本文对比了大模型和搜推广两大算法岗位前景。大模型领域分为基座模型(高门槛)、后训练/业务结合(需求量大)和应用开发(机会多)三个层次；搜推广则是"算法岗中的开发岗"，强调工程落地和业务适配。随着各领域积极拥抱大模型，具备相关项目经验更具竞争力。无论选择哪个方向，扎实的基础和工程能力都是关键。

---

算上今年，「算法岗哪个方向更有前景？」这个系列已经更新了三年了。每次发布都有不少同学关注，今天也来简单总结一下最近的算法岗求职现状，供大家参考，如有不同意见可以理性讨论。口下留情，谢谢。

本文只主要讨论两种岗位：大模型和搜推广，为什么不展开说其他的？不代表其他的方向不行，原因我最后会解释。

1. 大模型——不会还有算法同学不学大模型吧？

两年前，很多人对大模型的前景还保持怀疑态度，那么2025年，应该不会有算法工程师排斥大模型了吧。最近一年，肉眼可见很多大厂都开放了非常多专供大模型相关的岗位（例如宇宙厂、福报厂、鹅厂等等）。有人统计：某些大厂大模型算法类岗位竟然超过了传统开发岗。

就连很多传统行业的国央企，比如煤炭、石油、电网，都有大模型的岗位，这在两年前我是没想到的。以前也从没见过国央企如此大规模的算法类人才招聘。

运营商、金融类国央企更不必说，数据量很大，一直对数据应用很重视，大模型岗位很多。说实话，大模型应用也能真真实实帮助到相关企业提质增效。一个简单例子：语音智能客服。

写到这，感觉自己有点像“营销号”了，不过这就是事实：DeepSeek V3/R1发布后各行各业都在研究自己的业务怎么和大模型结合，先不说具体做了什么，招人是没少招啊！

那么大模型现在要求如何？很多同学问我要不要论文、实习之类的？其实大模型目前的招聘需求分层很清晰了：

（1）基座大模型团队：需求少门槛高薪资高竞争激烈。

现状：目前做基座大模型的公司其实越来越少了，相对应的【懂预训练】的人后面也不会很多。现在招人已经有这个趋势了：某个公司想做基座模型，只定向挖具体某几个团队的人，大家都懂：没有大平台，搞不了基座模型的。

求职建议：现在纠结要不要做基座大模型的同学我觉得不用纠结了，能做基座大模型的同学主要集中在国内几个头部学校、知名实验室，大家找工作基本靠传承内推。

（2）大模型后训练/结合业务的大模型算法团队：需求量大，有真实实战经验能入行。

现状：这部分岗位应该是目前大部分同学口中的「大模型算法岗」。拿着比较先进的开源基座模型，在自己的场景进行RL、SFT等后训练工作，或者结合RAG、Deep Research等技术思路做些落地应用。围绕着具体业务做事，原来用的是LSTM、BERT，现在改成了大模型，事还是一样做，工具变厉害了、效率更高了。

求职建议：学历及格（怎么算及格这里不说了）的同学专注准备半年以上可入行。简历有1-2个有深度、有精彩优化点、非烂大街的项目可以投投大中厂实习试试了。一旦拿到实习，后面的求职路线就会顺利很多。强调一点：这种岗位不严格要求论文，但是要有能拿的出的东西。

（3）大模型应用开发：不训练模型，但是能做很多落地的工作。

现状：这部分岗位现在其实是最多的，尤其体现在中小厂中。在2023年之前，其实很少有百十来人的公司搞算法应用，因为真的没有资源搞：没有显卡、没有懂训练的工程师。但是现在很多时候，靠一个大模型API+一个懂数据懂开发的工程师，真的能搞出来不错的AI应用。这是属于大多数背景普通同学的机会。

求职建议：原来做前端、客户端、开发的同学，我觉得可以多学学大模型。现在很多岗位其实更像是大模型全栈工程师，既要你能写后端服务，还希望你懂大模型。技多不压身，何况是现在最火的技术呢？最近其实真实见到几个原来的开发同学靠自学转行到大模型开发了，虽然是小公司，但是也比做传统CRUD赚的多。

总结一下：如果是IT行业从业者，不管你要不要做大模型类的岗位，多了解了解大模型吧，看看大模型现在能做哪些事情，不亏的。不然到时候被替代都不知道是为什么。

2.搜广推——算法岗中的开发岗，大模型时代也有饭吃

我记得我第一篇在🍠上关于搜推广算法的分享意外获得了不少关注。那时候，这个领域对很多在校同学来说还相对陌生。如今，在包括我在内的不少博主和从业者的科普下，简历上带有搜推广项目经历的同学已经屡见不鲜，这个方向俨然成为了算法求职的热门选项之一。

再来一遍：为什么搜广推重要？

搜索 (Search)：用户的“主动脉”。你想找信息、找商品、找服务，第一个动作就是搜。搜索体验好不好，直接决定了用户能不能高效找到想要的东西，能不能留在你的平台。优化搜索排序、提升结果相关性、理解用户意图，这里面全是算法的活儿，直接关系到用户满意度和平台效率。

广告 (Advertising)：大厂的“印钞机”。很多互联网公司，尤其是内容平台、社交平台，主要的收入来源就是广告。怎么把合适的广告精准地推送给可能感兴趣的用户，既能让广告主满意（愿意投钱），又不让用户反感（用户体验），还要最大化平台的收入？这背后就是复杂的广告竞价、用户定向、CTR/CVR预估等算法在支撑。广告收入直接关系到公司的盈利能力。

推荐 (Recommendation)：用户的“粘合剂”。信息爆炸时代，用户时间有限。推荐系统帮你“猜你喜欢”，无论是猜你喜欢的商品、新闻、视频还是音乐，目的都是让你沉浸其中，停留更长时间，发现更多价值。推荐做得好，用户就更愿意用你的产品，用户时长、留存率、活跃度都会提升。

看到了吗？搜索关乎效率和满意度，广告关乎钱袋子，推荐关乎用户粘性。这三者几乎构成了互联网产品与用户互动、实现商业价值的核心闭环。你说，大厂能不重视吗？能不持续投入大量算法工程师来优化这些系统吗？

那么，热度之下，搜索、推荐、广告（搜广推）算法工程师在即将到来的2025年，其求职前景究竟如何？我们还能像以前那样“有饭吃”吗？尤其是在大模型（LLM）风起云涌的当下？

现实：没有通用SOTA，业务效果是唯一标准

正如许多从业者感受到的，关于搜推广领域算法进展的讨论在各个平台都不绝于耳。一方面，大家感觉似乎陷入了某种瓶颈，颠覆性的突破难觅；另一方面，新模型（包括看似无所不能的LLM）层出不穷，但在实际业务中却常常遭遇“水土不服”，效果甚至不如一些“老掉牙”的经典方法。

这种普遍的感受说明了搜推广领域的一个核心现实：这是一个没有通用SOTA（State-of-the-Art）的战场，算法的价值最终，也只能通过实际业务效果（如AB实验结果）来衡量。 盲目追求论文指标上的领先，在工业界几乎没有意义。这也恰恰点明了搜广推岗位的一个核心特质：它在很大程度上是‘算法岗中的开发岗’，强调工程落地、数据驱动和业务适配，而非仅仅是理论模型的创新。 对于正在求职或考虑进入这个领域的工程师来说，深刻理解并认同这一点，远比痴迷于复现某个“最新最热”的模型更为重要。

为什么说搜广推是“算法岗中的开发岗”？（这个定位并非贬低，而是强调其工作的务实性和工程性）：

（1）强业务驱动：你的工作目标不是发论文，而是提升具体的业务指标（CTR、CVR、GMV、时长、留存等）。所有的算法选型、特征工程、模型调优都必须围绕业务目标展开。

（2）重工程落地：模型效果再好，无法高效、稳定地部署到线上服务海量用户也是枉然。你需要关注模型的推理性能、资源消耗、鲁棒性，并与工程团队紧密协作。从数据处理、特征挖掘、模型训练到线上部署、效果监控，整个链路都需要扎实的工程能力支撑。

（3）数据依赖性极强：搜广推的效果高度依赖海量、高质量的数据。如何处理脏数据、挖掘有效特征、构建实时/准实时的数据流，本身就是巨大的工程挑战。

（4）实验科学是核心：AB实验是检验算法效果的黄金标准。你需要设计、执行并科学分析AB实验结果，从中获取洞见，指导下一步迭代。这需要严谨的统计知识和工程实践。

综合来看，搜广推算法工程师在2025年及未来，依然是互联网行业的核心需求岗位，“饭碗”依然稳固，但“味道”可能变了：

（1）需求持续，但门槛提升：流量、赚钱的核心业务价值决定了需求不会消失。但随着领域成熟和人才积累，“内卷”加剧，企业对候选人的要求更高，不再满足于只会调包、复现论文，而是需要具备“全链路”视野和扎实落地能力的工程师。校招生要求低一点，但是对搜推广的整体认知也要有的。

（2）“算法+工程+业务”三位一体：纯粹的模型研究者空间可能被压缩，而能够深刻理解业务、熟练运用数据、具备强大工程实现能力、懂得如何用AB实验验证价值的“多边形战士”将更受欢迎。

（3）拥抱新技术，但保持务实：对LLM等新技术保持开放心态和学习能力是必要的，能够思考和实践新技术与现有业务的结合点是加分项。但更重要的是，能判断技术的适用场景，不盲从，始终以业务价值为导向。

（4）效率和成本意识：在当前环境下，能够设计和实现更高效、更低成本的解决方案（无论是算法层面还是工程层面）的工程师，价值将更加凸显。

总结一下：搜广推算法可能没有大模型等某些方向那么“光鲜亮丽”，但它绝对是互联网大厂的核心支柱，直接关系到用户体验和公司营收。如果你具备扎实的基础、热爱动手解决问题、对用技术驱动业务增长充满兴趣，那么搜推广领域会为你提供一个广阔且能产生巨大影响力的舞台，加油吧。

3. 为什么今年不说其他岗位了？

为什么今年不讨论其他岗位了？比如风控、自驾、视觉之类的。

两个原因：

（1）很多岗位目前在积极拥抱大模型，比如自动驾驶在搞端到端大模型。先不说能不能干成（微笑），就这个趋势决定了：简历上有大模型项目，面试官也愿意给你面试机会，即使你不懂风控/自驾/…

（2）我的粉丝，感觉求职方向慢慢都收敛到这两个方向了，也就不讲其他的了吧。

​最后

我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。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。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

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，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​