本文分析了288个AI岗位，揭示了六个热门方向的就业现状：大模型岗多为实习，具身智能招人最多且薪资高，AI底层岗位门槛硬但薪资优。文章为不同背景的求职者提供了方向建议，强调作品的重要性，并介绍了Relia平台如何帮助求职者和招聘方。

“现在入行AI，选哪个方向好？”

这是我们在后台被问得最多的问题。网上的回答大多是看热度：哪个方向融资多、哪个方向论文火、哪个方向最近上了热搜。

但对一个准备找工作的人来说，比热度更重要的是另一件事：公司到底在招什么人。

我们把Relia岗位库里目前在架的288个岗位逐条拆开，它们来自53家公司，从腾讯混元、DeepSeek、阿里钉钉，到逐际动力、智平方、百图生科、明汯投资。我们按六个方向归类，统计每个方向的岗位数、招聘方、岗位类型，再把每条岗位要求里反复出现的关键词数了一遍。这288条真实的JD放在一起，已经能看出不少规律。

一、先说三个反直觉的发现

1. 最热的大模型，正式岗最少。

大模型方向有50个岗位，但其中34个是实习，全职只有7个。近一半的岗位要求写着"面向2026年9月以后毕业的优秀硕博"。换句话说，大模型基座团队几乎不直接对外招正式员工，它们的主要入口是研究型实习。

2. 招人最多的，是具身智能。

具身和多模态加在一起有122个岗位，占了四成多，来自26家公司，是公司数最多的方向。而且这是唯一一个全职岗位明显多于实习的大方向：76个全职，47个实习。具身公司已经过了"招几个研究员做demo"的阶段，开始成建制地招人了。

3. 薪资最高的，是最"底层"的岗位。

在标了薪资的岗位里，AI Infra方向的区间整体最高，集中在35–70K、15薪。这些岗位要的不是论文，而是C++、CUDA和分布式系统。离聚光灯最远的岗位，反而最贵。

三、下面一个方向一个方向地看

01 大模型（LLM）：研究型实习是正门

• 谁在招：腾讯是绝对主力，混元和元宝加起来占了近一半，其次是阿里千问、阶跃星辰、字节豆包、小红书、快手
• 在招什么：基本都是研究课题，比如预训练动力学、预训练数据价值刻画、复杂合成数据、能力评估与奖励模型、后训练、超长程记忆
• 要什么：一半的岗位提到了论文，NeurIPS、ICML、ACL频繁出现；强化学习相关要求出现在近三成岗位里
• 最好的入场方式：研一研二就开始投研究型实习，带着自己的论文方向去，而不是等毕业再投校招

这个方向最卷的地方不在面试，而在入场时间。基座团队更愿意在实习期就锁定人，等到秋招，名额可能已经所剩无几。

02 智能体（Agent）：从研究方向变成工程岗位

• 谁在招：阿里钉钉、腾讯混元和元宝、DeepSeek、百度智能云千帆、字节Coze、智谱、商汤
• 在招什么：一个明显的变化是，"Harness"已经单独成了岗位名。DeepSeek、百度千帆都在招Agent Harness研发工程师和研究员。其他高频题目包括自进化智能体、Agentic Search、Agentic RL、Coding Agent，以及智能体安全评测
• 要什么：一边是研究要求，论文和顶会出现得不少；另一边是工程要求，"开源"出现在16个岗位里，"评测"出现在11个岗位里，还有好几个岗位直接写了要熟练使用Claude Code、Cursor这类工具
• 最好的入场方式：自己搭一个能跑起来的智能体系统，或者给开源Agent框架提PR。这个方向的面试官，最想看到你真的做过一个能用的东西

一年前，Agent还主要是研究课题；现在它正在分化出一批工程岗位。能把模型变成可用产品的人，在这个方向最缺。

03 具身智能（Robotics）：唯一在成建制扩招的方向

• 谁在招：逐际动力、智平方、小鹏机器人、蚂蚁灵波、非夕、帕西尼、大疆、灵心巧手、乐聚、傅利叶、三星……26家公司，是六个方向里最分散的
• 在招什么：一半是算法，包括VLA、世界模型、运动控制、全身控制、灵巧操作、人类数据和第一视角数据；另一半是工程和硬件，包括机械结构、嵌入式、电子电气、仿真平台、测试和运维
• 要什么：C++出现在54个岗位里，仿真出现在53个里，ROS出现在42个里，VLA出现在32个里。顶会要求更偏机器人领域，ICRA、CoRL、RSS比NLP会议出现得多。还有23个岗位提到了竞赛经历，比如机器人竞赛
• 在哪里：深圳和北京各51个，并列第一，上海35个。深圳的硬件供应链优势很明显

这是对非AI科班背景最友好的方向。机械、自动化、电子出身的同学，在这里能找到大量对口岗位；做CV和多模态的同学，也能自然地转到感知、VLA和世界模型。

04 AI Infra：离聚光灯最远，薪资最高

• 谁在招：DeepSeek一家就有8个，其余来自腾讯混元、大疆、联想、中科曙光、京东、蚂蚁，以及几家量化公司
• 在招什么：高性能算子、通信、编译器、KVCache存储、推理加速和投机解码、训练和推理框架、集群稳定性
• 要什么：几乎不看论文。C++和"分布式"各出现在18个岗位里（共30个），CUDA 13个，Triton 7个，Rust 10个；vLLM、SGLang、Megatron这些框架名字频繁出现
• 最好的入场方式：给vLLM、SGLang这类推理框架贡献代码，或者写出一个有实测数据的算子优化项目

这个方向的门槛很硬，但非常公平，代码能力就是一切。对系统和体系结构背景的本科和硕士来说，这可能是进入顶尖模型公司最快的路。

05 量化（Quant）：机器学习的另一个出口

• 谁在招：黑翼资产、明汯投资、世纪前沿，几家头部量化私募撑起了绝大部分岗位
• 在招什么：量化研究、量化开发、机器学习研究员、数据工程、交易执行
• 要什么：竞赛经历出现在11个岗位里（共27个），比例是六个方向里最高的；C++也很常见
• 在哪里：上海18个，另有香港、纽约和成都的岗位

量化是做机器学习的同学最稳定的高薪出口之一，也是对竞赛背景认可度最高的方向。数学、统计和ACM背景的同学，值得认真考虑。

06 AI4S：岗位最少，但最需要交叉人才

• 谁在招：百图生科、晶泰科技、医渡科技、森亿智能、联影智能
• 在招什么：蛋白结构、分子设计、多肽和抗体模型、逆合成、类器官模型，也有医疗大模型智能体和AI4S产品经理
• 要什么：全部是全职岗位，博士要求的比例相对高。很多岗位同时要求懂AI和懂生物或化学
• 薪资：标了薪资的岗位集中在15–50K，比其他方向低一档

AI4S的岗位不多，但竞争者也少。懂生物的AI人和懂AI的生物人都很稀缺。如果你本来就是生物、化学或医学背景，再补上机器学习，这里的空间比看起来大。

三、不同背景的人，可以怎么选

1. NLP或大模型方向的硕博：优先冲大模型基座团队的研究型实习，同时关注Agent方向的研究岗，两边的能力高度重叠

2. CV或多模态背景：具身智能是最自然的去处，感知、VLA、世界模型都缺人

3. 系统、体系结构、高性能计算背景：AI Infra，薪资最高，门槛也最清晰

4. 机械、自动化、电子背景：具身智能的工程和硬件岗位，这是AI行业第一次大规模为你们开门

5. 数学、统计、竞赛背景：量化，或者大模型里的推理和强化学习方向

6. 生物、化学、医学背景：AI4S，交叉背景就是你最大的优势

7. 本科生：优先看Infra和具身的工程岗，以及各大厂的研究型实习，这两类对学历最宽容

大模型的知识又多又杂，到底怎么学？

做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。

第一阶段（10天）：初阶应用

这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。

• 为什么要做 RAG

• 搭建一个简单的 ChatPDF

• 检索的基础概念

• 什么是向量表示（Embeddings）

• 向量数据库与向量检索

• 基于向量检索的 RAG

• 搭建 RAG 系统的扩展知识

• 混合检索与 RAG-Fusion 简介

• 向量模型本地部署

• …

走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。

第三阶段（约20天）：动手微调

学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

第四阶段（20天）：商业闭环，部署落地

技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：

1、大模型系统化学习路线

2、大模型学习视频教程

3、大模型学习书籍&电子文档

4、AI大模型最新行业报告

5、大模型项目实战&配套源码

6、2026大模型大厂面试真题

7、为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

8、适合谁学？

• 传统后端 / Java / 前端开发，想转型 AI 应用
• 大学生、应届生，想拿更好的 offer
• 产品经理、运营，想武装职业竞争力
• 技术负责人，想给团队落地提效

学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。

9、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。