引言

大模型热潮已走过三年多，国内AI人才的流向明显经历了“三次换轨”：从早期“抢预训练”的军备竞赛，到“百模大战”后的收缩与分化，再到如今“重推理、重Agent”的工程化深水区。看似是跳槽与薪酬的短期波动，实则反映了技术范式、商业路径与组织治理的系统性变化。

第一波：文心系外溢与“六小虎”集结

ChatGPT引爆市场后，最先完成组织动员并推出大模型的，是拥有深厚NLP与搜索积累的团队。战时编组带来了一支可打硬仗的预训练“铁军”，也因此成为全行业第一批被哄抢的对象。

当时的挖角主要来自两路：
- 明星创企集中起跑，“六小虎”以超常配置与快速融资组建核心团队，直接点名要基模骨干；
- 头部互联网公司迅速补位，扩张自研大模型团队并对标竞品“定向狙击”。

市场短期出现“资历即溢价”的非理性阶段，“做过文心/通义/飞桨”等标签成为身价放大的杠杆。不同公司策略差异也很鲜明：有的重金外部挖角，有的以校招与内部自培为主，少量社招精准补位。2024年视频生成爆火，视觉与图形学方向的骨干再被新一轮高薪带走，流向短视频平台与新锐视频模型公司。第一波迁徙的本质，是“从0到1”基模能力的稀缺性拉动下的抢人战。

第二波：“百模大战”后的收缩与分化

2025年前后，模型数量激增、成本压力上升、头部模型能力趋同，加之低成本高性价比路线冲击，行业进入“收敛期”。结果是基模团队的第二次流动：部分创业公司战略收缩或转向垂直领域，通用大模型全栈投入减少，相关人才再度回流或流向更聚焦的赛道。

公司策略随之改变：
- 从“堆参数、拼规模”转向“降成本、提效率、讲ROI”；
- 从“全栈自研”转向“开源打底 + 关键环节自研”；
- 从“基座优先”转向“数据治理、蒸馏压缩、检索增强、评测红队”的工程化细节。

这一阶段，“六小虎”出现分化：有的聚焦医疗、工业等垂直领域，有的以更轻量的开源生态获取开发者心智，也有的加速商业化场景落地。基模岗位不再无限扩张，复合型“数据×系统×产品”人才成为团队优化的关键。

第三波：后训练与Agent化的人才重构

最新一波迁徙，矛头直指“后训练”与“用起来”的全链路能力：推理优化、Agent编排、工具调用、知识/搜索增强、评测与安全、以及系统级吞吐与延迟优化。过去一年，不少预训练负责人离任或转向更纯粹的研究与创业，例如Qwen Code负责人惠彬原、混元大语言模型与多模态预训练负责人姚星丞与彭厚文、字节Seed核心专家顾全全等，折射出从“建塔”转向“点亮城市”的阶段性切换。

“腾笼换鸟”式的组织优化也在上演：减少重复投入与低ROI项目，把编制和算力投入到可验证的关键路径，诸如企业级Agent平台、搜索与广告的智能化、内容生态的AI原生化。新一代紧缺画像逐步清晰：
- 系统工程与分布式推理：KV Cache复用、张量并行、调度与容灾、GPU利用率极致化；
- Agent与工具链：任务分解、规划与反思、函数调用与工作流编排、与企业系统对接；
- 数据与评测：闭环数据蒸馏、合成数据治理、稳健性与对齐评测、红队与安全；
- 产品与增长：AI原生交互、A/B验证、从技术Demo到单位算力产出最大化。

这一波的逻辑是三点叠加：基模边际改进变小、开源替代增强、商业落地倒逼效率优先。由“模型中心”走向“系统中心”的转型，使得“后训练”成为价值洼地。

影响与展望

• 对公司：人才策略将从“囤名片”走向“拼流水”，以核心环节自研、其余生态化协同为主。薪酬结构更重长期激励与里程碑绑定，组织形态更像“小前台大中台”的AI工程化工厂。
• 对个人：单一论文/预训练履历的溢价回归理性，“系统×数据×产品”的复合能力与落地结果将成为核心竞争力。创业窗口从“通用模型”转向“行业数据与流程的AI重构”和“推理基础设施”。
• 对生态：开源模型和工具链成为行业的共同底座，标准化评测、安全合规与算力成本将塑造新秩序。未来12–24个月值得关注的方向包括：
• 推理优化与成本工程的持续红利；
• 行业级Agent进入可规模化的实用期；
• 数据闭环、红队测试与安全对齐成为标配能力；
• 人才进一步向两端聚集：头部平台与行业“深水区”。

三次迁徙并非终点，而是指向同一条主线：技术要跑通商业，人才要跑赢系统。当“会训练”与“会用好”合而为一，AI的生产力红利才会真正释放。

标签： AI人才 大模型 Agent 推理优化 产业趋势