过去，外界研究人工智能企业的方式主要聚焦于学术论文、产品发布会和行业新闻。然而，研究机构Epoch AI近期另辟蹊径，对DeepSeek、阿里、字节跳动、MiniMax、月之暗面、智谱六家企业的1600余份招聘信息展开深度分析，试图从人才需求角度洞察行业趋势。
论文成果展示的是企业已取得的成就，而招聘信息往往透露着企业未来的战略布局。企业在采访中描绘愿景、在论文中展示成果，但招聘需求不会说谎——岗位设置直接反映了资源投入方向。Epoch AI的研究发现，AI领域的竞争早已突破模型层面的较量，向更广泛的基础设施领域延伸。
传统认知中，AI企业最紧缺的是算法研究员，但实际招聘数据显示并非如此。以DeepSeek为例，预训练研究员岗位数量有限，更多需求集中在数据治理、模型评测、Agent开发、系统工程、高性能计算、数据中心运维、能源管理、散热设计等领域。新一代大模型的研发已非少数天才研究员在实验室闭门造车所能完成，而是需要跨学科团队的协同作战。
在算力生态方面，中国AI企业仍高度依赖英伟达平台。招聘信息中频繁出现CUDA编程、TensorRT-LLM优化、高性能GPU调优等技术要求，印证了英伟达的主导地位。但国产算力正在突破重围，字节跳动、智谱等企业开始招聘熟悉华为昇腾、寒武纪芯片的异构计算人才，智谱更宣布其GLM-Image图像模型已完成基于国产芯片的端到端训练。
行业正形成务实的双轨并行策略：推理任务、小规模模型及部分后训练环节逐步采用国产芯片，超大规模预训练仍依赖英伟达生态。这种转变也体现在算力布局上，除租用云服务外，MiniMax、DeepSeek、月之暗面等企业纷纷建设自有智算中心，DeepSeek在内蒙古乌兰察布的数据中心招聘就是典型案例。
随着竞争深化，企业战略分化日益明显。MiniMax和月之暗面侧重消费端市场，招聘中市场、产品及海外岗位占比突出，MiniMax在旧金山、伦敦、新加坡等地持续招聘，其约70%收入来自个人消费者AI产品。智谱则深耕企业服务市场，大量招聘B2B销售和行业解决方案专家，2025年73.7%收入来自在客户基础设施上运行的模型服务。阿里、字节等平台型企业则将AI技术向机器人、汽车、可穿戴设备等硬件领域拓展。
人才结构呈现显著的"哑铃效应"。企业需求集中在两类人才：一是具备扎实数学、物理、计算机系统等基础学科能力的人才，这类需求源于模型规模扩大带来的底层优化挑战；二是拥有医学、法律、金融等专业领域深度知识的人才，这类需求源于模型输出可靠性验证的现实需要。连接两端的是判断能力和AI工具使用能力，而"样样通但样样松"的复合型人才反而面临就业压力。
中国AI企业的人才策略呈现年轻化特征。Epoch AI统计显示，这六家企业平均招聘年限要求仅1.6年，近20%工程岗直接面向应届生。DeepSeek明确表示让新人承担核心任务，但其招聘标准极为严苛，强调代码能力和基础学科素养。清华特奖得主顾煜贤的案例颇具代表性，其凭借在大模型效率领域的多项突破性研究（包括被谷歌、阿里、英伟达采用的MiniLLM和提升推理速度的Jet-Nemotron）直接进入核心团队，证明企业更看重实际成果而非资历。
AI工具的普及正在重塑教育模式，但如何使用成为关键分水岭。一项针对2.6万名中学生的追踪研究显示，使用AI完成作业的学生比例从0飙升至80%，作业时间缩短至45分钟，成绩提升18%。然而这些学生的闭卷考试成绩平均下降20%，且负面影响具有滞后性——月考成绩半年后下滑，中考高考影响两年后才完全显现，整体降幅达18%-24%。进一步分析发现，成绩下滑的学生往往将思考过程完全交给AI，而合理使用AI的学生成绩未受明显影响。
企业招聘需求折射出行业对人才能力的本质要求：不是编写AI提示词的能力，而是判断AI输出可靠性的能力；不是依赖AI完成任务的能力，而是利用AI放大自身优势的能力。这种需求转变，使得招聘信息成为比行业报告更具前瞻性的风向标——论文记录技术突破，新闻传播当下动态，而招聘揭示着未来三到五年行业资源的流向。
