" 候选人会评估企业故事是否清晰、业内竞争力如何、资方背景能否托底，以及公司是否已经在垂直领域形成一定名气。"

围绕谷歌 AI 人才变动的讨论又起，近日有多个消息传出，DeepMind、Gemini 的数位核心研发成员出走，加入国内互联网公司。

不过，蓝鲸科技记者从知情人士处获悉，" 前 Google DeepMind 主任工程师、Gemini 核心研发成员 Qiyin Wu 加入百度，负责大模型预训练相关工作 " 的传闻并不属实。

今年可谓是谷歌团队动荡的一年，类似传闻明显增多，蓝鲸科技记者梳理发现，仅 6 月至今，DeepMind 和 Gemini 研发团队已有超过八名高级别人员公开离职，其中包括 Gemini 联合负责人和关键贡献者、DeepMind 高级研究科学家等关键人物。

出走的研究人员覆盖研发、基础研究及安全对齐等多个方向，去向包括 OpenAI、Anthropic 等硅谷头部 AI 公司，也包括创业公司和独立研究机构，国内互联网大厂也在列，从前沿实验室寻找参与预训练、后训练、多模态等具体环节的研发人才。

"去年国内对于 AI 研发路径的理解还相对模糊，招聘时更倾向于寻找一号位、科学家、技术大牛，希望通过核心人物搭建完整团队。" 猎头公司 INR 联合创始人杨洪博告诉蓝鲸科技记者，今年出现了更加细致的岗位拆分，"每个环节要不要设岗，以及设一个什么样的岗，这件事越来越清晰。"

对人才的需求随之细化，记者了解到，目前传统大模型算法岗位的需求相对减少，如具身智能上下游算法、推理、AI infra 等具体方向的岗位需求突出，紧缺的底层技术岗年包 300 万元以上都较为常见，顶尖应届具身算法人才的年薪甚至可高达 800 万元。

同时，应用层的 AI 人才需求活跃起来，经历一轮大模型和 AI 创业热潮后，企业和人才都重新审视，岗位的成果能不能落地、产品有没有机会跑出来，以及这项工作究竟需要什么样的人。

今年 Gemini 3.5 Pro 连续错过数个发布节点，被认为是人才流失的重要原因之一，谷歌过去一段时间没有足够重视 AI 编程能力，导致模型在能力上落后于竞争对手，技术层面的 " 追赶感 " 影响至团队士气和信心。

与此同时，外部的 " 挖角 " 越来越猛烈，尤其是 OpenAI 和 Anthropic 提供的高薪、股票激励，以及未来上市所可能带来的股权价值，都成为吸引研究人员的重要因素。

国内互联网大厂也参与进这场人才争夺，仅从谷歌流出的核心研究人员来看，已有多人进入国内大厂的研发体系并承担重要角色。如今，头部大厂的基础模型团队负责人逐渐稳定，招聘目标也向更具体的研发链路下沉。

如今年 3 月，前 Google 高级研究科学家周浩加入阿里，担任 Qwen 后训练研究负责人；今年 7 月曾任职 Google DeepMind 的田永龙加入腾讯，目前已经成为腾讯混元多模态负责人。

预训练、后训练、数据工程、强化学习、模型评测到推理优化，模型需要围绕更具体的技术环节建立突破，研究人员曾经参与过什么模型研发、负责什么环节、经历过多少轮大规模训练等经历和经验，变得十分重要。

"这种经验背后对应的是时间成本，很难通过招聘应届博士或者普通算法工程师迅速复制。" 一位业内人士对此表示，顶级 AI 人才越来越像模型研发体系中的一种资产，一端连接算法和科研能力，另一端连接大量算力和工程体系。

大模型的一轮大规模训练往往需要消耗大量算力资源，并持续数周甚至更长时间，对于正在追赶前沿能力的团队而言，具备成熟训练经验的人才，能够减少部分试错，本质上也是在降低算力和研发周期成本。

这个层面的 AI 研发人才长期处于紧缺状态，"市场供需整体不匹配。" 定位 AI 原生 Agent 招聘合作平台的禾蛙 CEO 何洪锴告诉蓝鲸科技记者，据他观察，目前最紧缺的是具身智能上下游算法、高端 AI 底层技术岗，尤其是推理框架、训练框架和 AI 基础设施等方向的人才，传统大模型算法需求相对减少。

高薪同样集中在这些紧缺方向。何洪锴指出，AI 人才的主流年包约 50 万 -150 万元，紧缺的底层技术岗位能给到 200 万 -300 万元，甚至 300 万元以上都属正常水平，顶尖应届具身算法人才的年薪可达 300 万 -800 万元，热门人选的薪资涨幅可以超过 30%。

杨洪博也表示，这类情况确实存在，但主要集中于超级大厂以及非常核心、紧缺的岗位。真正能够获得这类高价 Offer 的人，通常具备较为完整的稀缺人才画像：名校名导、顶刊顶会、名企实习，以及核心部门的项目经验。

不过杨洪博指出，与去年相比，企业对于这类人才的考察标准也在发生变化，今年对实际落地经验非常看重，如候选人有没有参与过商业化项目、是否真正推动过技术落地。

"大厂在招聘核心人才时，并不考虑短期性价比，壮大了自己，同时也能削弱竞争对手。" 在杨洪博看来，大厂持续招募稀缺的核心研发人才，本身也具有竞争意义。

" 类似去年猎头在 AI 圈里疯狂赚钱的时候已经过去了。" 杨洪博告诉记者，模型研发上层的人才原本就稀缺，如今即使企业有明确需求，猎头也未必能够完成交付。

相比之下，应用层技术人才的招聘热度快速增加，" 模型层不是最活跃的，今年应用层才是 " 是他今年最明显的体会，"我们今年的交付订单里，AI 应用落地类岗位的占比已经超过了基础模型研发岗，这和去年相比是反过来的。"

何洪锴也有类似的总结，今年公司技术招聘方向中，增长最快的是机器人 +AI、Agent、AI 效能 /AI 提效、底层 Infra 等与应用更相关的方向。

经历第一轮 AI 探索后，企业对于 AI 机会的判断落到具体场景上，已经越来越少简单喊 "all in AI"。应用方向一旦明确，招聘需求也会随之变化，技术岗位的变化尤其明显，企业更倾向于寻找能够覆盖更多技术环节的全栈人才。

"纯前端开发岗位是在逐步消失的，职能向全栈方向融合。" 杨洪博指出，除了拥有独立 App 以及具备营销属性的企业仍然需要有行业经验的前端开发人员，大部分的前端岗位都在剧烈变化，批量转型中。

在他的观察中，一些公司已经在减少纯前端岗位，甚至不再单独设置前端开发岗位，而是保留少量前端 Owner，其他开发工作借助 AI Agent 完成。

"从人才积累量来看，前端、后端的存量都很大，目前市场上从前端转向全栈的人明显更多。" 供需关系影响着薪资水平，过去几年不少前端和后端岗位都经历了降薪，"部分非核心业务线、传统互联网领域的前端岗位，薪资回调 20%-40% 的情况大家已经不会感到意外了，而转向全栈之后，可以重新回到此前的薪资水平。"

在杨洪博看来，过去一年更像是整个市场建立 AI 认知的过程，"很多企业踩过雷，在 AI 布局初期都交过学费，走过堆头衔、堆人数的弯路。随着企业经历试错，人才的选择也变得更加现实。"

回应业务落地的需求，AI 产品岗位的门槛也在过去一年明显提高。

杨洪博表示，2025 年初，一些模型厂商对于产品相关人才的要求还相对宽松，应届毕业生也有机会进入团队，从事评测、数据标注以及较为基础的产品工作。

到了今年，随着多模态以及办公智能体等方向崛起，产品岗位的要求明显提高。以目前热门的 AI 办公产品赛道为例，一些 AI 产品岗位可以实现 30% 或翻倍的薪资涨幅。

企业想要落地，求职者对工作的选择也更加务实。

何洪锴提及的一个现象是，候选人会评估企业故事是否清晰、业内竞争力如何、资方背景能否托底，以及公司是否已经在垂直领域形成一定名气，多数人倾向于选择相对成熟、风险较低的平台拿结果，而非从 0 到 1 探索。

这也回应了今年 AI 市场趋于理性的趋势，求职者们对一家公司的概念或者故事理性看待，开始根据自身积累的行业经验，判断一项业务是否成立。

此前一年 AI 行业快速扩张，大模型公司、AI 创业公司以及传统企业的 AI+ 业务集体抢人时，"AI native" 的标签还对人才有一定吸引力。

但如今，一些传统企业同样能够成为 AI 招聘的有力竞争者。对于部分主营业务稳定、现金流较为充足，同时又有强烈 AI 转型意愿的企业而言，其 AI 人才招聘预算和吸引力并不低于 AI 原生公司。

整体来看，AI 人才市场在经历一场更细分的匹配：模型公司寻找研发链条关键节点的关键人，应用公司寻找有跑通具体场景的经验者，人才则在寻找未来真正有可能落地的方向。