編輯｜張倩

硅谷 AI 人才市場，正在經(jīng)歷前所未有的復(fù)雜周期：無論是招人還是找工作，想要雙向匹配都比以前困難。

站在招聘方這邊，最常見的體驗(yàn)是：你想要的人根本招不到，甚至連對方愿不愿意聊一聊都很難說。站在求職者這邊，尤其是已經(jīng)在大廠或研究機(jī)構(gòu)工作的人，痛苦體現(xiàn)在機(jī)會成本：你現(xiàn)在的工作明明看起來很好，項(xiàng)目不錯、團(tuán)隊(duì)不錯、生活也不差，但一想到外面那些夸張的薪酬數(shù)字，就會覺得自己留在原地的機(jī)會成本高得離譜，像是在每天「虧錢」。

而對于新人來說，體驗(yàn)又不一樣，越來越高的要求讓他們感覺自己面臨一堵難以逾越的墻。

于是，一邊是「招不到」，一邊是「坐立難安」。市場看似熱鬧，實(shí)際卻像兩股力量互相拉扯。

在艾倫人工智能研究所（AI2）研究科學(xué)家、后訓(xùn)練領(lǐng)域大牛 Nathan Lambert 看來，這是一種互相折磨的結(jié)構(gòu)性困境。針對這一困境，他專門寫了一篇博客，系統(tǒng)闡述了自己對這一現(xiàn)象的分析和建議。

資深員工可能越來越搶手

在 Nathan 看來，當(dāng)前招聘環(huán)境最決定性的特征，是語言模型的復(fù)雜度和進(jìn)展速度。這兩點(diǎn)共同作用，導(dǎo)致市場上出現(xiàn)了非常鮮明的兩類人才邏輯：對資深人才的需求上升，對初級人才的要求變得更苛刻。

他認(rèn)為資深員工在這個(gè)時(shí)代更「搶手」，因?yàn)樗麄儞碛懈L的上下文，理解如何在長期維度里處理并引導(dǎo)復(fù)雜系統(tǒng)。比如，一個(gè)團(tuán)隊(duì)借助 AI agent 可以在增量功能上做出巨大進(jìn)展，但這時(shí)更需要有人知道「正確方向是什么」。如果缺乏這種視角，代碼庫和項(xiàng)目很容易被大量零碎的小改動鎖死，變成維護(hù)困難、方向模糊的狀態(tài)。

Nathan 預(yù)期，隨著 AI 工具越來越強(qiáng)，資深員工的影響力會以更快的速度增長，甚至增長得比單純增加初級成員更有效。

他也把這種變化總結(jié)成一句話：AI agent 會把人類往組織結(jié)構(gòu)更上層推。工程師需要學(xué)會做系統(tǒng)設(shè)計(jì)，研究員需要學(xué)會像運(yùn)營實(shí)驗(yàn)室那樣工作。

初級工程師：必須證明「不可替代」

另一邊，初級員工需要用不同方式證明自己。

Nathan 說，他在篩選初級工程師時(shí)最看重的一點(diǎn)，是一種近乎狂熱的「進(jìn)展導(dǎo)向」：既包括個(gè)人理解上的進(jìn)展，也包括模型性能或系統(tǒng)效果上的進(jìn)展。他認(rèn)為，理解一個(gè)系統(tǒng)或一個(gè)方向「到底怎么做出來」的唯一方式，就是親手去做；而如果你要追趕最前沿，就必須在一個(gè)相對狹窄的領(lǐng)域里付出大量艱苦的努力，才能真正形成 ownership。

他承認(rèn)：如果動機(jī)足夠強(qiáng)，初級員工可以很快成長并產(chǎn)生影響；但如果沒有這種動機(jī)，這類崗位在未來會越來越接近「可替代」，甚至?xí)?coding agent 替代。

而這恰恰是最難招聘的部分：如何找到這種人？Nathan 說他目前能給出的最好建議幾乎只有「vibes」，也就是一種整體感覺。他甚至說自己也在尋求更好的辦法。

他舉了一個(gè)例子：他曾邀請 Florian Brand 一起做 Interconnects 的開源模型跟蹤工作，第一次聊天時(shí)對方就說「自從 ChatGPT 出來以后，我完全沉迷在 LLM 里」。Nathan 的意思是，這種表達(dá)并不需要刻意設(shè)計(jì)，如果是真實(shí)的，別人會感受到。

初級研究員：環(huán)境更寬容，但要執(zhí)著于「證據(jù)」

對于初級研究員，Nathan 認(rèn)為環(huán)境相對更寬容，因?yàn)樗麄兪紫仁窃诮逃龣C(jī)構(gòu)里工作，而不是直接處于技術(shù)經(jīng)濟(jì)體系的壓力之下。

他認(rèn)為，決定一個(gè)年輕研究員能不能做出成績的關(guān)鍵，是一種「證據(jù)潔癖」：任何 claim 都要能被證據(jù)支撐：你說這個(gè)想法能提升模型，為什么？你說分?jǐn)?shù)變高了，評測 harness 里具體體現(xiàn)在哪？這種習(xí)慣會帶來更快的迭代速度，因?yàn)槟闶冀K在驗(yàn)證和收斂。

他也批評了一個(gè)常見誤區(qū)：很多早期研究者過早追求「廣度」，在很多項(xiàng)目里刷存在感，堆一些零散貢獻(xiàn)，卻沒有在任何一個(gè)方向上證明過深度。真正優(yōu)秀的人往往相反：先把深度做出來，再擴(kuò)展廣度，而且能同時(shí)保持結(jié)果清晰與嘗試速度。

要不要退學(xué)去大廠或前沿實(shí)驗(yàn)室？

Nathan 經(jīng)常被問一個(gè)問題：博士要不要讀完？還是直接去工作？

他的判斷標(biāo)準(zhǔn)非常直白：如果你不打算當(dāng)教授，同時(shí)你拿到了去 Gemini、Anthropic、OpenAI 這種前沿實(shí)驗(yàn)室做建模研究的 offer，那基本沒有理由繼續(xù)讀完 PhD。

繼續(xù)讀下去的理由往往不是職業(yè)收益，而是個(gè)人層面的自我實(shí)現(xiàn)，比如對「完成一件很難的事」的自豪感。這點(diǎn)他表示尊重。

但他也承認(rèn)，這種非常直接的職業(yè)建議，和他另一條重要建議之間存在矛盾：選擇工作時(shí)應(yīng)該非常重視「人」，因?yàn)槟銜瓦@些人共度大量時(shí)間，甚至比你具體做什么更重要。而選擇「人」，某種意義上也是在選擇所謂的「vibes」。

在前沿實(shí)驗(yàn)室工作：可能被公司機(jī)器吸收

Nathan 認(rèn)為，在前沿實(shí)驗(yàn)室做產(chǎn)品工作，作為 PhD 的替代路徑，可能帶來一種風(fēng)險(xiǎn)：你會被吸進(jìn)企業(yè)機(jī)器里，變成標(biāo)準(zhǔn)化職業(yè)階梯的一部分，從而不容易脫穎而出。

他接著解釋，自己以及 AI2 一些人之所以能在職業(yè)發(fā)展上獲得優(yōu)勢，是因?yàn)榫邆淙齻€(gè)要素的組合：責(zé)任、公眾可見度、執(zhí)行力。

其中「公開工作」尤其關(guān)鍵。在行業(yè)越來越封閉的背景下，公開輸出會帶來額外的職業(yè)收益。他猜測這可能與開源貢獻(xiàn)長期積累的 goodwill 有關(guān)。

但如果你進(jìn)入封閉實(shí)驗(yàn)室，可見度往往幾乎不可能獲得，于是你只能依賴責(zé)任與執(zhí)行力。而這又帶來另一個(gè)問題：如果你執(zhí)行得再好，但你做的產(chǎn)品或模型沒有人使用、沒有人觸達(dá)，那執(zhí)行力并不會帶來外部價(jià)值。在這種環(huán)境里，「在核心圈子」就變得非常重要。

求職信號：競爭激烈時(shí)，負(fù)面信號要盡量避免

Nathan 認(rèn)為市場里存在很多不完美的信號系統(tǒng)，有正面也有負(fù)面。對個(gè)人來說，建立作品集時(shí)必須特別注意避免負(fù)面信號，因?yàn)楦偁帉?shí)在太激烈。

他舉了一個(gè)「很小但很明確」的負(fù)面信號：初級研究員在太多論文里當(dāng)中間作者。他的建議很干脆：學(xué)會拒絕，這對你有好處。

正面信號則更復(fù)雜一些，但仍然可操作。他提到一句常見說法：只要看一個(gè)人的一條推文就能判斷他是不是天才，他對此表示同意。因?yàn)槲淖秩匀皇且环N極其有效、但被低估的溝通方式。一篇優(yōu)秀的博客文章足以證明真實(shí)而稀缺的理解力。反過來，一篇「AI 水文」會毀掉你的申請。

建立 AI 職業(yè)路徑：開源貢獻(xiàn)與開放研究組織

當(dāng)別人向他咨詢?nèi)绾嗡茉熳约旱?AI 職業(yè)路徑時(shí)，Nathan 常建議兩條路徑：參與開源代碼貢獻(xiàn)，或加入開放研究組織（例如 EleutherAI）。

他見過更多成功案例來自前者，也就是開源代碼貢獻(xiàn)。但這仍然非常罕見，原因有兩個(gè)：第一，大多數(shù)人沒有硬件條件去對熱門 LLM 庫做出真正有意義的貢獻(xiàn)；第二，大多數(shù)人堅(jiān)持不了那么久。

他認(rèn)為 coding agent 的出現(xiàn)可能會讓開源貢獻(xiàn)變得更容易一些，因?yàn)楫?dāng)下很多限制其實(shí)來自實(shí)現(xiàn)帶寬，很多庫都有長長的 todo list。但與此同時(shí)，PR 與 issue 也會被大量 AI 泔水淹沒，想在其中脫穎而出會更難，這需要品味、創(chuàng)造力、人性與耐心。他提到，能在幾千美元級別的設(shè)備上跑一些小模型是一種投資，至少能讓人對 HuggingFace 等生態(tài)做更有意義的迭代。

招聘最后的關(guān)鍵：能力之外，還有適配

在文章的最后，Nathan 把問題落到「適配」上。

他認(rèn)為招聘有兩個(gè)核心問題：第一，這個(gè)人是否足夠好；第二，這個(gè)人是否會在這里茁壯成長。不同組織的約束不同，但在小團(tuán)隊(duì)里，第二個(gè)問題幾乎定義了文化。

在創(chuàng)業(yè)公司里，如果增長太快，文化一定會失控。這并不是說公司就不會形成某種文化，而是你無法再去引導(dǎo)它。組織文化本質(zhì)上是所有個(gè)體互動的副產(chǎn)品，在這件事上你不應(yīng)該擲骰子。

他也強(qiáng)調(diào)，找到合適人選往往依賴正確的管道。很多優(yōu)秀候選人不是從求職頁面的大量投遞里篩出來的，而是通過「側(cè)門」進(jìn)入視野，例如高質(zhì)量博客、公開聲譽(yù)，或一封寫得非常到位的郵件。在他看來，郵件不是恭維，而是要讓收件人感到「這封郵件對我有用」，從而自然促成下一步溝通。

來自社區(qū)的爭議

Nathan 的這篇博客給出了非常詳細(xì)、具體的建議，但也引發(fā)了一些爭議。比如從創(chuàng)業(yè)公司回到谷歌的 AI 研究科學(xué)家 Yi Tay 就對其中一些建議提出了質(zhì)疑。

首先，他完全不認(rèn)同博客中對「資深」與「初級」的嚴(yán)格區(qū)分，認(rèn)為在當(dāng)前的 LLM 時(shí)代，層級標(biāo)簽已經(jīng)失靈。個(gè)人貢獻(xiàn)者的價(jià)值取決于其天賦與執(zhí)行力，而非職級高低，L4 并不比 L6 更不可能取得突破。

但 Nathan 隨即反駁說，他所說的「資深 vs. 初級」并不是指職級，而是能力。

其次，對于博客批評閉源實(shí)驗(yàn)室「缺乏外部可見性」，Yi Tay 認(rèn)為這搞錯了重點(diǎn)：真正的前沿價(jià)值在于參與最接近 AGI 的探索，而非追求個(gè)人知名度。

此外，他也反對博客中將「多次擔(dān)任論文中間作者」視為對初級研究員的負(fù)面信號。在他看來，這正是陳舊學(xué)術(shù)思維的體現(xiàn)；在強(qiáng)調(diào)大規(guī)模協(xié)作的現(xiàn)代 AI 研究中，能低姿態(tài)、高貢獻(xiàn)地參與多個(gè)項(xiàng)目，恰恰是珍貴的能力，執(zhí)著于「第一作者」反而可能阻礙真正有意義的合作。

對于這些爭論，你怎么看？

參考鏈接：https://www.interconnects.ai/p/thoughts-on-the-hiring-market-in