不出所料，过去两三年，AI 行业发生了一件颇为荒诞的事情：年轻人的履历越来越漂亮，顶会论文越来越多，头部模型公司的实习经历也越来越丰富，但他们在人才市场上的… · @GenAI_is_real · TwKit

@GenAI_is_real

不出所料，过去两三年，AI 行业发生了一件颇为荒诞的事情：年轻人的履历越来越漂亮，顶会论文越来越多，头部模型公司的实习经历也越来越丰富，但他们在人才市场上的议价能力反而开始下降。前几年，公司愿意开出百万年薪，赌一个尚未做出工业成果的年轻人未来能成为顶尖人才；如今，履历更加优秀的博士生，可能连进入同一家公司的面试机会都难以获得。我觉得这背后最值得思考的，并不是 AI 人才突然不值钱了，而是行业正在从为天赋和潜力支付溢价，转向为已经被证明的能力支付溢价。可问题恰恰在于，一个年轻人要证明自己的能力，往往需要先得到一个证明自己的机会。 某种角度上，这是一个可以被理解的经济因素选择。过去几年，各家大模型公司忙着组建团队，技术路线又充满不确定性，公司愿意为年轻人的聪明才智和未来潜力支付溢价，相当于购买一个长期的期权。现在，团队逐渐成熟，大家对于 Pretraining、Post-training、RL、Inference 等方向的技术需求也更加明确了。 招人不只是先把聪明人招进来，再想办法给他找事情做，而是先确定自己有什么问题需要解决，再找一个能够解决问题的人。这对公司的短期效率当然是好事，但也意味着那些暂时缺乏特定工业经验的年轻人，很难再单纯依靠潜力获得机会。 学历、论文、实习经历这些传统信号的区分度正在快速下降。一个人有几篇顶会论文，参与过某个重要模型的训练，和他真正拥有多少独立的技术判断能力，毕竟是两回事。我始终觉得，对于工程和研究人才，一个很重要的评价标准是他为什么选择某个技术方案，能不能解释实验结果，以及面对未知问题时有没有独立解决的能力。 这些东西在简历上很难体现，只有真正一起工作过，才会逐渐了解。于是熟人推荐、工业界的合作经历越来越有价值。这有它合理的一面，但也很容易进一步强化已有的圈子。 当然，这就是我说的，无论是招聘人才还是审稿，我们的 AI 圈子已经逐渐从科举制回退到了九品中正制。这是历史的倒车。 更让人有些遗憾的是，人才的成长本身就高度依赖机会。一个年轻研究员如果从来没有机会参与大规模训练，怎么证明自己具备大规模训练的能力？而如果招聘又越来越看重已经积累的工业经验，就很容易形成一个循环：先进入核心团队的人，因为拥有算力和项目而继续成长；后来者因为缺乏这些经历，越来越难获得同样的资源。我们很容易把既有的成果全部归因于个人能力，却忽视了环境本身对于人才成长的塑造。 我一直认为开源社区在这里有一种独特的价值。对于 AI Infra，很多工程能力可以通过公开的 PR、Benchmark、Design Discussion 和长期维护来证明。一个人即使没有明星公司的实习经历，也有机会通过实际贡献建立自己的信誉。当然，开源无法完全解决 Pretraining 等领域的算力门槛，但至少能给一些不在核心圈子里的年轻人提供额外的机会。 市场开始更加理性地选择人才，我觉得是正常的，也不认为公司应该无条件为年轻人的潜力买单。但我还是希望，大家在追求即战力的同时，能够保留一些培养年轻人的耐心。毕竟今天那些拥有丰富工业经验、被各家公司争抢的优秀人才，很多也曾经是一个没有任何工业经验、需要别人愿意相信他的年轻人。

曝光 1836 · 评论 5 · 点赞 51 · 书签 12