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。

文章来自于"机器之心"，作者 "张倩"。