大模型岗位傻傻分不清？收藏这份指南，小白也能轻松入行！
本文详细介绍了大模型相关岗位的分类及要求，包括算法、开发、infra、评估、数据等五大类。其中，算法岗分为基座模型岗和应用算法岗，基座模型岗注重理论研究与工程实践，应用算法岗则聚焦行业场景落地。开发岗主要涉及模型部署与维护，infra岗负责底层支撑，数据岗专注于数据采集与清洗，评估岗则负责产品性能评测。文章强调，未来大模型岗位将趋向融合，打破技术栈边界，为个人提供更多发展空间。
大模型算法、大模型应用、基座算法、agent研发、Agent开发，这些岗位你能分得清吗？看到这些名词是不是 感觉脑袋晕晕的，其实这也不能怪你，毕竟就在几年前，你的师兄师姐们在找工作时只需要面对两种选择：java还是c++。
很多刚接触到大模型的同学都会产生这样的疑问：我适合哪个岗位？我应该照着哪个方向准备？
今天我就把大模型相关岗位分为这么五类：算法、开发、infra、评估、数据
岗位划分
大模型算法工程师
我们先来介绍算法岗。
算法岗可以分为两大类：基座模型岗和应用算法岗。
基座模型岗
基座模型岗，有的也叫预训练算法岗，可以分为三类：理论派、工程派、能力派：
- 1.理论派：主攻 Attention、MoE 这些核心基础架构，目标是突破理论天花板。
- 2.工程派：做预训练、中期训练、后期调优全流程，验证模型的规模效应。特点是极其吃算力、数据等资源，可能千卡、万卡集群都很常见，有明确的技术交付指标，主打通用基础能力的搭建。
- 3.能力派：也是当下的热门方向，就是让模型具备自主行动能力，目标是 “模型即产品”、最终落地产生价值。现阶段的核心还是搭建 Agent 相关基础能力，比如工具调用、计算机操作，和前两类比，这类工作的反馈更快，要做大量后期调优和强化学习，还需要让模型和真实环境深度交互。
这里多说几句，很多同学对agent相关工作有误解，认为调个 API 套个壳，就是agent的全部工作了，就觉得这个工作跟算法好像没什么关系，但其实不是这样的。
通过数据微调，让模型原生具备更强的 Tool Call 能力、解决复杂场景的规划问题，这也是agent相关的工作。比如最近很火的 GUI Agent，其中美团做了一个 EvoCUA 的工作，团队中的成员也有发过工作总结，大家也可以去看一下：
一般来说，基座模型岗是要求有对口论文的。
但有同学会说，居老师你说的不对，我没有论文我现在也在某某基座模型实习。
是这样的，一方面呢，基座算法其中有80%的工作是数据工作，另一方面，除了通义千问、字节 Seed、智谱 GLM 这些大家熟悉的基座模型，像商汤、讯飞、百川这些公司也有自己的基座模型研发团队。不过这里有个问题啊：现在基座模型领域正处于百模混战的阶段，行业发展规律其实和早年团购行业的百团大战很像 —— 初期大批玩家扎堆入局，后期经过市场、资源的层层筛选，最终只有少数头部玩家能站稳脚跟，持续提供大模型的底层基建服务，其余玩家会逐步被淘汰。
大家可以想想，最终能在基座模型这条赛道活下来的，会是哪几家？
应用算法岗
还有一类是大模型应用算法岗，也是大部分同学最终会入职的岗位 —— 不光是计算机科班，很多非科班、和计算机沾边的跨专业同学，或是没有论文成果的同学，都能适配入行。
这类岗位核心聚焦行业场景落地，比如金融、医疗、智能客服、营销等领域，核心业务目标就是让大模型产品落地后真正能用、好用。至于具体是调用 API、搭建 Workflow、做 Agent 应用，还是针对场景做轻量化模型训练，这些都只是实现落地目标的手段而已。当然部分业务部门的应用算法岗，也会根据需求做相关研究工作，部分岗位还会有论文产出的要求。这类岗位更看重对口的项目经验和工程能力，尤其是 Agent 方向，变化特别明显：以往算法岗基本只需要提供模型或算法逻辑接口，而现在随着行业业态的成熟，调度算法的业务逻辑逐渐由算法岗主导，算法岗尤其是 Agent 方向，后续对工程能力的要求大概率会持续提升。
当然算法岗对学历会有一定要求。
我今天把基座模型岗的内容讲得比较细致，而应用算法岗的范畴更广、细分方向也五花八门，没法穷尽。大家之后再看到大模型算法岗的招聘，只要排除掉基座模型岗的范畴，剩下的基本就都是应用算法岗了。
大模型开发/Agent工程师：
- 这个是界限最不明确的一类岗位了，这个岗位从诞生至今可能都没有超过三年，很多同学不太能区分它和大模型应用算法岗的区别。而且大模型算法岗其实就是以前的 NLP 算法岗，现在各家公司的大模型部门、业务线又都是刚成立没多久，所以岗位划分没有那么明确。
- 这里面开发岗也分两种，用 java 或者 go 的，跟算法岗的区别特别明显；但用 python 的就容易混，比如有些大厂会让开发部门，自己做类似 langchain、langgraph 的框架供内部用，这类工作就和算法岗有点交集。这里有一个判断方法，比如云端部署、断点续传、缓存、模型api接口维护这些肯定是开发的工作，强化学习、思维链压缩、知识蒸馏这些涉及模型效果优化的肯定是算法的工作，但是像文档解析、agent搭建、tools编写、sft、向量入库这些就不是很清晰了，有的公司是算法在做，有的公司是开发在做。
AI Infra 工程师
- 负责分布式训练、推理加速等底层支撑，是模型高效运行的基础，难度比较大，大多数做这个方向的同学在校期间导师的研究方向就是这个，有一定积累才会去做，真感兴趣的话就从看vllm或者sglang的源码开始吧。
大模型数据工程师：
- 主要工作是是做数据的采集、清洗与 Pipeline 搭建，目标是构建高质量数据。
大模型评估 / Agent 评估工程师
- 负责产品的性能、效果、安全性等维度的评测体系构建，是模型、agent迭代优化的关键环节。不是很推荐，学历不太好的同学可以做，更容易进大厂。
趋势判断
岗位介绍就讲完了，前段时间有个新闻，不知道大家有没有看到，就是前阿里 P10 毕玄（他现在正在创业）的一条钉钉消息：
无独有偶，美团履约团队也推行 全栈化，把部分前端同学转到了后端组，前后端代码一起写。
所以经常有同学问我，我不知道我应该投哪个岗位，我的意见都是，不用管岗位是什么名字，jd描述中你懂的东西超过三分之一就可以投。我也见到过很多同学，可能一开始准备的是算法，结果最后去做了产品。
尤其是大一大二的同学，等你就业的时候，这种打破技术栈边界的岗位划分说不定已经成了行业普遍现象，而大多数人只需要通过自然语言就可以独立开发可盈利、高可用的工具和产品。
这可能意味着，在未来，每个人都能找到自己独特的生态位，不再被单一技术栈定义，不再是流水线上的一个环节。
而信息差的不断抹平，更是让 超级个体 和 一人公司 成为可能。比如前段时间火过的红墨、蕉幻、微舆这些产品，从想法萌生到产品落地，再到市场推广，整个链路的时间被不断压缩，一个人就能完成过去一个团队的工作 —— 当销售渠道、推广费用、后期维护这些环节，都能通过工具和平台高效解决，个体的创造力，会成为这个新时代最核心的竞争力。
当然，我们也得承认人性的差异：有人偏爱创新与探索，有人更倾向于稳定和按部就班，所以基础岗位依然会存在。
但不可否认的是，大模型正在重构行业的人才需求，从专才到通才，从技术深耕到技术融合，是不可逆的趋势。
### 如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2026 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。