中美AI招聘差距有多大

Epoch AI才发布了一项调查, 剖析了1604份中国AI招聘启事, 结果相当扎眼, 中国顶尖AI公司招聘工程师, 平均仅仅要求1.6年经验, 然而美国前沿AI实验室, 这个数字却是5.5年。一个刚毕业的中国应届生没准就可以坐在字节或者阿里的工位上调大模型, 其美国同行却还得在其他公司再苦熬四年。这个数据源自于对六家公司、超1600个岗位的统计, 截止到2026年6月23日。

这并非中国公司在随意招人, 而是它们根本不依据资历来挑选人员。创始人梁文锋有句话十分直白: 作长期之事, 经验并非那般重要, 基础能力、创造力以及热情更为重要。在核心技术岗位方面, 大多数是应届毕业生或者工作一两年的年轻人。这帮看似“没经验”的年轻人, 其学术积累并不逊色, 最为典型的案例便是多头潜在注意力机制（MLA）。那是直接源于一位年轻研究员的个人兴趣, 公司围绕这个想法组建了团队, 最终创造出了能使模型训练成本大幅降低的核心架构。

中国公司靠能力不靠资历

用人理念在字节与阿里那里被写得极为直白, 那便是: “让新人直接对接承担最为核心、最为重要的任务。”字节另行专门开展了个“Top Seed”计划, 此计划对专业背景毫无限制, 仅仅看重研究潜力, 其目标在于寻觅到“大模型领域前5%的人才, 去做95%的人所做不到的事情”。于2026年校招季时, 字节5000多个岗位里90%都与AI相关, 研发岗较同比增长了23%, 校园岗位占据到中国实验室在招工程岗的将近20%。

此类用人策略直接于招聘要求上得以体现, 中国AI企业更注重候选人的学术成果以及项目经验, 而非工作年限, 一名于在校期间发表过顶会论文的硕士生, 常常比一名有着五年工作经历的普通工程师更受青睐, 这使得中国AI人才梯队更新更为迅速, 年轻人能够于职业生涯早期便接触到最前沿的技术挑战。

美国AI岗位扎堆旧金山

在美国从事前沿AI领域工作, 想去哪里呢? 湾区, 没有别的选择——大约85%的岗位都集中在旧金山这一个地方。而中国的情形则全然不一样: 北京、杭州、上海这三个中心, 占据了93%标注地点的岗位, 其中仅北京一个城市就占了63%。Epoch AI运用一种极为巧妙的算法来防止重复计数: 倘若一个岗位标注了三个城市, 那就把三分之一的份额分给每个城市。

为啥中国没有如同湾区那般呈现“一城独大”的状况呢? 缘由存在两个方面: 其一, 地方政府会获取补贴用以扶持本地的公司, 去争做自身省份的冠军——北京拥有字节, 那我便要扶持杭州的、上海的阿里, 如此一来自然就涌现出更多的中心。其二, 清华、北大、浙大、上交这些顶尖高校持续不断地向外界输送人才, 公司索性把总部设立在人才附近, 这样招人成本更低、响应更为迅速。这种多中心的格局使得中国AI人才的流动性变得更高。

中国初创各有各的打法

这套差异于中国初创身上同样是成立的, Z.ai的市场岗多数属于B2B销售范畴, 其瞄准目标为政府机构、能源国企以及金融机构这些大客户, 到2025年大部分收入源自于在客户的基础设施之上运行模型。另外有一家初创, 其大部分收入来自面向个人的AI原生产品, 它的市场岗主力是营销并非销售, 这是由于C端产品依靠的是让用户自行前来, 而非逐个去洽谈。

讲出海方面, 中国的初创企业在旧金山设置了16个岗位, 于香港、伦敦、新加坡等地四处招聘人员。类似月之暗面这样的初创企业, 其岗位基本都围绕着大语言模型展开。最能体现情况的是正在组建的全新团队, 资深研究员陈德里说得十分直白: “简而言之, 就是进行对标化写代码操作。”这个团队从其2025年底开始推行的智能体工程基础设施框架, 意味着AI工程实践从提示词工程朝着构建完善的智能体运行环境转变。

大平台和初创分工不同

Z.ai把注意力集中在模型余留部分时, 还开设了两个机器人岗位, 把这两个岗位安排到新设立的实验室去钻研新架构。而字节、阿里这样的大平台, 早就对更多纷繁复杂的领域进行了尝试。字节的团队在招聘机器人多模态大模型研究员、机器人强化学习研究员, 从抓取操控一直到运动控制都实现了全面覆盖。阿里的团队甚至特意向外招募人员来从事汽车座舱相应的语音助手Agent工作——于你而言, 当你下次坐进一辆具备智能特性的汽车里朝着并没有实际存在之物的空气说话时, 在你背后做出对应回应的极有可能是通义千问。

两家都还在招聘与可穿戴硬件相关的岗位。道理并非复杂: 大平台在供应链中站稳了脚跟, 有底气下大赌注, 打造各种实体物品——字节拥有流量帝国, 阿里具备云计算以及电商的基础设施, 它们有资本同时押注十个方向。初创企业没有这笔资金, 只能缩小战线, 将模型、架构这件事情做到极致。

中美AI公司的不同性格

仿佛美国的实验室各具个性——有的执着于安全, 坚信代码就是一切, 有的视AI为通用技术四处推广, 有的则押注于AI for Science。中国的公司也有着各自的路径: Z.ai好似专注于2B领域, 将模型放置于机房之中；另一家怀揣着走向全球的目标, 大部分收入源自海外；还有一家凭借一群应届生以及“没有KPI”的文化, 打造出令华尔街万亿资产蒸发的模型；字节、阿里在LLM之外拓展机器人与硬件领域, 欲将AI融入每一个物理设备之内。

依招聘信息所示, 中国AI生态正处于快速分化状态, 初创公司更为聚焦于模型自身, 大平台却尝试诸多应用场景, 此种差异化竞争致使整个行业愈发活跃, 还让工程师拥有了更多选择之举, 然而问题为, 这般“年轻化”的人才策略能够持续多长时间, 当应届生转化为有经验的老手时, 公司是否依旧会如此看重潜力而非资历?

你对那种中国AI公司所采用的, 即使用年轻人、不看重资历的用人模式, 认为它能够持续地去支撑未来的技术突破吗, 欢迎在评论区域聊一聊你内心的看法, 点赞并且分享给更多关注AI行业的友人了?