“大模型浪潮狂飙三年半，国内AI人才也经历了三波大迁移。”资深科技猎头赵捷告诉雷峰网。

前两年，大家抢的是预训练人才，先是百度文心团队被疯抢，然后是AI六小虎人才遭遇瓜分，紧接着又是阿里、DeepSeek、字节、腾讯之间的人才大混战。

而现在，大家又开始抢推理、Agent等后训练人才；最近一年不少预训练人才，如Qwen Code负责人惠彬原、混元大语言模型预训练负责人姚星丞、混元多模态理解预训练负责人彭厚文，字节Seed核心专家顾全全等陆续离职，要么创业，要么流向更纯粹的AI研究团队。

是什么促成了这一轮轮AI人才大迁徙？这背后又藏着哪些AI行业更深层的逻辑转变？

要理解这波人才迁徙，得从百度说起。

“百度可以说是国内科技圈‘黄埔军校’。移动互联网时代的搜广推算法人才流出后，很多被字节吸纳；后来自动驾驶浪潮来了，百度又向行业输送了大量人才；到了这一轮大模型时代，最先大规模人才流出的还是百度。”专做AI算法类人才的猎头张尧表示。

2022年11月30日ChatGPT上线后，百度反应最快，2023年3月率先发布“文心一言”，打响了国内大模型第一枪。

一位百度离职高管告诉雷峰网，当时，百度将多年积累的NLP精锐力量进行了紧急的“战时重组”，核心攻关的算法团队在百人级别，如果再算上负责底层算力调度的智能云团队、飞桨框架优化团队以及数据工程外围支持团队，参与者有几百人。“而这些人后来也成为第一波被挖角的核心对象。”

谁在挖这些人？

主要有两类。一类是明星创企。2023年2月至4月，“大模型六小虎”集中起跑。王慧文的一纸“AI英雄榜”引爆创投圈，杨植麟3月创立月之暗面，王小川4月创立百川智能，姜大昕4月创立阶跃星辰，李开复5月创立零一万物；智谱AI与MiniMax也凭前期技术积累快速完成多轮高额融资，开始招兵买马。

还有一类是其他大厂。百度抢跑后，阿里、字节、腾讯紧随其后，分别在4月、8月、9月上线了各自的大模型，相关的人才需求暴增。

此外，在技术热潮下，AI 1.0时代的“视觉四小龙”、高校院所、各路垂直行业公司等等也纷纷入局，市面上的大模型数量迅速破百，而“百模大战”，直接引爆了第一波AI人才流动。

“当时招聘市场处于一种不理智状态。”赵捷回忆道，当时夸张到简历里只要出现“文心”两个字，身价就暴涨，同一个人这家给200万、那家给300万、另一家给500万，竞相加码。

猎头张尧也有类似感受，2023年年中开始，字节对基模研发人才的招聘基本不设上限，直接点名要“阿里通义、百度文心和飞桨团队”的人；月之暗面、智谱等“AI六小虎”为了抢人，也经常开出翻倍的薪资。

当时字节正在组建大模型团队，友商算法专家成了重点挖角对象，数位负责底层预训练数据清洗、反馈强化学习以及跨模态的算法专家先后跳槽过去。

六小虎也不含糊。张尧告诉雷峰网，百川智能成立时那支数十人的核心算法团队中，有相当比例来自百度NLP部及搜索团队，包括几位参与过早期ERNIE训练与搜索排序的T8+架构师。

而阶跃星辰这边，除了吸纳微软亚洲研究院的力量外，吸纳了不少前百度智能云的人，特别是做异构计算和分布式调度的骨干。

这里面比较特殊的是阿里。

张尧告诉雷峰网，百度这波流出的AI人才中，很少有流向阿里的。与字节、六小虎“重金外部挖角”的策略不同，阿里通义团队的基模人才绝大部分靠校招与内部自培——从2023年到2025年，除了吸收过一批零一万物的人外，极少进行社招。

这还没完。

2023年10月百度调整了战略，李彦宏在百度世界大会上喊出“卷大模型不如卷应用”，宣布全面转向“AI原生应用开发”。

这在当时被业内解读为，百度不再把基座模型本身当作唯一战场。对一些当时还留在百度的预训练人才来说，公司战略的权重正在转移。

这一转变，很快被其他大厂和猎头敏锐捕捉。

于是到了2024年，文心团队遭遇更猛烈的疯抢。据赵捷估算，有70%–80%的预训练人才，被字节、小红书、拼多多等互联网大厂和智谱、月之暗面等“大模型六小虎”迅速瓜分。

与此同时，2024年初，随着Sora及视频大模型爆火，百度视觉与图形学团队的部分骨干也被快手、生数科技以及小红书等开出高薪挖走。更多百度AI人才流动故事，欢迎添加作者微信 xf123a 交流。

人才的集中流出，在当时让百度承受了不小压力。

“百度这家公司，其实一直对技术很有追求，也愿意投入资源去做一些前沿的、短期不太能赚钱的探索。但奇怪的是，一旦某项前沿技术如自动驾驶、大模型等在行业里快速产业化时，百度此前积累的相关人才就会在行业内流动。”一位大厂高招周明表示。

2025年初，国内大模型行业迎来了一个关键转折点。

拥挤的竞争加上DeepSeek的冲击，很快带来行业大洗牌。大模型“六小虎”中的百川智能和零一万物接替百度，成为第二波被集中挖角的对象。

年初，百川智能从通用大模型路线转向医疗垂直模型，这一战略掉头很快引发了一波离职潮：3月，主管大模型研发的联合创始人陈炜鹏、负责互联网业务的焦可相继出走；7月，技术联合创始人谢剑也宣布离职。随着通用基模预训练管线被砍，大批底层的预训练算法与架构研发骨干也纷纷流出。

几乎同一时期，零一万物将大部分训练和AI Infra团队并入与阿里云成立的“产业大模型联合实验室”，被业内视作在一定程度上放弃了自研超大模型路线。

随后，预训练负责人兼联合创始人谷雪梅宣布离职，首席技术专家聂鹏程、算法副总裁黄文灏、技术副总裁戴宗宏等核心技术骨干也陆续离开。

与此同时，一些跨界玩家也开始掉头，削减预训练团队，转而做应用，通用基模的牌桌急剧缩窄。

初创阵营的战略收缩与洗牌，让大批预训练人才再次进入流动通道。而在这一轮人才重组中，字节与腾讯成为了吸纳基座人才的核心流入方。

“字节在大模型上的挖角是持续性的、广撒网的，但其引进节奏有几个非常典型的阶段性坐标。”专做大厂AI猎头业务的王恬解释道。

第一波主要是从百度、阿里挖人，以原通义千问大模型技术负责人周畅为代表；第二波是引进前谷歌DeepMind研究副总裁吴永辉，以及吴加入后进行的内部人员调整；现在到了第三阶段，字节的Seed团队正在做人员优化，实现“腾笼换鸟”，一边优化一边继续招人，以换进更顶尖的人才。

“基模人才流动，也可以从流入、流出两大视角来观察。”王恬补充道，回顾这几年，她认为，人才流出最多的大厂主要是百度、快手和华为；此外还有几家前沿AI实验室，如深圳的粤港澳大湾区数字经济研究院、上海人工智能实验室和北京的智源研究院。而流入方这边，吸纳人才最多的，之前是字节，现在是腾讯。

“腾讯本身不缺算力，但早期对基模研发偏向观望状态，混元团队也分散在TEG及各业务线。后来，腾讯开始全面发力基座模型，在姚顺雨加入前后完成两批人才的引进和更新。此外，除了混元团队，微信体系也在同步吸纳基座技术人才。”

在多位业内猎头看来，这几轮AI人才流动的深层原因远不止薪资待遇这么简单，这背后实际上有三股力量共同作用。

其一是股价与市值。

“大厂核心技术人员的薪酬半数以上是由股票构成，公司股价不温不火或下滑，都会给人才留存带来难度。典型如快手，因为股价承压，其文本模型团队核心成员早早便流失掉了。类似的还有美团。”前述大厂高招周明说道。

其二是战略导向。

企业对大模型业务的投入力度、方向选择，往往会直接影响人才的去留预期。百川智能转向医疗垂直模型就是此例。

另外还有一家特殊公司——华为。资深猎头张尧指出：“华为的核心业务是销售昇腾芯片与算力硬件，大模型更多被定位为辅助配套，这会影响模型团队的投入预期与稳定性，让它成了AI基模的一大流出方。”

其三是组织架构适配。

传统互联网或硬件大厂的层级架构往往难以适配大模型的研发节奏，内部管理机制与老员工占位对团队活力形成掣肘，这也是导致AI人才流出的一大关键原因。

“面对新业务、新战略，组织架构的调整往往需要最先做，但能快速下定决心的公司并不多。”张尧坦言。

就这样，在市值压力、战略分化与组织机制的多重拉扯下，国内基模人才几番迁徙。

不仅如此，2025年春节，DeepSeek R1的爆发也让行业看清了推理与后训练的巨大性价比，对相关人才的抢夺也变得激烈起来。

“这次范围更广泛，不少金融、医疗等垂直行业开始大规模部署和备案自己的后训练微调模型，人才需求侧更加拥挤。”赵捷表示。

到了2026年，Agent又开始爆发。

从Manus的爆火，到Claude Coding Agent的成功，行业全面进入Agent主场。字节、阿里等大厂针对Coding Agent等核心团队的人才流动极其剧烈，经常为了核心人才疯狂挖角或整组端走。比如腾讯某个AI对话产品就从字节Seed挖了不少人做后训练。更多详情内幕，可添加作者微信 xf123a 互通有无。

“相比之下，预训练的整体招聘需求，比高峰期下滑了30%–40%。”赵捷告诉雷峰网。

“那些留在Kimi、DeepSeek等公司的核心预训练人才，基本都拿到了高额的专属期权和薪酬激励，同业横向跳槽带不来更大空间；再说外部也没有太多更好的机会了，除非能像罗福莉那样去直接handle一个完整的大板块，不然就算跳槽也基本拿不到太多上升空间。”

此外，人才的年龄偏好也在发生变化。现在的AI人才市场更青睐20多岁、处于创造力巅峰的年轻人，而活跃于AI上半场、年龄在30到40岁的人才，则开始逐渐向高校、公共研究院回流，如前快手副总裁王仲远，就在2024年初出任北京智源人工智能研究院院长。

既然眼下后训练这么火爆，那由此“转型”的预训练人才多吗？

“很少。”赵捷坦言，一方面是分工壁垒，预训练和后训练是两个不同工种；另一方面是技术执念，大多预训练人才骨子里有技术执念，并不愿意向下“降维”去做后训练或微调。

“尽管外界很多声音说基础模型就这样了、Scaling law到头了，但做底座技术的人并不这么认为。这也是为什么近期一些高层级预训练人才选择离开大厂，去到更纯粹的AI研究团队，继续做前沿科技探索的主要原因。”

前述的几位猎头告诉雷峰网，行至当下，国内大模型人才的供需与流动格局正在呈现三个核心趋势：

一是，不分工种，从整体来看的话，AI人才流动的速度在加快。

过去三年半，大模型发版周期从4.5~6个月压缩到3.5个月，且还在继续收敛，与此同时，国内大模型领域人才的平均司龄，也从2到3年一路降到1到1.5年。“模型追赶越激烈，人才流速越快。”王恬解释道。

二是，AI Infra人才被疯抢。

张尧的体会是，推理效率被拉到极限后，导致市场对AI Infra人才的需求极其强劲。“GPU集群调度系统、FPGA编译、推理框架优化……这些岗位都在抢人。因为这类人会直接决定算力集群的使用效率，是卡跑不跑得满的关键。”

同时，数据人才正在被推到聚光灯下。

数据一直都很重要。赵捷告诉雷峰网，大模型训练其实分了三阶段：通用预训练、中训练和后训练。

2023年时，大家先做的是初步预训练，炼出的是非常通用的第一版模型。但因为当时很多数据的标注和筛选没有处理得特别好，所以大家接着做了一项叫“中训练（Mid-training）”的工作，把重点放在优化数据集上。在清洗好的数据集基础上，才算炼出了一个正规版本的基座模型。

接下来，他们再基于这个基座去做后训练，利用强化学习等方法去做微调。可以说，数据工作的重要性是贯穿大模型发展这几年的始终的。

那现在为什么又要重提数据的重要性？

这是因为，眼下，在算力、算法、数据三者里，算力成了固定的客观项，模型架构也走到了阶段性平台期，于是行业越来越形成一个共识：高质量数据，才是AI下半场真正的核心壁垒。近期字节等不少大厂对数据团队进行集中调整也印证了这一点。

回看AI人才的这三波迁移，实际上有一条清晰的主线：从百度快手、到AI六小虎，再到字节腾讯，每一波AI人才流动的浪头，都精准地打在行业竞争的节奏上：从拼基座，到拼推理，再到拼应用、拼数据。

当预训练从“英雄叙事”走向工程化，当Agent和数据站上舞台中央，这个行业的人才也在重新定义着自己的坐标，而这场人才大迁徙也远未结束。

（转载自：雷锋网）