2021-2026国内头部大厂大模型、AI智能体、具身智能招聘变化汇总
知识工程与检索增强（RAG）知识工程与检索增强（RAG）
深度强化学习深度强化学习
具身智能具身智能
数据口径说明
统计主体：字节、阿里、腾讯、百度、华为（2012实验室）
数据来源：猎聘、脉脉、牛客、大厂公开JD、猎头薪酬调研
薪资：税前年度总包（基本工资+绩效+股票/期权）；社招统一为3–8年资深算法专家区间；校招为硕士SP/博士主流区间
时间划分：
阶段1：2021–2022预训练模型萌芽期（LLM尚未大规模商业化）
阶段2：2023ChatGPT爆发，大模型抢人元年
阶段3：2024行业降温，从盲目扩张转向落地
阶段4：2025–2026Agent、具身智能成为新主线，人才结构性分化加剧
一、岗位招聘需求与任职要求演变总表
|
时间阶段 |
赛道 |
岗位定位与核心招聘要求 |
高频关键词 |
岗位数量变化 |
核心门槛变化 |
|
2021–2022萌芽期 |
大模型 |
归类在NLP/预训练算法岗；侧重文本预训练、BERT/GPT复现；看重论文、预训练实验能力；无独立大模型序列岗位 |
预训练、Transformer、NLP、文本生成、BERT、GPT复现 |
岗位极少，依附传统算法团队 |
优先博士，看重顶会论文；硕士需要多年NLP积累 |
|
智能体 |
几乎无独立Agent岗位；仅有对话系统、任务型机器人；不存在原生智能体研发需求 |
对话系统、多轮对话、意图识别、任务流程 |
几乎没有专项HC |
合并在NLP、搜索推荐岗 |
|
|
具身智能 |
集中在自动驾驶、传统机器人；大模型与机器人相互独立，不存在VLA具身大模型方向 |
强化学习、机器人控制、路径规划、MuJoCo仿真、视觉感知 |
少量实验室岗位，商业化团队极少 |
机器人、自动化、控制工程背景为主 |
|
|
2023爆发元年 |
大模型 |
设立独立大模型团队；疯狂扩招预训练研究员；比拼参数规模；优先能做大基座训练人才 |
LLM、预训练基座、分布式训练、SFT、RLHF、多模态（文生图） |
岗位爆发式增长，HC无上限扩张 |
博士大量扩招；优秀硕士可直接进入基座团队；论文溢价极高 |
|
智能体 |
开始出现零散Agent岗位；以Prompt、RAG调包开发为主，偏向应用层 |
Prompt、RAG、LangChain、工具调用、知识库问答 |
新增少量应用层岗位，无独立研究岗 |
NLP工程师简单转型即可投递，门槛较低 |
|
|
具身智能 |
依然偏传统机器人；少量团队尝试把LLM接入机器人，尚未形成技术主线 |
机器人强化学习、视觉感知、大模型+机器人交互 |
小幅扩招，但不属于大厂战略主线 |
复合人才稀缺，但大厂招聘意愿不强 |
|
|
2024落地调整期 |
大模型 |
HC收紧；缩减纯理论预训练研究员；重心转向微调、推理优化、MLOps、行业落地；不再盲目追求参数规模 |
推理优化、KVCache、模型蒸馏、成本优化、垂直行业大模型、模型安全 |
基座研究员缩招；模型工程、落地岗持续扩招 |
单纯发论文候选人竞争力下滑；强制要求工程落地经验 |
|
智能体 |
正式设立独立AI智能体岗位；区分「应用Agent开发」「Agent算法研究」；不再允许只会调框架 |
任务规划、记忆机制、FunctionCalling、多Agent协同、Agent评测体系 |
持续稳步扩招，大厂成立独立Agent小组 |
拒绝只会调用API；要求自主设计Agent工作流 |
|
|
具身智能 |
大厂战略升级；字节、华为、腾讯机器人实验室增设「具身大模型算法岗」，打通感知-规划-执行闭环 |
VLA、视觉语言动作模型、世界模型、人形机器人、真机+仿真联调 |
招聘增速超过通用大模型赛道 |
必须同时懂机器人+大模型；单一背景候选人通过率低 |
|
|
2025–2026融合落地期 |
大模型 |
基座团队稳定；岗位大量与Agent、多模态、具身交叉；核心考核指标：算力成本、业务收益、线上稳定性 |
多模态基座、VLM、推理工程、对齐优化、端侧大模型、行业解决方案 |
总量平稳，内部结构洗牌；低端调参岗持续出清 |
偏好「算法+工程复合背景」；纯理论研究员进一步收缩 |
|
智能体 |
上升为核心战略赛道；强调复杂任务闭环、自主纠错、企业级智能体规模化部署；区分通用Agent、行业Agent |
长期记忆、自主反思、工具编排、Agent评估基准、多智能体协作、工作流自动化 |
HC持续扩张，互联网+政企行业双向需求上涨 |
门槛大幅抬升；大量初级Agent调包简历直接被筛 |
|
|
具身智能 |
三大赛道薪资溢价最高；人形机器人赛道融资火热；核心要求VLA基础模型、灵巧操作、真实物理场景落地 |
人形机器人、具身基础模型、机器人数据集、灵巧手、虚实迁移、世界模型 |
新发岗位同比增速最高（行业统计约+75%~150%） |
门槛最高；博士为主，极少招收纯硕士；跨学科人才极度稀缺 |
二、社招3–8年资深专家年度总包薪资变化表（单位：万元，税前总包）
|
企业 |
大模型专家（2021） |
大模型专家（2026） |
智能体专家（2021） |
智能体专家（2026） |
具身智能专家（2021） |
具身智能专家（2026） |
|
字节跳动 |
70–130 |
120–260 |
55–100 |
110–230 |
80–150 |
160–300 |
|
阿里巴巴 |
65–110 |
100–220 |
50–95 |
95–200 |
75–140 |
130–260 |
|
腾讯 |
68–115 |
105–230 |
52–98 |
100–210 |
78–145 |
140–270 |
|
百度 |
60–100 |
90–200 |
48–90 |
85–180 |
70–130 |
120–240 |
|
华为 |
62–105 |
95–210 |
50–92 |
90–190 |
72–135 |
135–280 |
三、校招博士SSP主流总包变化（顶尖应届博士，万元/年）
|
赛道 |
2021–2022 |
2023 |
2024 |
2025–2026 |
|
大模型方向博士 |
40～70 |
60～130 |
65～120 |
70～160 |
|
智能体方向博士 |
38～65 |
55～100 |
60～105 |
65～110 |
|
具身智能方向博士 |
50～85 |
65～110 |
75～130 |
80～180 |
四、近五年整体趋势总结与客观分析
趋势1：赛道重心持续迁移：通用大模型→AI智能体→具身智能
2021–2023竞争焦点：通用大语言模型基座训练；比拼算力、参数规模、论文成果。
2024–2026重心切换：
大模型从「从零训基座」转向推理优化、行业落地、成本控制；
AI智能体成为软件层落地核心，面向企业自动化、数字员工；
具身智能是物理世界入口，人形机器人长期战略赛道，人才缺口最大。
趋势2：人才评价标准根本性转变：「论文导向」→「落地导向」
2021–2023：顶会论文=核心竞争力；能复现预训练实验即可高薪；
2024之后：大厂不再单纯为论文付费。
加分项：线上业务指标、算力成本优化、真实场景闭环落地；
减分项：只会调包、无工程部署经验、仅有实验室仿真无法真机验证。
趋势3：薪资呈现极强「结构性两极分化」（最重要客观现象）
顶端复合人才薪资持续创新高
优先级：具身智能>大模型基座/推理专家>AI原生智能体算法；稀缺复合型人才五年薪资涨幅普 遍80%–150%。
中端同质化人才薪资停滞甚至回调
只会LangChain、简单微调、Prompt工程的初级大模型/Agent工程师，2025–2026出现大量简历 内卷，薪资相比2023高点没有上涨，部分岗位薪资下行10%–20%。
趋势4：岗位边界持续融合，单一技能候选人竞争力持续下降
近五年清晰路径：
独立NLP→独立LLM→LLM+Agent→LLM+Agent+具身（VLA）
2026主流JD普遍存在交叉要求：
大模型岗要求掌握Agent工具调用与评测；
Agent岗位要求懂模型微调、对齐原理；
具身智能强制要求大模型+机器人控制双背景。
趋势5：招聘策略变化：从「盲目抢人头」到「精准HC管控」
2023：不计成本扩招，先囤人再找场景；
2024至今：严格ROI考核；纯前沿基础研究HC压缩，能够直接产生业务价值的落地团队持续扩招；
校招：不再大面积撒网，聚焦顶尖硕博；普通硕士想进入核心算法岗难度逐年上升。
趋势6：人才供给缺口顺序反转
2023缺口：大模型预训练人才>其他
2026缺口：具身智能跨学科人才>原生智能体算法人才>大模型工程落地人才
五、风险与客观边界提示
1、具身智能高薪集中在算法专家、科学家层级；普通机器人开发薪资溢价有限；
2、独角兽薪资上限更高，但期权流动性不确定；互联网大厂现金薪酬更稳定；
3、政企、央国企AI相关岗位薪资显著低于一线互联网大厂，但需求持续增加；
4、所有薪资为北京/上海一线水平，二线城市普遍下浮15%–30%。
中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。
更多推荐
4
0- 0
已为社区贡献22条内容
所有评论(0)