六篇顶刊论文的博士，三面都没等到

六篇顶刊论文、两段头部大厂模型实习，申请二十多家公司的人才计划，原本预计能拿到十二三家机会。到10月下旬，手里只有五六个意向，薪资大多还没确定。

这是一位2027届博士生的秋招成绩单。他按上一届的经验准备，却赶上了另一种行情。上一届同学里，有人拿到腾讯的高薪岗位，有人进了阿里的人才计划，在他看来，其中一些人的论文和实习经历还不如自己。

更扎心的是流程本身。面一家大厂时，前两轮已经通过，他本以为有希望，第三轮没等来，流程就结束了。“我觉得这个应该能拿下，结果三面都不给。”

高薪故事还在，机会变少了

一位AI公司招聘负责人观察到，今年最受欢迎的学生，报价仍可能高于去年，但供他们选择的机会变少了。“以前，只要你聪明、能力强，就能有无数的机会。现在没那么多试错空间了。”

另一些有论文、有大厂实习经历的年轻人，发现连面试都更难拿到。刚入职几个月的一位研究员推荐了几名候选人，多数没有进入面试，其余还在等待。他看好的一位候选人，有知名模型公司实习经历，也有不错的论文和技术博客，推荐后一个月流程仍未推进。

猎头和招聘负责人反复提到同一个变化：各家模型团队逐渐配齐，招人开始看具体缺口。公司会问候选人做过什么、独立解决过什么问题、能给现有团队补充哪种能力。即使已有基模经验，跳到另一支核心团队也变得更难。“基座算法团队的门越收越窄。”

筛选提前到了答辩之前

某头部大模型公司招聘负责人说，各家基模团队整体在缩减校招、社招名额，这基本是今年业内的共识。公司更青睐经过实习验证的候选人，但留下的门槛在提高。

一位入选腾讯青云计划的混元实习生说，2025年同批符合条件的实习生会一起参加转正答辩；2026年只有获邀者才能参加，也不一定能通过。

岗位本身也在消失。一位候选人7月下旬申请Momenta人才计划，完成三轮技术面试后，9月被HR告知技术重点调整、岗位取消。另一位8月上旬申请腾讯混元世界模型岗位，9月初发现招聘页面提示“岗位已下架”。

流程推进也慢。有候选人追问HR面试进度：“一次不回、两次不回、三次不回，后面拍一拍也不回。”而急于招人时，HR隔几天就主动询问近况，甚至带鲜花到学校为已录用学生庆贺。

还有求职者申请正式岗位时被告知需要先来实习、再竞争转正。他们已经有大厂实习经历，仍可能要再投入几个月，才知道自己能不能留下。

“K型分化”

9月，DeepSeek公布约150个招聘名额，主要面向2至10年经验的资深工程师。Anthropic 10月发布内部研究称，技术部门初级岗位占比从2025年初的21%降至14%，新招初级岗位占比从27%降至9%。

长期关注AI人才流动的Sam把当下市场称为“K型分化”：有大规模预训练、强化学习或万卡集群基础设施经验的人，仍能拿到高价；主要凭论文、缺少训练经验的初级候选人，机会减少。

“有大模型经验”已经变成过于宽泛的说法。招聘负责人会追问具体贡献、负责哪个环节、有什么技术判断。只参与边缘工作、“缺乏思考，活特别糙，最后效果还行单纯是公司资源给得够”的候选人，会被pass掉。

一位业内人士把基模研发比作“制造业”：数据清洗、小模型实验、强化学习、合板。工序标准明确后，公司更清楚哪里缺人，人不再是核心生产要素。

方向冷热也不均。猎头Allen观察到，能持续投入预训练的公司有限，后训练和Agent随应用场景增加仍有新需求；猎头Steve提到，模型进入更多实际任务后，数据、强化学习基础设施等环节还需要补人。有研究员发现，核心基模团队收紧校招后，社招更偏向从友商挖有后训练、强化学习和推理优化经验的熟手。

热门方向不一定好找。一位做多智能体的研究员说，Code Agent的机会仍有，但候选人已经很多，有些博士生毕业前就在公司做了一两年相关工作，后来转入这个方向的人要和已经做出成果的人一起竞争。

履历更好了，对手也是

上一轮招聘热潮培养出更多有工业经验的求职者。一位AI公司招聘负责人说，去年招进公司的研究员现在也开始带实习生，有的正式员工同时带几个人做不同任务。到了下一轮校招，这些学生都有模型公司的名字、项目和实验结果可以写进简历。

高校和新型研究机构也在继续培养后来者：中国人民大学、南开大学、中国科学院大学等均设立人工智能学院培养硕士、博士；上海创智学院2024年成立，目前已有800余名联合培养博士生。

简历越来越好看：Kimi、DeepSeek实习，定期更新的技术博客，数千GitHub星标的开源项目，奥赛金牌、超算队经历。但面试官手里可能还有几份同样亮眼的简历。

一位招聘负责人见过不少履历漂亮的候选人，讲起项目能说清做了什么实验、得到什么结果；再问为什么选这个方向、依据哪些论文作出判断，就不一定答得出来。他会追问：“你做这个实验的目的是什么？”是分析之后决定验证一个想法，还是碰巧试出了一个好结果。

这也是熟人推荐有用的地方。一起做过项目的人，知道是谁提出了办法、谁解决了问题。一位进入头部模型团队的年轻研究员，最初因一项研究工作被注意到，团队负责人联系了他的合作者，再由合作者推荐。一位业内人士观察到，校招愈发集中于少数学校和团队，能力之外还有“某种信任的传递”。

不在这种关系里的人更难获得机会。一位去年求职的研究员在几家模型团队碰壁后，决定暂时不再反复投递，把时间用来做一项更好的研究。“攒代表作，发出来……等人家找吧。”后来确实有新团队主动联系他，但相比熟人内推波折了许多。

“有卡才能说其他事”

做出一项重要工作也需要资源。学生要先找到合适导师、获得算力，或进入一个愿意让他参与重要项目的团队，这些都变得更难。

一位今年加入新模型团队的研究员看重这里有更多算力。成员大多刚来，工作还在分配，他觉得机会相对公平。即便如此，更重要的任务仍多由从其他公司招来的资深研究员承担，应届生需要证明自己。

一位AI公司招聘负责人与多名模型团队实习生交流后发现，他们常做的是数据配比或小规模实验，实验有结果再验证能否用于主要模型，“已经很少有人能碰到模型架构等核心工作了”。

先来的人靠项目积累经验，后来的人要先有经验才能争到项目。一位投资人感叹：“人才是被环境塑造出来的，现在没有那种环境可以塑造人才。”

一位进入头部人才计划的学生说，团队允许探索，但资源有优先级，公司把更多算力投入Coding，其他方向往后排。“有卡才能说其他事。”

做出的结果也不一定被放进模型。一位曾在大厂模型团队实习的研究者，原本希望把自己的方案部署进模型，研究完成后由内部员工做了一轮评测，继续推进还需验证收益、精度损失并经过更多测试。在他所在的组织里，掌握“合板”权力的只有少数人。一个潜规则是，后来者得先“自己重搞一遍”，再把成果送过去。

这种分化更早发生在学校里。一位高校教师说，他们并不想把学生一直留在学校，“我们没有那么多资源去提供给他做他想做的研究”。学生得先靠导师经费或校企合作做研究，用好论文争取第一段实习，再靠实习成果换下一次机会。“你履历越好看，拿到的机会越多；履历越一般，越拿不到机会。就像滚雪球。”

一位求职者把基模找工作比作抢椅子：“后来者没空位只能干着急。”那位曾希望把研究方案部署进模型的研究员，今年也开始找工作，愿意接受更低薪资去一家能继续成长的公司。他把这称为“年景的问题”。“我已经先认命了，没办法，去年没毕业。”