01
Die „Bauingenieur-Fraktion“– worauf beruht das hohe Gehalt?
Was sind AI-Infra-Talente? Einfach gesagt: AI-Infra-Talente arbeiten daran,aus den teuren GPU-Karten eine möglichst hohe Auslastung herauszuholen, und dem Unternehmen so tatsächlich Geld zu sparen. Lu Bingning erzählte Leifengwang (WeChat-Öffentlicher Account: Leifengwang), dass die Infra-Position in den drei Jahren von 2022 bis 2024 im Grunde ein „Nebenrollen-Job“ war. Nach dem Erscheinen von ChatGPT trat China sofort in die Phase der „Schlacht der hundert Modelle“ und des Ausprobierens von Anwendungen ein. Kapital und Teams richteten den Blick auf zwei Dinge: die Modellleistung auf ChatGPT-Niveau bringen und schnell eine Killer-App hervorbringen. Aufmerksamkeit wie hohe Gehälter gingen vorrangig an Algorithmus- und Produkt-Positionen. In der Angst nach dem Prinzip „erst einsteigen, dann Ticket kaufen“ hatte Engineering-Effizienz keine hohe Priorität, und die dahinterliegende Verschwendung von Rechenleistung sowie die Probleme bei der Scheduling-Effizienz wurden vorübergehend überdeckt. „Solange der Cluster nicht abstürzte und die Rechnung nicht explodierte, galt der Job als erledigt. Der Wert solcher Supporting-Teams wie Infra-Engineeringwurde damals mit dem von Betrieb und Wartung gleichgesetzt – niemand nahm das ernst.“, gesteht Zhang Tong, Experte für Rechenleistungs-Scheduling in einem großen Modell-Labor. Die Wende kam nach dem Erscheinen von DeepSeek R1. Nach Lu Bingnings Erinnerung grübelte nach der Veröffentlichung von R1 die ganze Branche über eine Frage: DeepSeek hat so wenige Leute und hat trotzdem so ein gutes Produkt gemacht und so viel Geld verdient – wie haben sie das geschafft? Ein Teil der Antwort lag später bei der Kostenreduktion durch Infra. Man stellte fest, dass Inferenz großer Modelle echtes Geld verbrennt und die Rechnung oft sprengt. Wer in dieser Lage Infra-Kostenreduktion betreibt, bei dem ist jeder gesparte Cent echter Gewinn. Also begannen alle, bei DeepSeek Leute abzuwerben, und über die Gehälter wurde praktisch ohne Limit verhandelt.Mit gut gemachter Infra-Kostenreduktion lassen sich Rechenkosten um Zehnmillionen sparen
Die Phase der KI-Branche hat sich geändert, und der Wert von Infra hat sich mitverschoben
02
Nur 5% der Leute bekommen diesen Aufpreis?
Auf den ersten Blick sind die vier Worte „Gehaltsverdopplung“ schon zum geflügelten Wort des AI-Infra-Recruitingmarktes geworden. Doch nach Ansicht von Guo Quanwei, Mitgründer und CTO von StartLux, hält man eher wenige Ausreißer fälschlich für den allgemeinen Normalzustand. Sein Urteil hat einige Datenlage. Die Jobgehalt-Angaben auf Maimai zeigen, dass das Monatsgehalt von AI-Infra-Talenten auf dem chinesischen Festland bei etwa 73.000 liegt und damit bereits leicht über dem von Leuten im großen Modell-Algorithmusbereich. Allerdings verschleiert der Durchschnitt die interne Differenzierung. Wirklich hochgezogen wird die Gehaltskurve von den Leuten, die die Kartenauslastung steigern können; die vielen, die „normale Infra“ machen, sind von der Verdopplung noch weit entfernt. Zum Beispiel liegen Infra-Positionen, die Inferenz-Frameworks wie VLLM und SGLang in Produkte deployen, beim Monatsgehalt meist bei 40.000 bis 50.000 – von „Verdopplung“ keine Spur. Konkreter gefragt:Wessen Gehalt verdoppelt sich?Die Antworten mehrerer Befragter konzentrieren sich auf zwei Richtungen: Inferenzoptimierung und Modellquantisierung. Diese Leute tun genau das: die Rechenleistung jeder einzelnen GPU so weit wie möglich an die Grenze treiben. „Wenn man dem Unternehmen 30% Trainingszeit erspart oder 30% mehr Token-Durchsatz bringt, sinken die Kosten direkt spürbar – das bedeutet höhere Forschungsproduktivität“, ergänzt Guo Quanwei. Nach seiner Ansicht ist es nicht übertrieben, dass Leute, die Operator-Optimierung solide beherrschen, die Quantisierung von Inferenz-Engines sauber umsetzen und den Durchsatz wirklich nachweisen können, eine Gehaltsverdopplung bekommen. Das Problem ist nur: Diese Gruppe ist nicht so groß wie gedacht. Nach Guo Quanweis Einschätzung sind die meisten von ihnen Veteranen mit 5 bis 10 Jahren Erfahrung im Infra-Bereich. Sie haben früher in großen Internetfirmen verteilte Systeme, Hochleistungsrechnen, Suche und Empfehlung sowie Datenbanken gemacht; ihr Einstiegsgehalt war ohnehin nicht niedrig, und ihre Erfahrung ist schwer ersetzbar. „Mit diesen 5 bis 10 Jahren kann man den heutigen AI-Infra-Teller überhaupt stemmen; ein Frischling, der gerade erst ein bis zwei Jahre arbeitet und direkt das doppelte Gehalt verlangt – das ist nicht plausibel.“ Nach Guo Quanweis Schätzung machen Leute, die wirklich diesen hohen Aufpreis abbekommen, in der gesamten AI-Infra-Bevölkerung nur etwa 5%~10% aus. Auch bei der Differenzierung der Gehaltserhöhungen teilt Lu Bingning diese Sicht. Er unterteilt Infra in drei Blöcke:Inferenzoptimierung und Beschleunigung, Trainings-Frameworks, Operator-Entwicklung. „Diese drei Blöcke haben alle hohe Zuwächse, wenn auch mit unterschiedlicher Wertschätzung. Er gab ein anschauliches Gleichnis:Wer Operator-Entwicklung betreibt, ist wie jemand, der Küchengeschirr feinschliff: Wie schärft man ein Messer am besten, wie erwärmt sich ein Topf am gleichmäßigsten? Wer an Trainings-Frameworks arbeitet, baut die Küchenorganisation auf: Wer schneidet das Gemüse, wer steht am Herd, wer springt bei Fehlern ein? Wer an Inferenz arbeitet, überlegt, wie man die Gerichte am schnellsten servieren kann – wie man mit einem Rezept gleichzeitig 10 Gerichte auf den Tisch bringt und mehrere tausend Gäste satt macht. Das ist die Phase der Monetarisierung.In der Branche gelten Operator und Inferenz allgemein als wichtiger, so ergab sich die Unterscheidung zwischen „heißen“ und „kalten“ Bereichen. Leifeng.com erfuhr: Auf dem Arbeitsmarkt ist die Nachfrage nach Trainings-Framework-Fachkräften relativ moderat. Ein Grund ist, dass diese Arbeit extrem teuer ist – nur führende Internet- und Cloud-Anbieter können sich spezialisierte Teams leisten, und manche Einhörner haben ihre Trainingsabteilungen gleich ganz gestrichen und nur Inferenz- und Operator-Teams behalten.
03
Wer zahlt tief in die Tasche: fünf Käufertypen, fünf Kassenbücher
Der Aufspaltung zwischen gefragten und ungeliebten Stellen liegt heimliches Kalkül und die Sorge verschiedener Arbeitgeber zugrunde. Blickt man auf die gesamte Branche, lassen sich die „Käufer“, die bereit sind, einen Aufpreis für Infra zu zahlen, grob in fünf Kategorien einteilen – ihre Bedürfnisse unterscheiden sich jeweils. „ByteDas Geschäftsvolumen ist groß, und sie suchen Leute, die das Training- und Inferenz-Scheduling stabilisieren können. Ob Seedance oder Doubao – wenn ein Inferenz-Ingenieur eine Beschleunigung um 10 % erreicht, spart das über ein Jahr erhebliche Rechenkosten; das Kosten-Nutzen-Verhältnis ist erschreckend hoch.“, so Liu Li, der zuvor genannte Manager des großen Modellen-Unicorns.Tencentschlägt einen anderen Weg ein: In den ersten Jahren war das Basis-Grundmodell noch schwach, in den letzten beiden Jahren holt man beim Grundmodell und der vollständigen Infra deutlich auf, hat Yao Shunyu geholt und ein eigenes AI-Infra-Department gegründet und schließt Lücken, indem man reife Teams von extern abwirbt.Alibaba und Baiduals Cloud-Anbieter hingegen in einem anderen Takt. Während der letzten Welle der Dividenden von Cloud Computing und Big Data hatten sie bereits eine große Zahl an Infra-Ingenieuren angesammelt, die sich mit Distributed Systems und Basis-Infrastruktur beschäftigen; als die KI-Welle kam, konnten viele direkt in offene Stellen wechseln. Da zudem beide Unternehmen eigene Chips entwickeln, liegt der Schwerpunkt stärker auf Heterogenität, und Personalrekrutierung ist zur Routine geworden – ein stetiger, langsamer Fluss, selten mit der Raserei von explodesziven Gehältern. Der wirklich explosive Bedarf an Infra-Talenten herrscht bei ByteDance und Tencent sowie bei DeepSeek, Kimi und MiniMax, diesenEinhörnern, die jede Schwindel erregende Performance aus jeder einzelnen Karte herausholen wollen. In der Regel setzen die Riesen auf den Kampf regulärer Armeen als Großverband; ein Infra-Department beginnt meistens mit mindestens 50 bis 60 Personen, wo Operatoren, Training, Inferenz und Netzwerk so fein getrennt sind wie in einem Operationssaal. Die Einhörner dagegen fahren oft das Modell „schlanker Spezialtruppen“. Ihre Infra-Teams bestehen meist aus etwa zwanzig Leuten und bevorzugen Allrounder, die sowohl die unterste Operatorebene verstehen als auch Inferenz-Engines steuern können. Die Struktur ist recht flach: Ein „Allround“-Tech-Lead trägt die Hauptlast, darunter zwei bis drei Top-Experten in Teildisziplinen und wiederum etwa zwanzig erfahrene Kämpfer, die mit außerordentlich hoher individueller Kampfkraft denflush gegen die Großkonzerne führen. Schließlich gibt es noch eine Gruppe nationalerChip-Hersteller, die gerade auf das „Nationales Schicksal“ wetten.„Viele nationale Chip-Hersteller sind bereits in die IPO-Phase eingetreten, die Optionen können bald eingelöst werden, und manche Infra-Talente wechseln mit dem Gedanken dorthin: ‚Einmal alles setzen, finanzielle Freiheit.‘“, erzählt Liu Lei dem Leihef-Netz. Zwar liegen die Gehaltserhöhungen bei Chip-Herstellern meist bei rund 45 %, die verdoppelten Angebote der Großkonzerne sieht man selten, aber die möglicherweise einlösbaren Aktien sind für sich genommen schon ein äußerst verlockendes Pfand. Gleichzeitig zeigt sich auch auf der Ebene des grundlegenden Technologie-Stacks ein deutlicher Aufpreisunterschied zwischen den beiden Routen Nvidia-NV-Karten versus heimische Karten. Der oben genannte erfahrene Headhunter Lu Bingning erzählt dem Leihef-Netz, dass die Vertrautheit mit dem Nvidia-CUDA-Ökosystem weiterhin „harte Währung“ ist; bei einem Wechsel liegt die Gehaltserhöhung für solche Talente bei mindestens 80 %. Heimische Karten sind stärker auf Software-Hardware-Koordination und komplexe Ökosystem-Anpassung angewiesen, die Erhöhungen liegen meist bei rund 50 %, weniger dramatisch als bei NV-Talenten. Allerdings sind die NV-seitigen Talente aufgrund externer Restriktionspolitiken ohnehin rar; und da die Politik den Einkauf heimischer Chips vorantreibt, haben die Leute auf der heimischen Karten-Route sogar die vielversprechendere Zukunft. Erwähnenswert ist auch, dass der nordamerikanische Markt gleichermaßen verzweifelt nach AI-Infra-Talenten sucht. Die zuletzt von OpenAI ausgeschriebenen Stellen sind fast vollständig von Inferenz-Engines, GPU-Operatoren auf unterster Ebene und Performance-Beschleunigung belegt, auch bei Anthropic sind ein Dutzend entsprechender Positionen ausgeschrieben.04
Schlussbetrachtung
Wie lange wird diese Lohnrunde für AI-Infra-Talente noch anhalten? Auch das ist eine Frage, die viele interessiert. Lu Bingnings Einschätzung: Diese Gehaltswelle dürfte sich noch mindestens zwei bis drei Jahre halten. „Wir befinden uns noch immer im Zustand der Unterversorgung, praktisch alle Hersteller stellen ein, die Gehälter sind sehr hoch angesetzt.“Dass die Gehälter weiter steigen, liegt daran, dass aus der Infra zahlreiche neue Geschäftsszenarien entstanden sind.Im Bereich der allgemeinen Dialog-Grundmodelle haben viele inländische Hersteller ihre Aufstellungen weitgehend abgeschlossen; aber die Umsetzung in komplexen vertikalen Szenarien hat gerade erst begonnen. Ob KI-Coding, das rechenleistungshungrig alles verschlingt, oder der Sektor hochauflösender Videogenerierung mit extrem hohen Anforderungen an Durchsatz und Latenz – der geschäftliche Regelkreis über die gesamte Kette ist vielerorts noch nicht geschlossen. Diese neuen Strecken liefern sich bereits heftige Gefechte, der Kampf der Hersteller um Talente ist längst nicht entschieden. Solange die Kommerzialisierung großer Modelle weiterhin von teuren Rechenleistungskosten gestochen wird, werden jene Infra-Talente, die aus den Rechenkarten Gewinn herauspressen können, weiterhin steigende Gehaltsaufschläge erzielen.▼
Empfohlene Lektüre
▼
BAT setzt „KI-Pre-Training“ komplett neu auf und stopft die Grube der „schmutzigen Daten“
2026-09-23
KI-Kurzfilme: 1500 Produktionen pro Tag: Ein „Keiner überlebt“ inmitten eines kollektiven Rauschs
2026-10-13
Dieser Artikel ist eine Originalveröffentlichung von Leihef-Netz. Ein Nachdruck ohne Genehmigung ist untersagt. Details sieheHinweise zum Nachdruck。