实习团队好、训练经历足够深，最好能证明自己已经在某个重要问题上取得过成果。一些人才计划原本就针对少数顶尖候选人，今年可能变得更加难以进入。

“去年，我可能只是拿不到最好的Offer，今年，可能都保不住人才计划了。”

一位受访者的疑问是，现在到底要多优秀，才能拿到BAT基模的Offer？

他的疑问是真实的，只是注定很难有回答。

另一位应届生，已经通过头部互联网大厂的实习转正，仍然决定参加秋招，希望寻找更好的机会。但到了10月，他主动拒绝了面试。“我不想秋招了，太累了。”

原本他希望能在这场秋招里拿到更好的Offer，而现在，他庆幸自己早早实习并在组内早就拿到了转正的Offer。

到今年10月，西木仍然没有决定放弃Infra，这是他花了大半年时间才找到的方向。

他喜欢系统层面的工作，也相信自己在集群和训练系统上的经验具有价值，但现实正在迫使他调整目标。进入不了头部基模团队，他开始关注大厂云平台、业务侧Infra等岗位，再往下，还有偏调度、运维的工作可以考虑。也有人开始把目光投向业务算法、创业公司，甚至央国企。不是因为他们突然失去了对大模型的兴趣，而是原先计划的职业路径已经没有那么多入口。

西木之前希望用一段更有门槛的经历，为自己建立竞争优势。最后发现，他被自己困住了。让他难过的，不只是迟迟拿不到Offer，还是自己不断调整方向、积累经历，最后却不知道这些努力究竟能在哪一家企业得到认可。

“现在有哪一家公司如果直接邀请你面试，而不是笔试，都算是一家良心企业。”他说。

从企业角度看，这些变化或许只是技术发展中的正常调整。

一个方向缺人的时候，扩大团队；成熟之后，控制招聘；下一项技术出现，再把资源转向新的领域。但对正在进入行业的年轻人来说，职业选择并没有这么灵活。

一名研究生需要花费几年时间确定研究方向，积累论文、项目和实习经历。要真正接触大规模模型训练，还需要获得学校实验室或者企业的算力资源。

他们中的很多人，正是按照2024年、2025年行业最热门的方向来安排自己的职业路径，到了2026年，等他们终于积累足够的经验准备入职，企业需要的人可能已经发生变化。

这种矛盾不完全来自所谓的AI替代论。技术进步让一些经验更有价值，也让另一些经验的稀缺性更快消失，这种变化还可能反过来冲击就业市场。

毕竟，企业可以随着技术趋势改变预算、调整团队、暂停招聘，应届生却很难每隔几个月重新选择一次研究方向。人一生的职场或许很长，也足够曲折，对带高光滤镜的AI人才来说， 行业的光环退潮提前到来了，而许多人还未做好准备。

*文内人物为化名

文｜马舒叶

编辑｜刘培