開年“搶人大戰”！DeepSeek和多家企業高薪招AI人才，不限經驗背后究竟看重什么？
青年報·青春上海記者 陳泳均
春節期間，AI應用DeepSeek爆火。作為初創AI企業，正處于業務急速擴張期的DeepSeek在蛇年一開年便開啟了大規模的招聘行動，不少崗位年薪可達百萬，實習生月薪過萬，不僅高薪而且經驗不限。
與此同時，記者發現華為、拼多多、B站和螞蟻集團等企業也紛紛發布AI崗位招聘信息，有的也表示“經驗不限”。AI崗位“不拘一格招人才”背后看重哪些能力？數個AI相關崗位之間，有哪些交集，又有哪些差異？青年報·青春上海記者采訪了業內專家。
DeepSeek業務擴張
年薪最高可達百萬元
記者查看招聘平臺發現，杭州深度求索人工智能（AI）基礎技術研究有限公司即DeepSeek（以下簡稱DeepSeek）發布了多個崗位的招聘信息。招聘平臺顯示，DeepSeek有多個在招職位，涵蓋深度學習研究員、核心系統研發工程師及資深UI設計師等，工作城市在北京或杭州。
此次大量招聘，可以看出DeepSeek迅速擴充團隊、搶占市場的決心。正如那句“重金之下必有勇夫”，薪酬方面，DeepSeek相當闊綽。DeepSeek對員工薪酬采取“14薪”的模式，也就是每個自然年度發放14個月的薪水。在Deepseek招聘的職位中，Deepseek招聘職位涵蓋了客戶端研發工程師、深度學習研發工程師、全棧開發工程師、自然語言處理算法、深度學習研究員等多種不同崗位。
大部分崗位的起薪在2萬元以上，不少年薪能夠達到百萬元級別。其中，年薪最高的職位是“深度學習研究員-AGI”，月薪水平為5萬至8萬元，年薪最高可達112萬元。核心系統研發工程師的月薪范圍為4萬元至7萬元，按一年14薪估算，年薪最高可達98萬元。大模型全棧工程師的月薪范圍為3萬元至6萬元，可達最高84萬元的年薪。
同時，深度學習研究員也是Deepseek唯一開放的實習職位。實習工資每天500元左右，若按照一個月工作20天計算，實習生月薪也能輕松過萬。對于學生來說，這無疑是一個極具吸引力的機會。
脈脈高聘發布的《2024年度人才遷徙報告》顯示，在高薪TOP10的技術崗位中，大模型相關崗位占據半數。在新發崗位數量最多的TOP20崗位中，有5個與AI相關，包括算法工程師、人工智能工程師、推薦算法、大模型算法以及自然語言處理。這些崗位的需求在2024年就十分強勁，并且在2025年的招聘市場中熱度持續上升。
AI崗位招聘“不拘一格”
經驗不限潛力才是關鍵
新年開工，企業招聘熱潮涌起，DeepSeek并非企業招聘AI人才的個案。華為、拼多多、B站和螞蟻集團等企業也紛紛發布AI崗位招聘信息。記者注意到，從具體的招聘信息來看，AI工程師的薪資待遇可觀。華為AI大模型工程師（上海）崗位，月薪為2萬元至4萬元，一年16薪；拼多多推薦算法工程師崗位，月薪為3.5萬元至6.5萬元，一年18薪；B站語音大模型算法工程師崗位，薪資為2萬元至4萬元，一年15薪；螞蟻集團語言大模型方向（NLP），薪資為30K-60K，一年16薪。
其中，華為和Deepseek等企業的AI崗位在招聘中提及“經驗不限”。這樣的招聘信息引發大眾的好奇與熱議，對于AI相關崗位，哪些是核心技能?
上海海事大學信息工程學院人工智能專業碩士生導師、上海計算機學會網絡專委會委員解煜博士接受青年報·青春上海記者采訪時分析道，AI相關崗位的核心技能，在招聘時提到“經驗不限”，背后的深層原因是他們更看重應聘者的基礎能力和潛力。
AI領域技術更新快速，許多公司更傾向于尋找能夠快速學習并應用新技術的人才。解煜說，“在AI相關崗位中，尤其在大語言模型領域，常見的核心技能主要有以下幾類，分別是數學與統計學基礎、編程能力、機器學習與深度學習知識、自然語言處理（NLP）技能、數據處理能力和創新與問題解決能力。AI的核心技術涉及大量的數學，尤其是線性代數、概率論、統計學等。這些數學工具是構建算法模型和理解AI系統的基石。”
“對于DeepSeek等公司，特別是在大語言模型領域，掌握自然語言處理（NLP）的技能是非常重要的，包括文本預處理、語義理解和生成模型等內容。隨著AI技術飛速發展，許多傳統的AI問題已經被解決，但依然有很多新的問題需要創新和解決。因此，具備創新思維和靈活的問題解決能力是極其重要的。”解煜認為，雖然如DeepSeek等公司雖然強調“經驗不限”，但更看重的是應聘者是否具備良好的AI方面的基礎知識，以及快速學習和解決問題的能力。
大語言模型“溢出效應”
AI行業人才需求激增
據麥肯錫等權威機構發布的報告顯示，到2030年，中國對AI專業人才的需求預計將達到600萬，而目前的供給能力僅約為200萬人。為了滿足市場對AI人才的需求，許多國內高校已開設人工智能相關專業，加大了對AI人才的培養力度。
DeepSeek作為大語言模型的代表，標志著AI技術在大模型和自然語言處理領域的重大突破，對整個AI行業有“溢出效應”。解煜認為，隨著DeepSeek的發布，AI行業對人才的需求急劇增加，特別是在深度學習、自然語言處理、數據科學等領域。大語言模型的研發不僅需要扎實的算法和數學基礎，還要求跨學科的專業知識。因此，AI人才市場變得更加專業化，企業對人才的需求不僅局限于技術能力，還需要結合具體應用場景的深刻理解。
如今各大科技巨頭早已布局AI行業，DeepSeek的發布為何能引發如此波瀾？解煜分析道，“在市場競爭方面，DeepSeek的出現打破了過去由少數科技巨頭主導的局面。如今，更多的創新型公司和初創公司能夠利用這些大語言模型進行二次開發，甚至創建新產品。這種變化推動了技術的普及，使得中小企業也能在市場中獲得競爭優勢，從而加速了AI技術的普及和應用，特別是在互聯網、智能助手和企業服務等領域。”
那么，諸如人工智能工程師、推薦算法、大模型算法以及自然語言處理等，這些崗位之間有哪些交集，側重的領域和所需的技能又有哪些不同？解煜分析道，對于人工智能工程師而言，該崗位通常要求具備綜合的AI能力，既包括機器學習、深度學習的基礎，也涉及到算法、數據處理、模型開發等多個方面。人工智能工程師通常需要能夠獨立完成從問題定義到算法設計，再到模型訓練和優化的全過程。
對于推薦算法工程師，推薦算法主要關注如何基于用戶歷史行為、偏好等數據進行個性化推薦。大模型算法工程師崗位通常專注于處理大規模數據集等問題，重點在于優化深度學習模型的訓練過程，尤其是針對大模型（如大語言模型）的算法設計與實施。對于自然語言處理工程師而言，NLP工程師專注于研究和應用語言學、計算機科學以及人工智能技術來處理自然語言文本。
== 對話 ==
記者：大語言模型和傳統的推薦算法或淺層模型有哪些不同？
解煜：大語言模型如DeepSeek能夠處理更復雜的任務，如智能問答、文本生成和對話系統等，使得AI從單純的輔助工具轉變為能夠執行更高層次任務的核心技術。這不僅加強了AI行業的技術創新，還推動AI的實際應用，助力AI從實驗室走向更加廣泛的行業場景。
記者：大語言模型具有易用性和開源特性，對于AI人才的培育有哪些助力作用？
解煜：大語言模型可幫助即便是非AI背景的開發者也能借助應用程序編程接口和開發工具包，將其應用到具體的產品和服務中。這加速了AI技術的普及，使得AI能夠為更廣泛的行業和個人所用，從而推動跨行業的創新和提升。
青年報·青春上海記者 陳泳均
編輯:陸天逸
來源:青春上海News—24小時青年報
- 相關推薦
