AI人才战最疯的一年:HR盯论文抢人,秋招大幅提前,顶级毕业生第一站该去哪儿?
过去一年,AI 人才市场仿佛进入了自己的「乱纪元」。
去年,Meta 开出的天价薪酬包,几乎重新定义了整个行业对于顶尖 AI 人才的市场预期,人才争夺战也因此变得前所未有地激烈。今年,我们更是看到,这些人才在 OpenAI、Anthropic、谷歌、Meta 等机构之间快速流动,仿佛每天都有大佬官宣新去向。
在国内,传统的招聘时钟也已经不再适用。春节还没到,字节、华为、拼多多、腾讯等多家大厂便提前启动春招;秋招也不断前移,传统意义上的「金九银十」已然变成「金七银八」或者更早。听说还有更夸张的:有学生刚把论文挂上网,HR 的消息就已经飘进微信。

这已经不是一场招聘竞争,而更像是一场时间竞争。大家比拼的是:谁先接触到人才,谁先锁定人才,谁先建立关系,谁先把人才放到业务里。说白了,
整个行业都开始抢「未来的人」
。
对于这两年的 AI 毕业生而言,这种繁荣当然带来了实打实的红利,薪酬不断被抬高,选择也越来越多。但另一方面,他们也不得不更早决定自己的未来。在越来越快的行业节奏中,他们真正需要辨别的,不是谁给出了最高的 Offer,而是谁能够成为自己职业生涯最重要的「第一站」。
那么,一份值得作为职业生涯第一站的平台,究竟应该具备什么?
前段时间,我们参加了腾讯青云计划的一场活动,碰巧遇到了不少即将毕业的同学。有的人还在不同 Offer 之间反复权衡,有的人则已坚定地「有鹅选鹅」。我们很好奇,在这样一个充满机会的时代,他们究竟依据什么做出了这样的选择?带着这个问题,我们和几位同学聊了聊。(
青云计划申请链接放在文末「阅读原文」了,有兴趣的同学可以点击跳转看看
)
当一个顶尖 AI 毕业生
走向职业生涯第一站
「第一份工作很重要」,这是无数过来人的共识,在机会成本如此之高的 AI 领域更是如此。对于大家来说,它是职业生涯定调期,很多做研究、做产品、做工程的方法论、品味,都是在这一阶段慢慢建立起来的。所以这一时期,大家更加看重「成长性」。公司是把人「招进来用」还是「招进来培养」,对于他们来说有很大差别。
那具体到「第一站」要怎么选,几位同学的回答出奇地相似。他们基本上是在用几个朴素的问题,先给自己的未来划一条底线。
这个平台有没有真正领先的技术能力和潜力?
几年前,行业里曾有过一场轰轰烈烈的「百模大战」。最热闹的时候,好像只要凑够几张高性能显卡、拉一个算法团队、基于开源基模改一改,就能拉到融资。但转折来得也很快,随着算力成本、落地场景这些问题被摆上台面,投资人发现大部分公司既没有技术护城河、又没有商业化路径,于是很快就从「撒网」变成了定向「押注」。行业由此进入真刀真枪的技术比拼阶段,「上桌」这件事也变得越来越难。
现在毕业生格外关心「真技术」,恰恰是因为他们看到了这个退潮的过程。过去几年,AI 的竞争经历了从「0 到 1」、再到「98 到 100」的演进。基础模型仍在持续进步,但真正拉开差距的机会正变得越来越少,竞争也逐渐从基模技术延伸到智能体和应用层面。现阶段,真正有价值的不只是把模型做出来,更是让技术走进真实场景,并在持续反馈中不断迭代。只有既具备领先技术能力,又拥有丰富场景和持续投入能力的平台,才能提供这样的机会。
因此,对于年轻人来说,选择一家有真技术、有能力推动技术持续演进并真正创造价值的公司,本质上是在选择一个能够持续进化的平台,而不是追逐一时的技术热点。在这一点上,大家都格外清醒。
我的研究方向能否找到丰富落地场景和自由探索空间?
从学校实验室出来之后,不少毕业生其实有过这样的担忧:进大厂做研究,会不会被直接摁到某一个具体业务线上,什么方向在公司有落地场景就被派去做什么,从此和自己的研究方向渐行渐远?
这种恐惧并非空穴来风,因为大部分商业公司发力 AI 最终都是为了落地到业务上。但不同之处在于,有的公司业务线丰富,无论你做什么方向,在他们公司都能找到落地场景。但有的公司业务形态确实过于单一,没有那么多业态去兜底一个在他们公司没有落地空间的研究方向,你去了只能自己适应。有同学表示,如果遇到后面这种情况,他会绕着走。
此外,这些同学在实习的过程中也意识到,落地场景本身不是单向的「技术输出」,它同时是技术进化的「反馈器」。他们更希望看到的是,自己的技术能和公司的产品形成一种相互滋养的关系,二者一起螺旋上升,这也是那些业务形态单一的公司提供不了的。
平台会不会因为业务波动或行业周期,就砍掉技术方向的长期投入?
过去几年,AI 行业经历了从狂热到冷静的转变。很多公司曾经因为热点涌入 AI,但当成本、商业化和落地压力逐渐显现后,真正困难的问题才开始暴露出来:AI 不是一次性的技术竞赛,而是一场需要持续投入的长期战争。
这也意味着,对于年轻技术人而言,平台的重要性并不只是今天能提供多少资源,而是在几年之后,是否依然有能力持续投入。如果平台只能追逐短期热点,那么个人成长也很容易被周期牵引。只有当平台能够持续投入,技术人才才有机会真正参与完整链路,而不是只完成某个阶段性的任务。所以一些同学在选择时,也会特别关注这一点。
我是被当作一个可以长期成长的伙伴,还是一个「用完即弃」的生产资源?
前面也提到,整个 AI 领域现在进入了一个快节奏、高流动率的时代。虽然表面上看大家都在抢人,但培养人的耐心却越来越稀缺了。有些公司 —— 尤其是资源有限的公司 —— 会优先采用高性价比方式,把研究岗位从「探索型」转向「生产型」,追求快速出成果。这类短期流水线式科研岗位可替代性极强:你只是做实验、写代码的执行者,没有独家核心积累。时间久了,很多人会因为 burnout 或感受不到成长而离开,由此形成一种「快进快出」的团队氛围。
很多同学提到,这是他们在第一份工作中最不希望看到的局面。所以大家在评估 Offer 时,会格外留意一些细节:进入公司之后有没有类似「导师」的角色引领自己?Leader 会不会把自己纳入长期规划?这些信号比薪资本身更能说明问题。它们指向的是这家公司对人才的底层假设:你到底是一个需要被投资的「伙伴」,还是一个用完就可以更换的「零件」?
为什么腾讯青云,
能够回应年轻 AI 人才最关心的问题?
跟这些同学聊下来,我们能够发现,当前这些年轻 AI 人才真正想要的,是一个能够参与前沿技术研究、在真实场景中验证想法并获得长期资源支撑和成长机会的「事业起点」,而非一份只能兑换短期回报的「薪酬合约」。
在不少同学看来,腾讯的青云计划,恰恰是一个能够同时回应这些关切的选择。
在众多话题中,腾讯最近发布的 Hy3 正式版显然是大家关注的焦点。这个模型用「小参数」撬动「高性能」,发布后在多个第三方公开评测中取得了不错的成绩。在检验模型深度信息检索能力的基准 BrowseComp 上,Hy3 拿到了 84.2 分,在所有对比模型中排第一,追平 GPT-5.5;在硬核科学推理基准 FrontierScience 上,Hy3 拿到了 74.8% 的成绩,在官方横向对比中甚至超过了 GPT-5.5(73.8%)和 Qwen3.7 Max(74.3%),排到了测试模型的第一位。此外,Hy3 在开发者社区也收获了不少正向反馈。


模型发布后的火爆也是有目共睹。发布仅两天后,腾讯内部的 WorkBuddy 平台就因调用量激增导致算力资源被「挤爆」。当天下午的排队率一度超过 50%,官方不得不连夜紧急扩容。当然,一个模型是否真正「好用」,最终仍要交给长期的真实场景去检验。

有位同学提到,其实相较于模型性能,更让他惊讶的是腾讯的研发速度。在姚顺雨接手混元之后,腾讯于 1 月底重建 Infra,4 月推出 preview 版本,7 月就出了正式版。也就是说,
只用了半年时间,混元就跑通了底层重构到产品反哺的完整模型研发链路
。这背后反映的是整个技术团队的执行力、资源投入和组织调整能力,也说明腾讯在 AI Infra 建设和 MoE/Agent 方向有着不容低估的底子和潜力。
除了 Hy3,WorkBuddy 也是大家热议的话题。在 WorkBuddy 已经成为中国 PC 端 AI 办公智能体市场第一的当下,很多同学都是这个产品的重度用户。大家也知道,WorkBuddy 能跑出来并不容易,因为在「龙虾」引爆 Agent 市场之后,其实用户有很多竞品可选,但 WorkBuddy 依然杀出了重围,打磨好了多模型调度、生态级集成、安全与工程化迭代等关键能力,在 Hy3 发布后更是如虎添翼 —— 任务成功率从 72% 跃升至 90%,平均耗时缩短 34%。这也让大家对于腾讯的技术力、产品力更加有信心。
更重要的是,
在 Hy3 与 WorkBuddy 这种「互相成就」的关系中,大家看到的是腾讯内部所形成的「技术 - 产品 - 市场」的正向循环
。除了 WorkBuddy,最近亮相的微信小微(微信的原生 AI 助手)同样是这一循环的体现。相信很多人已经收到了灰测邀请,用户可以通过文字或语音与小微交互,更高效地使用微信、与好友沟通,也可以直接调起小程序完成各种任务。一个个真实产品不断落地,也让大家更加相信,在腾讯做出来的技术能够快速进入用户场景,并在持续使用中不断创造价值。
当然,并不是所有的同学都来自 LLM 基模、Agent 这种高关注度的方向。在现场,我们也遇到了不少研究计算机视觉、决策智能、语音合成、广告推荐、3D 建模等方向的同学。对于这些同学来说,
腾讯横跨游戏、广告、社交、视频、云、医疗、金融等行业的庞大业务生态给了他们「有鹅选鹅」的充分理由
。因为在其他业务较窄的公司,他们很有可能要因为落地场景的限制而改变研究方向。但在腾讯,只要他们某个方向做得好,总有一个产品能承接他们的技术,有些甚至是用户过亿的国民级产品。
同时,这个庞大的业务生态和他们的技术之间有着巨大的协同效应,就像前段时间姚顺雨在阐述加入腾讯的理由时所说,「
Context(上下文)会越来越重要
」「
模型越来越擅长把复杂输入变成输出,真正的竞争壁垒在于,你有没有最原始的输入,你知不知道这个人到底在干什么,你知不知道这个企业到底在发生什么
。」这些业务提供的都是真实的 Context,它来自用户、产品、业务、流程,这些东西别人复制不了。

更现实一点,这个庞大的业务生态也是坚持「长期投入」的底气。在这个生态中,
游戏、广告、云等核心业务创造的收入让腾讯现金流的可预测性极高,足以覆盖 AI 的长期研发周期并为加大 AI 投入提供支撑
,包括招募顶尖 AI 人才及升级 AI 基础设施。这相当于给想要长期探索自己研究方向的同学吃了颗定心丸。
除了这些「硬」指标,其实姚顺雨之前提到的另一个加入腾讯的理由也让同学们很感兴趣。他说,「
腾讯吸引我的第一原因不是资源,而是文化
」「
腾讯基于 trust 而非 metric 运转,这对做 AI 非常重要
。」
什么叫「基于 trust」运转?有些同学从腾讯内部的「前辈」那里了解到了一些真实的经历。
大家都知道腾讯现在的 3D 生成方向已经做到了全球第一梯队,截止至 2025 年底,其自研的 Hunyuan 3D 模型在 Hugging Face 上的下载量已突破 300 万。但很多人可能不知道,混元大模型 3D 生成负责人 Spring 就是通过青云计划的前身 ——「技术大咖」项目进的腾讯。据他描述,2016 年毕业的他,刚进腾讯一个月,组长就开始让他独立研究一个技术点;第二年就开始独立负责一个模块;第三年就开始带团队攻坚新项目。如今,他们在 3D 方向取得的进展也离不开这种「放手去做」的文化。

这种 trust 还体现在,团队愿意认真对待一个新人的判断。有位同学刚加入团队时,只是提出「模型对图片的理解是不是还有提升空间」,原本一句随口的观察,很快就被团队组织成专题讨论,负责人亲自参与,最终几个月内便推动相关能力落地到产品。
更重要的是,他们愿意为还没有答案的想法投入资源。一位实习生曾提出一个听起来几乎「不可能」的设想 —— 把图像所有 token 完全打乱,再让模型学习重建。团队没有因为风险高而否定,而是直接给了算力和时间去验证。第二天实验成功,团队迅速提供了有力的可视化和定量分析支持,这个方向的成果后来还开源了。
这些经历让不少同学觉得,所谓「基于 trust 而非 metric」,并不是不看结果,而是不急着用资历定义一个人的价值,也不急着用短期指标否定一个方向,而是愿意先相信人,再一起把结果做出来。归根结底,这是一种人才观:
相信年轻人能够成长,所以愿意把机会给得更早,把资源投得更多,把培养周期拉得更长
。对于刚刚进入行业的人来说,这也意味着,自己更像是在被培养成未来能够独立负责的人,而不是一块随时可以替换的生产零件。
当「第一份事业」有了最佳答案
最近几年,整个 AI 行业逐渐形成了一种愿意相信年轻人的文化。比如,不少硅谷 AI 公司开始将 Member of Technical Staff 作为通用 title—— 不论工程师、产品经理还是设计师,所有人共用同一种身份,目的之一就是打破资历和分工带来的边界,让组织尽可能保持扁平。
Claude Code 负责人 Boris Cherny 就是这种理念的代表人物之一。他曾谈到,去掉头衔之后,人与人之间的关系会在某种程度上被「拉平」,
大家竞争的不再是谁资历更深,而是谁能够提出更好的想法
。这背后折射出的,其实是 AI 行业正在发生的一种变化:模型、产品几乎每一次迭代,都意味着所有人都要重新校准认知。真正稀缺的,不再只是经验的积累,而是持续学习、快速更新认知的能力。这也是越来越多顶尖 AI 公司愿意更早相信年轻人的原因。
在腾讯,相信年轻人并不是这两年的新鲜事。青云计划的前身 ——
「技术大咖」项目,早在 2015 年便已启动
。升级为青云计划之后,腾讯想做的,也不只是「招更多优秀的人」,而是让优秀的人更早承担真正重要的工作,更早参与决定未来技术方向的事情。
从最近几年的人才布局也能看到这一点。姚顺雨、庞天宇、田永龙等一批国际顶尖年轻 AI 人才相继加入腾讯,并很快承担起重要方向。
腾讯愿意把机会交给年轻人,也愿意把成长所需要的资源、时间和耐心一起交给年轻人
。
这或许也是「第一份工作」和「
第
一份事业
」真正的区别。工作的目标,是完成眼前的任务;事业的起点,则是成长为能够承担更重要责任的人。决定两者差异的,从来不是薪资高低,而是平台是否愿意长期相信你、持续培养你,把真正重要的事情交给你。
对于今天的顶尖 AI 毕业生而言,选择职业生涯第一站,本质上也是在选择未来几年会成长为什么样的人。而腾讯青云计划所希望提供的,不只是一个 Offer,更是一条能够持续成长、持续承担、持续创造价值的发展路径。也正因为如此,它最适合作为职业生涯「第一份事业」的起点。
(来源:机器之心)
