企业官网建设流程全解析

随着DeepSeek、Qwen、GLM等基座模型的崛起，大模型领域成为高薪和成长的洼地。文章总结了2025年的关键变化，建议校招和转岗者关注大模型方向。核心观点包括从业待遇提升、招聘方更愿意为潜力买单、AGI的核心是通用人工智能等。文章强调基座研发的重要性，建议关注纳米MoE、Agent、Omni等方向，并提醒谨慎考虑C端应用。作者江大白建议有潜力的算法工程师投入基座研发，以获得更好的发展空间和薪资待遇。

导读

在随着DeepSeek、Qwen、GLM等基座模型的崛起，人才待遇飙升、招聘逻辑重写、AGI信仰回归，基座研发成为薪酬与成长的绝对洼地，而错过窗口的传统算法岗正被时代加速淘汰。本文总结25年的关键变化，并给出校招与转岗的核心建议，希望对大家有所帮助。

自春节Deepseek R1发布以来，在短短的半年内，国内以纯文本大规模MoE为代表的推理模型快速进步，国产开源模型稳稳的站住了全球来源第一，就算到今天，开源上还是遥遥领先，并且倒逼openAI交了gpt-oss这个作业。 国内DeepSeek，GLM，Kimi，Qwen取得了巨大的影响力，靠万亿MoE稳稳地坐在了牌桌上。

以上，彻底改变了国产模型一直落后一直追赶的局面，开始在时间和空间上局部引领。行业格局开始分化，顶级玩家还是坚信AGI，玩不下去的玩家开始打退堂鼓去搞B端落地了，为了活下去彻底放弃了AGI信仰。

去年初还是下面这个状态：

“国内的基座团队目前还是为了老板的梦想或者FOMO买单。对于大伙儿最好的局面是，一直有开源，一直有openai画更大的饼，一直落后，一直都可以追赶， 这样就永远有饭吃，老板永远掏钱。这一跟链条，缺了哪个，都玩不下去。以上是比较悲观的观点，但乐观点看，技术突破往往由少数几个人引领， 大家合力推进完成，大模型赛道玩家，只有中美两国的玩家才玩得起了，我们人多，彩票多，而且qwen，deepseek已经在引领开源社区进步了， 乐观点看，还是非常有希望完成各位老板的梦想的。”

果然应了那句话，悲观者正确，乐观者前行。基于以上，25年底，发生的显著变化是：

1. 从业者的待遇

大家变自信了，核心开发者的薪酬开始水涨船高，最有代表性的seed，当一些厂还在千金买马骨，把招聘了一个吉祥物当成PR素材猛猛宣传的时候，字节直接年中一波期权增发大撒币，人均薪酬+xx万。这可是前所未有的老板舍得给牛马分钱的壮举，麦子熟了三千回，牛马分钱头一回。

由于招聘方卷起来了，现在基座开发的应届生，薪酬没有低于100万的，如果有，那就是你要少了。

2. 招聘方更愿意为潜力买单

除非你是行业知名的技术大牛，否则竞争力大概是不如简历发光的应届生的。

首先，大模型就不存在什么3年经验，22年3月到24年10月，大部分厂还在玩dense泥巴。这些经验在今天来来是不值什么钱的。招聘方只愿意为万亿MoE，Agent，Omni买单，这些方向出成绩也就最近12个月的事情。然后我们再看今天，nano banana pro和gemini 3 pro又搞出了技术代差，效果遥遥领先，openAI都有点追不上了。这时候你说3年经验有什么用，不如一个新脑子。

3. AGI的核心是G

在大模型刚开始搞得时候，大家还逼逼赖赖要找场景，要能落地。信了这个的都掉坑了，大家可以去看看梁文峰的采访，这就是认知的差距。搞什么落地，那都是玩泥巴，那跟以前被淘汰的接单子的AI厂有什么区别。接单子天花板低到爆，有梦想就要搞通用人工智能，一定要通用，冲击千亿美金估值。

除了厂长的认知差距，从业者的认知差距也很大。在22年有大量不相信AGI的算法工程师，散落在大厂的搜索，交互，内容理解，NLP中心等。他们的解法是在各个业务板块里，开个闪光logo入口，内接一个多轮助手，希望帮用户用自然语言买东西，解答领域问题，生成个xx攻略，在这些岗位上搞大模型的，没有吃到什么红利。整体还是互联网模式，除了见顶后压力越来越大，还有一个致命的问题。随着AGI推进，业务的大模型大概率也是直接接入基座，核心的工作量在着写prompt和上下文工程上，除了有精力雕花RL的，大部分人的简历都千篇一律。雕花RL的经验也没什么人买单，都过拟合数据玩泥巴。

当然，有时候也不是他们不相信。更多的是在行业混沌期的认知和勇气都不到位，抱着求稳的心态先干着。没想到错过了窗口期就再也进不去了。我也相信有很多很有潜力，很优秀的算法工程师，在为公司某一个APP点位提升一点CTR，转化率。在绞尽脑汁拼命降低XX场景的人力成本。他们也是优秀和聪明的，但人只能赚到认知内的钱。

现在回头看看2024年底写的文章，观点还是不变，有能力，一定要去做基座研发，去核心的基座团队。

基座团队相当于薅公司大羊毛，持续从其他业务上吸血，薪资和发展空间都非常好。而且也不需要考虑自己养活自己，没那么在意性价比。

能一直投入基座研发的公司，后面都有业务印钞机支撑，过往公司分享红利的方式只能通过RSU，期权变现，吃估值提升的红利。而现在，你有一个机会，从公司的业务红利里分蛋糕。

另外一个很重要的点是，做基座很容易做出影响力，在聚光灯下，公司搭台子，你来唱戏。弄的不错的话，可以给自己的影响力和credit加大分，直接去竞争对手家变现。

应用方向，如果有降本增效或者生产力工具的方向也可以考虑。谨慎考虑C端的各种XX助手，尤其是面向C端的，大概率生命周期短于1年。非常不适合应届生成长，大概率一年后要被动接受变化。

应用落地方向虽然没有那么大的光环，影响力和吃红利的机会，且大概率会被基座的能力水平扩展逐渐替代，算法也就是写写prompt。

但奈何不住是应用的需求很大，目前的好处是有大量的业务团队愿意试错，各个业务老板虽然没有财力和能力投入核心基座的竞争。

但各个业务线都有大量的老板在忽悠他们更大的老板，就想着在自己的业务上做个“行业”模型，拿“行业”或者“应用”模型给自己也吹个牛。

虽然“行业”模型在内行看起来就是个挺丢人的笑话，彻头彻尾的逆AGI行为。但是耐不住下面有讨好老板的人，你可以在这些大量的试错中轻松拿到一个岗位，混口饭吃。

其实，真论混饭吃，远远不如基座的训练岗位，这是一个门槛极高且可以容纳混子的岗位，只要你能面过，就有超级好的infra和数据团队来支持，你每天只要看看论文，提提需求，操盘实验，凝练下认知就好了。

等你跳槽的时候，对面的公司对你的滤镜完全来自于你现在的公司的成功与否，所以只要选对团队，大概率就可以从平台上借势和吃红利。

但这一切的前提是，你要卷进去，拿到入场券。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】