大厂正在收紧招聘，但对 AI 人才的争夺并没有停止。
“所有大厂目前都处于 HC（招聘名额）收缩状态，人才招聘是优中选优”。
猎头 Mia 对雷峰网(公众号：雷峰网)表示，另一个现实局面是：各家依然缺人、抢人，遇到真正想要的人，通常不会卡预算。
“有牛的竞品（比如 OpenAI）的人来，立马腾坑。”
这种抢人逻辑，引发公司的另一种内部矛盾。
一位互联网从业者表示，“现在内部做基础模型的员工即便职级不高，薪酬已经吊打职级更高的同事。”他还提到，公司近期传出可能取消职级的消息。
尽管这一说法尚未得到证实，但当薪资与职级差距越大，薪酬体系的尴尬也由此显现。
这也让企业陷入两难之地：不开出天价，抢不来人；给出高薪，又搅乱了原有的薪酬体系。
事实上，十年之前，就已经出现薪酬倒挂的迹象。
01 老员工忆当年，辛酸泪一把
一位在大厂工作多年的工程师回忆，2017 年前后，“我离开的时候，薪资还没有校招新人拿得多。”他说。
他解释，此前一年，薪资涨幅还有 20% 多，自从核心领导有所调整后，却降到了 5%，导致内部出现严重的薪资倒挂。
当时旁边工位坐着一位晚一年入职的海归应届生，职级比他低一级，月薪却高出一万。那两年，他所在的三十多人团队，“一个月流失 10%，都是成群结队地走”。
他回忆道。据一位资深猎头透露，十年前的阿里、腾讯就已经抢人很猛了，腾讯甚至会给简历上有百度实习经历的学生直接发校招 offer。
当时百度给顶尖校招人才开出的年薪约 20 万到 25 万元，已经不算便宜；同一时期，阿里星的年薪 60 万封顶，已是当时的天花板。
猎头 Mia 告诉雷峰网，今年做基模的应届生，年包“200 万元起步”，小红书、字节 Seed 的顶档可以达到 400 万 — 500 万元，百度去年给基模人才的年包在 200 万 — 300 万元，今年“只多不少”（有关大厂 AI 人才流动的更多内幕消息可加微信 Whho123start 了解更多）
从 25 万到 200 万，“顶尖人才”四个字，十年间贵了近十倍。
这样的说法也得到了其他资深互联网从业者的肯定，那时百度作为互联网大厂的“老前辈”，用人思路是只招最牛的学生，也舍得给钱，而且因为地处北京，招聘可以比硅谷成本低三分之一。之后受到 2008 年金融危机影响，一大批顶尖人才转而留在国内，百度也因此招到了一批优秀的学生，比如戴文渊、张博等。
高薪抢人的另一面，也引发了新老员工的不满情绪。
雷峰网此前了解到，一位华为“天才少年”计划的入选者回忆，当时天才少年的薪酬在内网公开之后，不少老员工觉得自己的学术成果和贡献未必更小，“凭什么工资就比他们少”，甚至有人在工作中给这些天才少年使绊子。
当时华为还有员工在内网实名发帖，逐一质疑“天才少年”的履历，称他们都是“水货”。
不过十年之后，面对薪酬倒挂这样的问题，许多大厂老员工已经非常平和。
“旁边坐个新来的工资比我高，无所谓。”某大厂资深算法师说道。
在他看来，这本身就是正常的市场薪酬机制：老员工觉得该涨没涨、资源没给够，到了时间节点自然会走，“这也符合当前的市场行情”。
Mia 给雷峰网讲了一个好玩的事情，她曾与 Meta 推荐系统 AI 部门的一位员工交流过（该部门与 Meta MSL —— Meta 超级智能实验室属于平行组织）。
该部门薪资偏低，尽管同样做生成式 AI 后训练，薪资却偏低，工作五六年职级薪酬几乎没变，且对方属于早期参与 Meta 基础模型研发的资深成员。
与心态同步发生变化的，还有普通 AI 人才的市场行情。
02 大厂舍得撒钱，但也得看对方办多大事
多位猎头告诉雷峰网，互联网大厂挖人的标准也出奇一致：其一在大厂头部公司上手做过；其二有知名创业公司经验。
他们的解释是：训一两百亿参数的模型，和训千亿、几万亿参数的模型“完全不是一个量级”——后者极其烧钱，必须有经验的人才能少踩坑。如果只是小公司的履历，在这套标准里几乎不算数。
他们的解释是：训一两百亿参数的模型，和训千亿、几万亿参数的模型“完全不是一个量级”——后者极其烧钱，必须有经验的人才能少踩坑。如果只是小公司的履历，在这套标准里几乎不算数。
这就导致普通 AI 求职者的处境并不像看上去那么乐观。首先是人才太多。
不止一次有猎头表示，现在基本各大厂的 HC 基本冻结，除了 DeepSeek 和千问相对招人多一点。
但冻结并不均匀。有负责基模的猎头透露，目前各家的基模团队，只要是好的人才，照单全收；真正收缩的是应用侧，岗位确实在减少。
Mia 分析了供需关系的逻辑：人才像商品一样受市场供需影响。
前两年 AI 人才供不应求，候选人掌握议价权，通过校招开高薪和各家互相抬价，造成了今天薪资倒挂的局面。但今年市场供给已经足够（大厂也有裁员人员流出），供需趋于平衡，溢价空间在缩小，薪资终将回归理性。
当然，薪资也不会立刻降下来。
毕竟，前几年入职的校招生拿到的高薪，如果现在突然压低新人的报价，内部又可能出现新的不满，薪酬调整只能是一个动态过程。
其次是，人才的割裂程度会不断加深。
“优秀的人永远不愁工作，中间层的人会非常难找工作。”另外一位互联网大厂的高级招聘章玉表示，接下来的人才市场还会进一步分层：真正稀缺的人依然有议价空间，能力和经验没那么突出的候选人，就会面临更激烈的竞争。
他举例说，像姚顺雨、田永龙这样的顶尖人才，企业往往愿意投入很高的成本争取，但对于其他人才，关注度就没这么强。
对大厂来说，他们更想要的是已经在头部团队里做过大模型、知道怎么把模型真正训出来的人。
最后，AI 市场变化太快。
这就导致人才行情的更替，也像模型更新一样快，抢手和失宠就在朝夕之间。
“目前仍处于风口上的是 Agent，尤其是面向协作场景的 Co-worker Agent。”一个月前，猎头 Mia 对雷峰网表示。
Coding Agent 则是持续存在的人才缺口，“国内各家都在挖”，与此同时，Evals（模型评测）和预训练数据（Pre-training Data）相关人才也开始受到重视。
赛道之间的冷热分化，同样明显。
比如 AI 搜索（AI Search）的热度大不如前一年，还有推理（reasoning），随着 OpenAI o1 和 DeepSeek-R1 相继出现，技术趋于成熟，留给人才的发挥空间在收窄。
以及猎头们都提到的一个尴尬赛道：AI for Math。这一赛道的处境比较特殊，各家模型的能力差距尚不足以支撑国内公司大规模、独立地投入资源，除非手握充足的算力、资金和研究资源，否则很难长期押注。
大厂撒钱，撒的是“确定性”，但一群年轻公司，正在用另一套招人逻辑，瓦解旧的职级体系。
03 年轻公司的抢人逻辑
今年首轮外部融资已完成的 DeepSeek，正在密集扩招。
据雷峰网了解，DeepSeek 近期扩招明显偏工程侧：一类是服务端/后端开发，一类是做 Agent 运行底座的 Agent 弹性计算/Agent Infra；在 Agent 产品化上，他们把模型以外的编排与运行时称为 Agent Harness，对标 Claude Code/Codex 一类代码智能体。
也就是说，做 Agent 不能只有算法，必须有人做开发，infra 同样重要。
而在扩张之前，DeepSeek 的招人画像极为鲜明：最早偏好北大系学生，典型特征是极客精神、高度技术化、超级相信 AGI、硅谷派研究员风格。
简单来说，“年纪小，没有受过大厂的‘污染’”，章玉总结道。
相比之下，Kimi 则是另一种答卷。团队大约 400 余人，人才密度保持得不错，决策链路极短，有业内人士告知，就连招一个实习生都要考虑很久。
另一家模型厂商智谱则走向了另一极端。“他们大量使用实习生，实习生比正式员工还多。
一个团队 10 个正式员工配 20 个实习生。不过这在模型厂商来看很正常。”章玉对雷峰网解释道。（有关大厂 AI 人才流动的更多内幕消息可加微信 Whho123start 了解更多）
这些年轻企业对人才的吸引力是显而易见的。雷峰网从多处了解到，年轻人之所以愿意去这些公司，是因为大厂分工太细、发挥空间有限，一些追求技术探索和更大自主权的人，反而会倾向于后者。尤其对今天的 AI 人才来说，钱也不是唯一的答案。
负责互联网大厂高级招聘的章玉对雷峰网解释，AI 圈子习惯把这些 30 岁以下，又有模型成功经验的人才称之为“小天才”，除了薪资之外，他们还会看公司是否有足够的算力和资源、能否支持自己真正训出模型，以及公司是否有成功训出模型的经验。
总结起来就是“画饼没用”。
具体怎么抢人，校招和社招是两套话术：校招生更在意薪酬和职级是否匹配，社招则更看重 scope——职责范围、具体做什么事。
而对于真正想要的人，话术和规则都不存在了。
Mia透露，目前各家大模型公司针对优秀的 AI 人才，薪酬和 scope 全部 case by case，非常灵活。
有趣的是，这场抢人已经不完全发生在国内。一位互联网猎头观察到，海外公司反向挖角中国大模型人才的现象，在 2025 年尤为明显。过去更多是国内公司去美国抢人，如今中国模型能力被海外看到，这条人才通道的方向开始倒转。
03 结尾
薪酬倒挂的现象并非中国独有。
PwC 连续两年的《全球AI就业晴雨表》显示，AI 技能在全球劳动力市场的薪资溢价已从 25%一路涨到 62%，六大洲的招聘市场都在给同一种稀缺性重新定价。
至于最极端的案例，还是 Meta：开出四年约 2.5 亿美元的薪酬方案，只为抢到一位 24 岁的研究员。一边是新人身价不断抬高，一边是老员工涨薪乏力。
但类似的剧本并不新鲜。每一轮技术浪潮里，企业都会为抢人打破薪酬秩序，新人贵过老人；再往后，行业供需重新平衡，溢价也随之退潮。看起来，这场人才战还远未到终局。而所有天价 offer 最终会证明同一件事：给得再多，不如招对一个。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。