深度｜基模大门关上前夜：数百万年薪与正在消失的AI“天才”

　　出品 | 网易科技《态度》栏目

　　作者 | 袁宁

　　编辑 | 丁广胜

　　二十来岁，名校硕博刚毕业，第一份工资就够普通人挣一辈子；他们坐在大厂视野最好的工位上，每天做着最前沿的研究，ego 很大，每一次工作都能把 AGI 往前推一截。高薪叙事里，被冠以“天才”之名的年轻人通常是这样被描述的。

　　最近几个月，我一直密集在和这群处于风暴眼的年轻人聊。有人是基模工程师，有人做后训练，也有人做多智能体研究。聊下来，现实比叙事要拧巴一些。

　　他们无疑是整个行业里最贵的一群人，但也比谁都清楚，这份昂贵里有多少时代的偶然。他们足够聪明，履历光鲜，却发现进场的时间窗口哪怕只差半年，命运的走向就截然不同。

　　更吊诡的是工作本身。他们看起来在做最前沿的探索，日常却被折叠进无穷无尽的数据清洗里；他们每天亲手把 AI 的能力边界往前推，却也因此比任何人都更早、更清晰地看到，这股力量未来也可能把自己彻底推出牌局。

　　起码高薪这件事，没人否认。

　　但聊着聊着，话题总会转到别处。这份钱还能拿几年？模型迭代一次，就能轻松做完自己过去几个月的工作，那自己的工作还算什么？风口过去之后，还有没有自己的位置？有人管这种情绪叫“困扰守恒定律”，没有这样的烦恼，就会有那样的烦恼来填满，人不可能永远松弛。听起来有点凡尔赛，但不妨看看，这群人到底在焦虑什么。

　　1、百万年薪能拿多久？

　　焦虑的第一层，在于他们很清楚：自己拿到的这份天价薪水，并不完全是按个人价值定价的。

　　大模型圈子的高薪早就不是秘密了。给尚未毕业的实习生开出千元甚至最高五千元的日薪，只是人才争夺战的序幕；到了校招环节，本硕总包冲上 200 万元、博士摸到 300 万元已不算罕见，极少数顶尖博士的报价甚至突破了 600 万元。

　　拿这个数和普通人比一下。国家统计局公布，2025 年城镇私营单位就业人员年平均工资是 71590 元。300 万元，差不多是一个普通私企员工 40 多年的收入。

　　但身处其中的人，很少有人把这当成纯粹的个人胜利。一位刚签下 200 万总包的视频基模研究员林野把自己的薪资结构拆开给我看：“其实很鸡贼。通常是底薪加上一个两年期、与大模型里程碑强挂钩的专项激励，硬生生把总包拉高。两年期满如果不续签，打回原形，跟普通的互联网技术牛马没有任何区别。”

　　企业为什么愿意给高价？综合业内人士的说法，大体能归成三条。

　　第一条是钱多。2024 年到 2026 年上半年，美元处在降息周期，资本在找新的增长点。ChatGPT 让市场看到了通用模型的潜力，AI Coding 又证明了真有人愿意持续为 AI 产品付钱。热钱流向 AI 几乎是必然。

　　钱进来了，公司就得讲 AI 的故事。“一家公司只要开始做 AI，就会被股东和投资人认为是 up-to-date（与时俱进）。”于是量化公司、互联网中小厂也开始从头训模型。想要人的公司多了，价格自然就上去了。

　　第二条是资产重，这一条倒不全是泡沫。大模型是极其烧钱的重资产行业，上亿元的芯片怎么用，就是这批人说了算。

　　算一笔账：从头预训练一个 100B（千亿参数）的稠密模型，用 2048 张 H100 要连续跑大约 86 天，光算力租金就约 1.18 亿元。“训练宕机一次，烧掉的钱就赶上我一个月的工资了。”一线基模工程师陈默说。几亿元的算力押在几个人手上时，公司多花几百万招一个懂训练的人，省下的算力钱可能远不止这些。

　　但麻烦的是，这份价值很大程度上是平台给的，不是长在人身上的。“正儿八经训过基模的就那一小撮，工资自然就高。”陈默坦言，“基模人才的溢价，主要来自平台和资源赋予的经验。”换句话说，没有几千张卡让你练手，这份经验也就无从谈起。

　　第三条更微妙一些，是要给投资人一个交代。陈默告诉我：“公司要的是招到最聪明的人，让自己和投资人相信他能管好这批资产。至于招进来之后的活是不是只有天才才能干，没那么重要。”

　　说到底，企业是在为时间、竞争和不确定性付溢价。一个关键研究员的价值，可能是让模型早发布几个月、少一轮失败的训练、也可能只是让对手少拿到这个人。所有公司都怕落后，都去抢同一小撮人，报价就可能高过这些岗位最终能兑现的价值。高薪买的其实是一个时间窗口：资本愿意讲这个故事，公司需要买这样一份保险。

　　顺便提一下硅谷，那边把这套逻辑推到了极致。2025 年夏天，Meta 为组建超级智能实验室四处挖人，据《纽约时报》报道，一位 24 岁的研究员拒绝了约 1.25 亿美元的四年期报价后，扎克伯格亲自把价码翻倍到约 2.5 亿美元。可几个月后，Axios 就爆料同一个实验室裁掉约 600 人。天价和裁员同时出现在一个部门里，大概最能说明这份钱付的是什么。

　　两年之后会怎样，没人说得准。但撑起这轮高薪的那几样东西，宽松的钱、讲不完的故事、怕落后的焦虑，哪一样都不是这些研究员自己能决定的。

　　2、从抢人到关门，留给普通“天才”的位置不多了

　　拿到船票的人在担心航程还能走多远，而站在岸边的人，正眼睁睁看着闸门落下。

　　上面谈到的那批人焦虑归焦虑，钱好歹已经到手了。还有一群人焦虑的是这份钱能不能拿到，又是在什么位置上拿到。

　　AI 圈也有自己的鄙视链。

　　问从业者现在最理想的岗位是什么，答案基本一样：大厂基模 > 小厂基模 > 大厂业务算法。

　　所谓“基模组”，指负责大模型预训练的团队。人人都想进基模。对很多 AI 方向的硕博来说，进顶级基座团队训基础模型就是终极目标。字节 Seed 的基模员工，在圈内被戏称为“seed 爷”。

　　按公司再细分，圈内流传着这样一种排法（不细分大模型和多模态）：

　　·第一梯队：Seed、通义、DeepSeek

　　·第二梯队：月之暗面、智谱、MiniMax

　　·第 2.5 梯队：混元、阶跃、百灵（蚂蚁）、MiMo（小米）

　　·第三梯队：文心、龙猫（美团）、dots（小红书）、京东研究院、华为

　　·第四梯队：其他更小的初创公司，以及大厂业务线里的模型团队

　　可位置就那么多，而且还在变少。

　　2026 年下半年开始，资本不再热衷“AI+X”，强势的开源底座模型又挤掉了很多公司的位置，有从业者直言“从头训练模型成本高、风险高、收益小”。当初跟风训模型的量化公司、互联网中小厂一退场，推高需求的那股力量也就没了。

　　长期观察 AI 招聘市场的猎头宋远告诉我，不少公司从 27 届开始会大幅减少训练岗位。26 届那样的行情，很难再有了。

　　从招聘的节奏也能窥见这种趋势：上半年还有 HC（招聘名额），各家放宽标准抢人；下半年 HC 直线下降，几家公司在 8 月、9 月陆续通知“没 HC 了”；到了 10 月，标准又提了一级。“头部背景只是入场券，真正的议价权取决于你在头部团队里的相对水平。”宋远说。

　　门槛也跟着往上走。“C9 （指北京大学、清华大学、复旦大学、上海交通大学、浙江大学、南京大学、中国科学技术大学、哈尔滨工业大学、西安交通大学 9 所院校）本博都进不了基模面试，大家怎么能不焦虑？”正在经历秋招的北科硕士赵磊说。大规模训练经验、引用、实习经历、顶会、学历、开源项目、竞赛、对前沿的判断，样样都要，岗位还得高度对口，“一个萝卜一个坑”。

　　赵磊在两周面了几十家，最多一天面 4 家，最后拿到的是一家上市小厂和几家小公司的 offer。

　　作为在职基模工程师，林一总结了现在的潜规则：“有 connection（人脉背书）的优先，其次实习经历多的人优先；完全陌生的人，除非你是超级个体，有足够 solid（扎实）的工作当投名状，否则很难拿到核心岗位。”

　　照他的说法，大厂招人更像一场长期的技术选秀，正式投递只是其中一环。谁发了重要论文，谁去了新实验室，谁快毕业了，这些信号一直有人盯着。学校、论文、GPA、实习经历是基础，再往上看就是硬指标。有没有 best paper，Oral，Google Scholar 和 GitHub 上的影响力，有没有参与过重要开源项目。

　　但到了头部这一档，论文谁都不缺。那选谁可能最终由几个问题决定：团队需不需要你的技术？方向匹不匹配？你做过的事是不是自己踏踏实实做的、能不能讲清楚？进组后能不能扛起核心业务？

　　有些人恨不得早些毕业。

　　赵磊说起他的同学：2023 年进了 Qwen 基模组，好几份技术报告上都有他的名字，后来又在国内几个头部基模组轮转过，“妥妥有能力有经验”。可他要到 2028 年才毕业。“到那时候可能已经没有位置了。”

　　位置在变少，排队的人却越来越多。据网易科技了解，头部基模团队正式员工和实习生的比例已经到了1:6 到1:8，今年能转正的实习生可能不到十分之一。留不下的人去了二三线基模、AI Infra（基础设施）、Agent 和具身智能。

　　人一多，议价权就回到了公司手里。HR 迟迟不回消息、薪酬迟迟不给，很可能是在比价。“除非你是顶尖选手拿到大满贯，普通人拿到认可的基模 offer，建议降低姿态，先拿到手再说。”林一建议。

　　“清北博士都不见得能拿到满意的 offer，何况 C9，何况 985。”林一说，“大模型的另一个深刻影响，就是不断打击高学历人群的自信心。”

　　这群人一路考试、升学、发论文，大多是赢家，习惯了努力就有回报，信的是“天道酬勤”。可现在，多一篇论文、多一段实习，不一定能多换来一个机会。上一节说，高薪买的是一个时间窗口。轮到求职的人才发现，窗口也会关。早一年还是晚一年，可能比准备得好不好更要紧。

　　3、95% 洗数据的工作，与保质期一周的模型

　　而挤进了门，焦虑也并没有消失，反而更具体了。

　　门外的人担心的是进不去。门里的人面对的则是，每天做的是什么？攒下的经验能不能带走？做出来的东西能撑多久？

　　先说每天做的是什么。

　　在基模团队工作的林一告诉网易科技，大模型算法超过 70% 是 dirty work（脏活累活）。方向由 Tech Leader（技术负责人）的 taste（品味与直觉）决定，大多数人负责执行。

　　林一算过自己的时间：95% 花在洗数据、跟数据同学沟通、协调各种事情上，剩下5% 用来 debug、起训练。实验失败以后，最难熬的是找原因。“没归因出来之前，你会觉得那 95% 的时间洗的数据都毫无意义。”训练一旦出问题，“恐怖的算力消耗让你不得不在半夜爬起来重启训练”。

　　“外面看：大厂+基模+大模型=精英光环。里面看：我今天又洗了一天数据。”他说，“真正启动训练按钮那一下的就那么几个大佬，剩下的基本是流水线上的螺丝钉。光环是团队的，重复劳动是自己的。”

　　很多人是带着技术热情入行的，如今每天在数据格式和标注规则里打转。“最难受的不是累，是每天被琐事填满，完全没精力去想自己做的东西有什么价值。”

　　累还是小事，更现实的问题是：在平台上攒的经验，换了平台未必带得走。

　　市面上的后训练岗位，干的基本都是“洗数据、调奖励、case study”。陈默在一次面试里被问到 Agent 相关的问题，没答上来，没过。面试官提醒他：“现在单纯魔改 GRPO（一种强化学习算法）意义不大了，都是洗数据和调奖励。你得赶紧往 Agent 上靠，不然你会因为技术被淘汰。”

　　现在被看重的是两头的人：一头懂原理、能定义问题，一头做 Infra、能帮公司省算力。中间那一大块，恰恰是多数年轻人每天在做的事。正因为人人都在做，它很难再成为谁的优势。

　　经验带不走，人也被高薪焊死在了工位上。

　　“基座在某种意义上像体制内。”他说，“但它不卖安全感，卖的是超高薪，让你不想退出，也很难退出。”

　　哪怕忍受了螺丝钉的宿命，他们还要面对另一种更深层的虚无感。自己熬夜训出来的东西，保质期可能只有一周。

　　做视频模型后训练的林野，每天的工作是在 MiniMax H3 上做后训练（H3 是 MiniMax 今年 8 月开源的视频生成模型），他的做法是拿开源模型，用自己业务场景的数据做后训练微调。

　　可往往吭哧吭哧训完没多久，又有新的开源 LoRA 权重（一种轻量级的微调方法）发布。“换进来一试，新 LoRA 权重很可能比自己辛苦训出来的还好，有时连后训练都不用做。”

　　后训练看着补强了一部分能力，另一部分问题可能马上又冒出来。“特别是一想到最好的青春都耗在一个可能一周后就被别家斩于马下的模型上，真觉得没意思。”林野说。

　　4、“真不知道还能干多久”

　　更深一层的担心，来自他们手里正在做的技术本身。

　　外界总以为这群人在满怀理想地召唤 AGI。但问题是，如果 AGI 真的来了，最先被替代的可能就是做 AGI 的人。

　　今年 10 月，Anthropic 发布了一份关于自家员工结构的研究。从 2025 年初到现在，公司技术部门里初级员工的占比从 21% 降到 14%，新招技术人员中初级岗位的占比从 27% 降到9%。约三分之一的机器学习团队管理者说，因为 AI，他们招的人变少了。按运行时长算，到今年 8 月，员工调用的 AI Agent 工作时长已经是员工本人的 6 倍，研究部门达到 19 倍。

　　写代码、找 bug，这些过去给初级工程师练手的活，越来越多交给了 Claude。工程师们形容，自己正在变成 Agent 的管理者。报告里有一个数字可以印证：员工和 Claude 的交互中，用来给 Agent 写需求说明、审查输出、盯流水线的比例，从 2025 年秋天的 10% 涨到了 2026 年春天的 22%。

　　也就是说，过去初级工程师靠重复的活慢慢熬成资深工程师；现在这些活交给了 Agent，这条成长路本身也在变窄。

　　国内的基模团队也在往同一个方向走。在一家头部公司做多智能体的研究员许哲告诉我，他所在团队的后训练需求基本砍掉了，剩下和 Agent pipeline 相关的部分，全部走 RSI（递归自我改进，即让模型参与迭代自己）。

　　“基模何尝不是这样？预训练、中训练、后训练的管线都搭好了，除了模型架构 researcher 那一小部分还依赖人，其他照样在搭 RSI。”许哲说。

　　管线自己转起来以后，团队需要的人会更少，也更集中。

　　其他行业的人讨论“被 AI 替代”，或许还带着几分隔岸观火的抽象感；但这群年轻人每天的工作，就是一砖一瓦地把这个替代过程具象化。

　　一位在基模组干了 3 年的算法工程师周航，完整经历了从手写代码、手动洗数据，到用 Claude Code 和各类 Coding Agent 自动跑出实验结果的全过程。他自嘲道，自己现在每天上班干得最多的活，“已经是写小作文了”，也就是给 Agent 写需求、写说明。

　　“现在业内又在卷 Autoresearch（自动化科研）了，”周航说，“真不知道这行之后还能干多久，也不知道离开这儿还能干什么。”

　　技术奇点在前方逼近，资本周期的潮水也在脚下暗涌。正如猎头宋远所言，这群年轻人今天拿到的百万年薪，“既是个人能力的报酬，更是整个行业对未来的狂热预期，在今天提前折现分给稀缺劳动者的红利”。一旦科技股回调、算法架构趋于收敛，或者人才供给彻底饱和，这层附着在他们身上的时代溢价随时可能剥落。

　　面对这种庞大的不确定性，有人选择实用主义的自我和解：“没有完美的工作，至少在当下，这是金钱回报最高的事。”也有人用黑色幽默消解：“别太焦虑，反正最后大家都会没工作的，这又不是你一个人的问题。”

　　这或许是这一代 AI 年轻人最真实的处境。

　　*注：应受访者要求，文中林野、陈默、林一、宋远、赵磊、许哲、周航均为化名。