前言

近年来，人工智能技术在多个领域呈现出迅猛的发展态势，不仅推动了相关产业的进步，也带来了更多的就业机遇。

一、AI 人才需求变化

据全国组织机构统一社会信用代码数据服务中心统计，2024年上半年我国人工智能企业数量同比增长35.65%。人工智能（以下简称AI），被视为抓住新一轮科技革命和产业发展的关键领域，正在推动人才需求的快速变化。

01、岗位需求增长

随着 AI 技术的不断发展，自然语言处理、深度学习、机器人算法、智能驾驶系统工程师等岗位的招聘需求呈现出显著增长态势。北京大学国家发展研究院与智联招聘联合发布的《AI 大模型对我国劳动力市场潜在影响研究》显示，2024 年上半年，自然语言处理岗位招聘职位数同比增长 111%，深度学习岗位增速为 61%，机器人算法岗位增速达 76%，智能驾驶系统工程师岗位增速为 49%。

这些数据充分表明，AI 技术的发展极大地带动了相关人才的需求。例如，在大语言模型领域，自然语言处理岗位的需求增长尤为突出，这得益于大语言模型在智能客服、内容创作和语言翻译等场景的广泛应用。

02、薪资待遇提升

自然语言处理和深度学习岗位作为大模型相关岗位的代表，其招聘薪资在近几年有了显著提升。2024 年上半年，自然语言处理岗位平均招聘月薪为 24007 元，同比增长 11%；深度学习岗位平均招聘月薪为 26279 元，同比增长 2%。

大模型相关岗位招聘薪资上涨的原因主要有两方面。一方面，企业为了在激烈的市场竞争中保持优势，愿意投入更多资金来吸引和培育专业技术人才。大模型技术作为未来人工智能发展的重要方向，吸引了大量企业资本涌入。另一方面，符合条件的人才相对稀缺。大模型相关岗位的专业技能要求较高，对人才的综合素质提出了更高的要求。

03、学历经验要求提高

大模型岗位对硕博学历及工作经验的要求不断提高。猎聘高级副总裁李晓峰介绍，当下人工智能工程师在人才市场上处于供不应求的状态，且有 “四高” 特征：高学历人才占比高，硕博人才占比 70% 左右；年轻人才占比高，35 岁以下人才占比 90% 左右；留学人才占比高，近 10%；薪酬水平高，平均年薪 40 万左右。

今年上半年，自然语言处理岗位中，要求硕博学历的占比为 35.8%，比去年同期提高 5.5 个百分点；要求 3 - 5 年经验的占比 33.8%，比去年同期提高 2 个百分点，要求 5 年以上经验的占比 14.1%，比去年提高 3 个百分点。深度学习岗位中，要求硕博学历的占比为 45.5%，比去年同期提高 1.5 个百分点；要求 3 - 5 年经验的占比 34%，比去年同期提高 3 个百分点。这与岗位的技术门槛和业务需求密切相关。大语言模型相关岗位涉及编程、建模、算法优化等多个方面的工作内容，专业技术门槛较高，因此需要高学历人才。

同时，企业往往需要人才进行算法创新和模型研发，从而推进大模型在各个业务场景落地，这就需要人才具有较为丰富的实战经验。

04、必备技能明确

必备技能反映了岗位对专业技术的要求，也为求职者明确了学习和提升的方向。编程语言、机器学习框架、神经网络是自然语言处理和深度学习岗位的必备技能。在自然语言处理岗位中，Python、C/C++、Java 等编程语言要求位列前几位，PyTorch、TensorFlow 两大机器学习框架 / 工具也占据重要位置，CNN、DNN、RNN 等神经网络同样位列前十。深度学习岗位中，技能要求与自然语言处理岗位类似，包括 Python、C/C++、Java 等编程语言，PyTorch、TensorFlow、Transformer、Caffe 等机器学习 / 深度学习框架，以及 ANN、DNN 等神经网络。

二、AI 对不同岗位的影响

、

编辑 / 翻译工作由于其工作任务包含较多的文本处理、资料收集整理等内容，与大语言模型的功能高度重合，因此最易受大模型影响。智联招聘发布的报告显示，编辑 / 翻译工作的 “大语言模型影响指数” 较高，很多基础的编辑和翻译工作可以被大模型工具替代。

相比之下，研发岗位由于处在技术发展前沿，对新技术的接受和应用更快，所以招聘调整也更快。以软件 / 硬件研发岗位为例，随着大模型技术的发展，该岗位内部易受大模型影响的工作内容在减少，能够迅速针对大模型技术做出调整，如在招聘要求上更加注重与大模型技术结合的能力。“大语言模型影响指数” 高的职业，如客服 / 运营、销售 / 商务拓展等，其 2022 - 2024 年间招聘量占比下降的幅度较大。这可能是因为这些职业中的一部分基础工作内容可以被大模型工具替代，未来需要的人员减少。

各职业大类的招聘量变化

同时，这些职业对人员的能力要求提高，要求本科以上学历的职位比例较 2022 年提高 1 - 4 个百分点，对工作经验的要求也在增加，如三年以上工作经验被越来越多地写进 “任职要求” 中。

三、职场人的适应策略

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，详尽的全套学习资料，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

无论是初学者，还是希望在某一细分领域深入发展的资深开发者，这样的学习路线图都能够起到事半功倍的效果。它不仅能够节省大量时间，避免无效学习，更能帮助开发者建立系统的知识体系，为职业生涯的长远发展奠定坚实的基础。

这份完整版的AI大模型全套学习资料已经上传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】

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓