企业官网建设流程全解析

随着AI技术的大规模应用，大厂校招趋势明显向AI领域倾斜，三类AI岗位备受关注。文章详细解析了AI人才的三种层级，指出普通职场人最务实的方向是成为AI业务效能人才。强调AI技能的实际应用和业务结果的重要性，建议职场人通过“干中学”和“拿结果”的方式提升自身竞争力，并利用脉脉等平台展示AI技能，以适应AI时代的职场需求。

先跑起来的人，会先被看到。

明年，很多科技大厂就只招AI人才了？！

有不少人在讨论，今年的大厂校招“只剩”三类岗位：AI算法工程师、AI全栈工程师、AI Agent工程师。腾讯内部定了硬指标：每个业务线必须有30%的人通过AI能力认证。还有HR私下说，明年非AI岗位校招HC，一个都没有。

这些传言未必全真。但传成这样，本身就说明问题了。

7月盛夏，各家大厂的校招就全面启动了，阿里、百度的AI职位占比超出预期。字节跳动首次上新了"AI全栈工程师""AI Agent工程师"等岗位。DeepSeek在6月就发布了大规模招聘，覆盖算法、研发、运维、产品等七大类。

大厂校招，真的只剩AI了。

更耐人寻味的是另一个信号。近期有HR爆料，脉脉的人才银行里，很多人名字旁边悄悄多了一个标签——“AI技术底座人才"或者"AI应用开发人才”。脉脉把人才库分成了两栏：AI人才，和非AI人才。一位HR半开玩笑地说：“以后是不是只搜’AI人才’那一栏就够了？”

这并非仅仅是HR之间的玩笑。一个招聘平台之所以能把人才库切分出“AI人才”和“非AI人才”，前提是AI人才已经在平台上形成了足够高密度的聚集和持续活跃。脉脉创始人兼CEO林凡透露过一组数据：“80%的AI人才在脉脉交流技术趋势、分享行业动态、寻找职业机会。”

这些活跃行为不只是内容互动，也在一定程度上构成了招聘市场识别AI人才的新基础。因此，当HR在人才库中勾选“AI人才”标签时，看到的并不只是一个简单筛选结果，而是招聘市场对AI能力进行结构化识别的开始：谁在做底层模型，谁在开发AI应用，谁能把AI工具用到具体业务里，正在被更清晰地标注出来。AI人才竞争的变化，也正体现在这种从“看简历关键词”到“看能力标签和真实行为”的转向中。

表面上是一场抢人大战，实际上是一道分水岭。一边是觉得AI跟自己无关的人，另一边是已经把自己变成AI人才的人。

01

三类AI人才，有一类跟你很相关

先搞清楚一个基本问题：企业说的"AI人才"，到底是什么意思？

根据脉脉的AI人才标签体系，AI人才被分成了三个层级：

第一层：AI技术底座人才。 搞Pre-train、Post-train、RL、推理优化、Agent底层开发。他们是"造AI的人"，要求高人数少，年薪自然高，从7位数到9位数不等。

第二层：AI应用开发人才。 用Agent、Workflow、RAG、工具调用来开发AI应用。他们是"用AI造东西的人"——把大模型封装成可用的产品。这个群体在快速扩大，但门槛依然不低。

第三层：AI业务效能人才。 熟练使用AI工具，在具体业务中拿到结果。他们是"用AI干活的人"——用AI写方案、做分析、跑流程、提效率。这才是企业真正大规模需要的，也是99%的职场人能够到的。

更通俗的说：第一层是造发动机的，第二层是造车的，第三层是会开车的。造发动机和造车跟大多数人没关系，但开车每个人都可以学，每个人都需要学。

一位HR朋友告诉我，他们现在的策略很清晰：外部招聘瞄准第一层和第二层的高阶人才，内部培养主攻第二层的普通人才和全部的第三层人才。 "

但问题来了。HR看到的简历上，人人都写着"AI"，但怎么区分能力到底在哪个层级？。

这就是脉脉的AI标签体系的价值所在——它把能力分成了三个明确的层级，让HR"看得清，找得到"。当所有人都说自己是AI人才的时候，你需要的不是更长的简历，而是更准的标签。

02

35岁、文科生、名校——这些标签正在失效

AI时代，旧船票登不上新客船。如果AI人才是唯一标准，那么很多旧的标签就会失效。

先看35岁。过去“35岁危机”本质是性价比危机——你比年轻人贵，产出却差不多。但其实年龄不是根本问题，会不会用AI才是。35岁老兵如果能把20年行业经验变成可复用的自动化流程，价值可能超过10个年轻Prompt工程师。

再看文科生。纯文科工作最先被AI替代，但哲学、法学背景人才需求在上涨——大模型价值观对齐、内容合规、智能体权责界定，都需要跨学科知识。文科生必须比理科生更努力学AI，用AI放大专业能力，而不是被替代。

最后看名校。不少大厂笔试新增AI coding题型，允许应届生调用AI工具完成项目。学校教了什么不重要，能不能用AI把项目跑通才重要。名校光环、GPA、论文发表，正在被重新定价。

03

企业内部，正在发生一场静悄悄的"AI答辩"

与招聘同样值得关注的是，领先的公司已经在内部动刀了。

阿里、腾讯的AI落地路径大同小异：先让一部分人用起来，再让所有人用起来，最后让不会用的人走人。

一位接近阿里的人士透露，阿里内部正在推进一场"全员AI化"运动。各个业务线都在搞AI培训、AI考核，从技术到产品到运营，没有人能置身事外。腾讯文档业务干脆取消了北京办公地点，整个团队聚焦AI方向。

这不是狼来了的故事，这是已经在发生的事。

脉脉CEO林凡表示：“对于非技术的同学，真正会用Coding Agent，是让它自动跑任务1小时以上。大家可以自评一下。”

1小时是分水岭。写个prompt让ChatGPT润色文案，叫“用过”，不叫“会用”。让AI自主运行1小时以上，说明你懂得拆解任务、设计流程、处理异常、兜底边界。

这背后考验的是三样更底层的能力：学习力、判断力、提问力。这三样，跟学历、专业、年龄没有直接关系。

04

下半场，怎么打？

普通职场人正面临三层压力。

第一层，外部替代。Meta裁员8000，亚马逊3万，微软8500，国内大厂同样传来优化消息。不是业绩不好，是AI在替代人。

第二层，内部更卷。不是AI替代你，是更会用AI的同事替代你。你说你更有经验，他说他更有产出。

第三层，标签重构。招聘逻辑从“你学过什么”变成“你能用AI做什么”，新的标签只有三个：造AI、开发AI应用、靠AI拿结果。

对多数职场人，最务实的就是成为AI业务效能人才。不需要学架构，不需要跑微调，只需要在你的业务里，用AI拿到结果。

第一步，干中学。不要等“学完AI再开始”，而是“开始用了才学会”。用AI写第一份分析、跑第一个自动化流程、搭第一个Agent。

第二步，拿结果。用AI不是为了炫技，是为了可量化的业务结果。效率提升多少？成本降低多少？把这些数字记下来。这是你对抗被替代的唯一武器。

第三步，让算法看到你。把AI技能和结果更新到脉脉主页和简历。未来更可能出现的场景不是你去投简历，而是HR在人才库里按标签搜人。没有AI人才标签，你被搜到的可能性就小的多。

下半场的答卷，不在简历上。在每一次和AI协作的1小时里，在每一个亲手跑通的自动化流程里，在每一个比没有AI的自己多出来的业务增量里。

先跑起来的人，会先被看到。

大模型的知识又多又杂，到底怎么学？

做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。

第一阶段（10天）：初阶应用

这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。

• 为什么要做 RAG

• 搭建一个简单的 ChatPDF

• 检索的基础概念

• 什么是向量表示（Embeddings）

• 向量数据库与向量检索

• 基于向量检索的 RAG

• 搭建 RAG 系统的扩展知识

• 混合检索与 RAG-Fusion 简介

• 向量模型本地部署

• …

走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。

第三阶段（约20天）：动手微调

学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

第四阶段（20天）：商业闭环，部署落地

技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：

1、大模型系统化学习路线

2、大模型学习视频教程

3、大模型学习书籍&电子文档

4、AI大模型最新行业报告

5、大模型项目实战&配套源码

6、2026大模型大厂面试真题

7、为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

8、适合谁学？

• 传统后端 / Java / 前端开发，想转型 AI 应用
• 大学生、应届生，想拿更好的 offer
• 产品经理、运营，想武装职业竞争力
• 技术负责人，想给团队落地提效

学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。

9、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。

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。