大模型秋招中，那些零Offer的名校应届生们

“你设想得过于乐观了，从七月份着手准备到现在，我一个工作机会都没拿到。”当被问及今年秋季招聘的进展时，一位来自双211高校的应届毕业生西木略带失落地表示。

他曾在头部半导体企业和互联网公司实习，岗位大多与大模型推理及训练框架优化相关。由于Agent方向的面试机会稀缺，为了增强求职竞争力，他干脆放弃了门槛较低的Agent开发，转而投向技术要求更高、需实际接触GPU集群的训练Infra领域。

有一次，他险些获得字节跳动的录用，面试进行到第四轮后便再无下文。到了九月份，他发现形势更加严峻，连面试机会都大幅减少。

他并非个例。去年，他所在的研究生实验室几乎无人获得大厂实习，但毕业时大家最终都各有着落。今年，实验室里人人都有实习经历，有人甚至积累了三次实习。然而，截至十月份，据西木观察，尚无一人拿到正式录用。

一位拥有华五本科、Top2直博背景，并具备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，却迟迟未收到明确结果。

另一位硕士生，手握五篇A类论文（一作或共同一作），累计论文引用超过600次，从七月份开始投递各大模型公司的人才计划。绝大多数流程止步于第一轮面试，之后便音信全无。

模型公司过去两年争相招揽的年轻人，突然在2026年的秋季招聘中失去了吸引力。

一位长期服务于AI原生公司的猎头告诉我们，去年许多模型公司还在组建团队，争抢的是能率先开拓某个方向的人才。今年团队已基本成型，他们需要的便不再是能力相似的应届生。换言之，公司希望新加入者能解决现有团队尚未攻克的难题。

字节跳动的招聘结构颇具代表性。集团2026年春季ByteIntern招聘计划超过7000人，其中研发类岗位超过4800个。同时，4月1日，Seed单独启动了约100人的全球人才专项。2027届的Seed招聘不再设立单独的Top Seed计划，其他前沿人才招聘也不再设立单独的筋斗云人才计划。

风口已至，但身处其中的应届生并未迎来一个“暖冬”。

01

大模型公司，不再缺同质化人才

井景就读于复旦大学。2025年底，从事后训练算法研究的他，同时手握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，并不困难。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。

尽管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领域的学生而言，能够加入基模团队，往往意味着更优的资源、更大的训练规模，以及更广阔的职业前景。

他毫不犹豫地选择了基模研发岗位。但入职后，实际经历与想象大相径庭。

入职第一周，他的主要任务是熟悉文档、配置环境。此后很长一段时间，他只负责代码维护、测试和调研工作。将近三个月过去，他几乎没有积累任何实际产出。直到四月份，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。然而，工作流搭建完成后，他的任务又变成了维持系统稳定运行。

到了八月份，他被告知无法转正，秋招也因此延误，至今未获得任何录用。

井景的遭遇或许有个人因素，但也指向了一个容易被忽视的问题：进入基模团队，与真正参与核心模型研发，并非同一回事。

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。基模实习意味着能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，更多工作变成了维护已运行的系统。

一位猎头以视频模型为例进行说明。2026年，Seedance已证明了字节在视频生成方面的技术能力。但一个拥有成熟研发团队、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。

“一个已在全球做出顶尖技术的团队，不会再花高额资金，招一些来了之后对我没有增量的人。”这位猎头说道。

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，而非研发人员数量。

一位今年入职头部模型厂商、从事训练Infra的应届生表示，大模型训练并非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。

算力紧张也可能反向推高训练系统优化、并行计算和算法效率人才的价值，同时也提示了一种不同于传统互联网行业的用人逻辑。模型公司已有人员配置和训练体系，继续扩招能带来的研发增量，已成为需要认真计算的问题。

最前沿的海外模型公司已出现人才结构的变化。10月16日，Anthropic公布了一项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2026年，这一比例已降至9%。

今年1月，Anthropic内部便开始讨论初级技术人员需求下降。随着Claude能完成更多代码编写、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月份，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使他们减少了招聘。

值得注意的是，Anthropic的技术团队仍在扩张，招聘绝对数量并未停止增长。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，已不再完全依赖人数扩张来提高产出。

02

风向变化太快，经验也会贬值

模型公司招聘名额的变化并非全部。技术趋势的易变性，更让应届生难以适应。

西木选择训练Infra，本就是为了避开这种变化。

他最初也从事Agent开发。三月份寻找实习时，他主要投递的是Agent相关岗位。但很快，他意识到Agent开发存在一个问题：入门门槛越来越低。

在他看来，一个学生想积累Agent开发经验，只需一台电脑，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“竞技场”。

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”的困境。

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，后来将目标转向3D生成、世界模型或具身智能公司。

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。

在这位猎头的观察中，今年春天，一些具身智能公司还急于补齐相关研发团队。到了秋天，招聘要求已更加具体，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。基座又分为一线、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与核心训练。今年，谢欣成功获得了实习转正，但这是靠“内卷”换来的。周末加班是常态，一个实验训崩了就要拿出几倍的时间来调试。即便95%的时间在清洗数据，她也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，当一项技术仍处于探索阶段，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：百万年薪并未消失

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岗位数量最多的公司，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，不同类型“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。模型厂商之间的竞赛也在助推，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，并非唯一的问题。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？能否参与重要的实验？能否影响模型的下一次迭代？这些是他们衡量录用机会的依据。

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录用。

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。在与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录用；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基模的录用？

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。但到了十月份，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录用，而现在，他庆幸自己早早实习并在组内早就拿到了转正录用。

到今年十月份，西木仍然没有决定放弃Infra，这是他花了将近一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。也有人开始将目光投向业务算法、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，不只是迟迟拿不到录用，还有自己不断调整方向、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

本文来自微信公众号“白鲸实验室”，作者：马舒叶，编辑：刘培，36氪经授权发布。