文章详细介绍了大模型相关岗位的五大类包括基座模型岗理论派、工程派、能力派、应用算法岗、大模型开发/Agent工程师、AI Infra工程师以及大模型数据工程师。文章强调了应用算法岗更注重项目经验和工程能力而大模型开发岗则涉及多种技术栈。同时文章还分析了行业趋势指出大模型正在重构行业的人才需求从专才到通才从技术深耕到技术融合是不可逆的趋势。最后文章鼓励想入局大模型的程序员和小白抓住AI时代的职业机遇并提供了学习资源。大模型算法、大模型应用、基座算法、agent研发、Agent开发…… 刚接触大模型赛道的你看到这些岗位名词是不是瞬间脑袋发懵其实这真不能怪你毕竟就在几年前咱们的师兄师姐找工作时核心选择还只有Java和C两种哪有现在这么多细分方向。不管是计算机科班小白、跨专业想入行的同学还是刚转型大模型领域的程序员几乎都会有同一个疑问我到底适合哪个岗位该从哪个方向准备才能少走弯路今天就帮大家把大模型相关岗位梳理得明明白白分为5大类逐一拆解结合岗位细节、入门门槛和行业趋势小白也能快速对号入座建议收藏备用后续找方向、投简历都能用得上岗位划分大模型算法工程师我们先来介绍算法岗。算法岗可以分为两大类基座模型岗和应用算法岗。基座模型岗基座模型岗有的也叫预训练算法岗可以分为三类理论派、工程派、能力派1.理论派主攻 Attention、MoE 这些核心基础架构目标是突破理论天花板。2.工程派做预训练、中期训练、后期调优全流程验证模型的规模效应。特点是极其吃算力、数据等资源可能千卡、万卡集群都很常见有明确的技术交付指标主打通用基础能力的搭建。3.能力派也是当下的热门方向就是让模型具备自主行动能力目标是 “模型即产品”、最终落地产生价值。现阶段的核心还是搭建 Agent 相关基础能力比如工具调用、计算机操作和前两类比这类工作的反馈更快要做大量后期调优和强化学习还需要让模型和真实环境深度交互。这里多说几句很多同学对agent相关工作有误解认为调个 API 套个壳就是agent的全部工作了就觉得这个工作跟算法好像没什么关系但其实不是这样的。通过数据微调让模型原生具备更强的 Tool Call 能力、解决复杂场景的规划问题这也是agent相关的工作。比如最近很火的 GUI Agent其中美团做了一个 EvoCUA 的工作团队中的成员也有发过工作总结大家也可以去看一下一般来说基座模型岗是要求有对口论文的。但有同学会说居老师你说的不对我没有论文我现在也在某某基座模型实习。是这样的一方面呢基座算法其中有80%的工作是数据工作另一方面除了通义千问、字节 Seed、智谱 GLM 这些大家熟悉的基座模型像商汤、讯飞、百川这些公司也有自己的基座模型研发团队。不过这里有个问题啊现在基座模型领域正处于百模混战的阶段行业发展规律其实和早年团购行业的百团大战很像 —— 初期大批玩家扎堆入局后期经过市场、资源的层层筛选最终只有少数头部玩家能站稳脚跟持续提供大模型的底层基建服务其余玩家会逐步被淘汰。大家可以想想最终能在基座模型这条赛道活下来的会是哪几家应用算法岗还有一类是大模型应用算法岗也是大部分同学最终会入职的岗位 —— 不光是计算机科班很多非科班、和计算机沾边的跨专业同学或是没有论文成果的同学都能适配入行。这类岗位核心聚焦行业场景落地比如金融、医疗、智能客服、营销等领域核心业务目标就是让大模型产品落地后真正能用、好用。至于具体是调用 API、搭建 Workflow、做 Agent 应用还是针对场景做轻量化模型训练这些都只是实现落地目标的手段而已。当然部分业务部门的应用算法岗也会根据需求做相关研究工作部分岗位还会有论文产出的要求。这类岗位更看重对口的项目经验和工程能力尤其是 Agent 方向变化特别明显以往算法岗基本只需要提供模型或算法逻辑接口而现在随着行业业态的成熟调度算法的业务逻辑逐渐由算法岗主导算法岗尤其是 Agent 方向后续对工程能力的要求大概率会持续提升。当然算法岗对学历会有一定要求。我今天把基座模型岗的内容讲得比较细致而应用算法岗的范畴更广、细分方向也五花八门没法穷尽。大家之后再看到大模型算法岗的招聘只要排除掉基座模型岗的范畴剩下的基本就都是应用算法岗了。大模型开发/Agent工程师****这个是界限最不明确的一类岗位了这个岗位从诞生至今可能都没有超过三年很多同学不太能区分它和大模型应用算法岗的区别。而且大模型算法岗其实就是以前的 NLP 算法岗现在各家公司的大模型部门、业务线又都是刚成立没多久所以岗位划分没有那么明确。这里面开发岗也分两种用 java 或者 go 的跟算法岗的区别特别明显但用 python 的就容易混比如有些大厂会让开发部门自己做类似 langchain、langgraph 的框架供内部用这类工作就和算法岗有点交集。这里有一个判断方法比如云端部署、断点续传、缓存、模型api接口维护这些肯定是开发的工作强化学习、思维链压缩、知识蒸馏这些涉及模型效果优化的肯定是算法的工作但是像文档解析、agent搭建、tools编写、sft、向量入库这些就不是很清晰了有的公司是算法在做有的公司是开发在做。AI Infra 工程师负责分布式训练、推理加速等底层支撑是模型高效运行的基础难度比较大大多数做这个方向的同学在校期间导师的研究方向就是这个有一定积累才会去做真感兴趣的话就从看vllm或者sglang的源码开始吧。大模型数据工程师****主要工作是是做数据的采集、清洗与 Pipeline 搭建目标是构建高质量数据。大模型评估 / Agent 评估工程师负责产品的性能、效果、安全性等维度的评测体系构建是模型、agent迭代优化的关键环节。不是很推荐学历不太好的同学可以做更容易进大厂。趋势判断岗位介绍就讲完了前段时间有个新闻不知道大家有没有看到就是前阿里 P10 毕玄他现在正在创业的一条钉钉消息无独有偶美团履约团队也推行 全栈化把部分前端同学转到了后端组前后端代码一起写。所以经常有同学问我我不知道我应该投哪个岗位我的意见都是不用管岗位是什么名字jd描述中你懂的东西超过三分之一就可以投。我也见到过很多同学可能一开始准备的是算法结果最后去做了产品。尤其是大一大二的同学等你就业的时候这种打破技术栈边界的岗位划分说不定已经成了行业普遍现象而大多数人只需要通过自然语言就可以独立开发可盈利、高可用的工具和产品。这可能意味着在未来每个人都能找到自己独特的生态位不再被单一技术栈定义不再是流水线上的一个环节。而信息差的不断抹平更是让 超级个体 和 一人公司 成为可能。比如前段时间火过的红墨、蕉幻、微舆这些产品从想法萌生到产品落地再到市场推广整个链路的时间被不断压缩一个人就能完成过去一个团队的工作 —— 当销售渠道、推广费用、后期维护这些环节都能通过工具和平台高效解决个体的创造力会成为这个新时代最核心的竞争力。当然我们也得承认人性的差异有人偏爱创新与探索有人更倾向于稳定和按部就班所以基础岗位依然会存在。但不可否认的是大模型正在重构行业的人才需求从专才到通才从技术深耕到技术融合是不可逆的趋势。最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】