作者：Tableau
链接：https://www.zhihu.com/question/15608452195/answer/2004165025699471905
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

如果我能回到，刚毕业的时候，我会告诉我自己，别随大流，要调查研究，要独立思考。然后，结合自身实际情况，针对性补全自己的短板，确定并选择未来的就业方向。

从业这么多年，这里简单谈谈自己的看法

教员告诉我们，没有调查就没有发言权，看看大环境怎么样？

2025-2026年，大模型赛道不再相信‘名校光环’。就业数据告诉我们：纯LLM算法岗已是一片红海，而 具身智能等一些岗位，缺口较大（ 主要前面稿NLP\CV的人特别多，但是这些人往往物理方面短板严重）。

资本 “脱虚向实”（任何行业都脱离不了经济周期的影响）

2024 年底开始，AI 圈投融资，没人再追 “通用大模型基座”，具身智能（人形机器人）、AI4S（生物医药 / 材料）、自动驾驶等领域，备受资本亲赖。

纯算法岗门槛暴涨：只会调 API、简单微调的，简历直接秒挂！现在要的是能优化推理成本、解决模型幻觉的 “内核级专家”

“AI+X” 才是香饽饽：光懂 Transformer 没用，得懂行业知识（比如机器人动力学、流体力学）

具身智能薪资溢价 20%-30%：比纯互联网 AI 岗高不少，而且岗位还在激增！

人才供需错配到离谱：有人找不到工作，有人年薪百万没人抢​

给你们看组真实数据（一线城市调研），感受下 “卷王” 和 “天选之子” 的差距：

岗位层级	技术要求关键词	供需比	月薪区间（RMB）	招聘方
顶尖算法专家	Pre-training/RLHF/Scaling Law	0.3:1	60k-120k+	字节 / 阿里 / 智谱 / OpenAI 中国
资深算法工程师	SFT/RAG/ 多模态对齐	1:1	40k-70k	美团 / 快手 / 独角兽
应用开发工程师	LangChain/Prompt Engineering	3:1	20k-40k	SaaS 公司 / 传统企业数字化
初级 / 转行人员	API 调用 / 基础微调 / 数据清洗	10:1	15k-25k	外包公司 / 非核心部门

数据来源：综合整理自脉脉高聘人才智库 、猎聘2025招聘数据及行业研报（内容来源于：ai 搜索)。

哪些方向是行业洼地？

划重点：985 硕已经是 “标配”，想拿 40w + 年包或者高薪，必须避开 “应用岗红海”，盯紧 “算法岗蓝海”！

核心赛道对比：LLM / 多模态 / AIGC，哪个最适合你？

选赛道 = 选未来 5 年的职业天花板，结合 PINN 背景，直接上结论：多模态（具身智能）> AI4S > AIGC > 纯 LLM

1、纯 LLM（纯语言大模型）：皇冠上的明珠，但别碰！​

• 优点：薪资天花板最高（顶尖专家 120k / 月），是 AI 底层技术
• 缺点：

卷到飞起！NLP 博士、CV 转行者全挤这，985 硕没顶会 / 开源项目，根本进不了核心组

与 PINN 契合度： 极低（一个处理离散 Token，一个处理物理连续变量，完全不搭边）

建议：除非你有顶会一作或大厂预训练组实习经历，否则直接 pass，别做无用功！

2、多模态大模型（含具身智能）：你的 “降维打击” 赛道！​

这是 2025 年最火的赛道，没有之一 —— 连接图文音视频，还要落地到机器人、汽车上，正好需要 “懂物理” 的人才！

• 技术核心：现在已经不是简单的图文对齐了，而是 VLA（视觉 - 语言 - 动作）模型，比如让机器人 “看懂场景 + 听懂指令 + 做出符合物理规律的动作”
• 优点：

竞争蓝海：同时懂 CV+NLP + 物理的人极少

薪资高：比纯互联网岗溢价 20%-30%，具身智能算法岗校招 40k 起

抗周期：绑定制造业 / 汽车 / 机器人，不担心行业波动

与 PINN 契合度：极高！机器人需要懂重力、摩擦力，PINN 的物理约束正好能解决 “模型动作不符合物理规律” 的痛点，现在工业界超缺这种 “物理 + 多模态” 人才

举个例子：用 PINN 做物理仿真，给机器人生成训练数据，再结合 VLA 模型优化动作 —— 这个方向的项目，写进简历直接秒杀竞品！

3、AIGC（生成式 AI）：创意与工程的博弈，可当保底​

• 技术核心：扩散模型（图像 / 视频 / 3D 生成），分算法岗和应用岗
• 优点：

商业变现快，游戏 / 广告 / 电商需求大，创业机会多

• 缺点：

岗位分化严重：算法岗要高深数学（门槛高），应用岗（提示词工程师 / ComfyUI 设计）容易被替代，薪资天花板低（25k / 月）

技术迭代太快：半年一个新模型，得一直学

与 PINN 契合度：中高！现在 AIGC 的痛点是 “生成内容不符合物理规律”（比如流体形态错了），用 PINN 加物理约束，就是前沿方向（物理一致性生成）

建议：如果多模态岗位竞争激烈，可做 AIGC 算法岗保底，重点突出 “物理约束” 的差异化优势

3、AI for Science：稳健之选，WLB 友好​（如果导师资源比较好，自己有学术造诣，继续深造不失为一种好的选择！）

国家战略方向，现在工业界已经落地了 —— 比如宁德时代用 AI 加速电池材料筛选，商飞用 AI 优化气动外形，全是 PINN 的主场！

• 岗位核心：用 AI 解决科学计算问题（流体力学、材料发现、天气预报）
• 优点：

门槛高（物理 + AI 双重背景），竞争小

薪资稳：硕士起薪 25k-50k / 月，多是研究院编制

工作生活平衡好：不用卷 996，适合想长期发展的

与 PINN 契合度：极高！完全是你的老本行，不用转行，直接把 PINN 技术落地到工业场景

建议：如果不想卷互联网，华为 / 博世 / 宁德时代的中央研究院，闭眼冲！

算法岗 vs 应用岗，别踩错坑！

很多人分不清这俩，导致投错岗位全白费，用大白话给你讲明白：

算法岗（Research/Algorithm Engineer）：模型造物主

• 工作内容：读论文、设计模型架构、优化训练速度、调 Loss 函数（比如 DeepSpeed 分布式训练、KV Cache 显存优化）
• 技能要求：数学好（线性代数 / 概率论）、精通 PyTorch 底层、懂分布式框架
• 薪资：校招 40k-60k / 月，Special Offer 能到 80k+
• 适合你：必须冲！你的 PINN 背景 + 多模态技术，正好匹配具身智能等岗位，主要是工资高。

应用岗（Application/Product Engineer）：模型使用者

• 工作内容：Prompt Engineering、搭 RAG 系统、向量数据库调优、用 LangChain 编 Agent 工作流
• 技能要求：工程能力强、懂 API 特性、会业务抽象
• 薪资：校招 20k-35k / 月，天花板低
• 适合你：尽量别选！容易被替代，而且发挥不出你的物理背景优势

划重点：投简历时，直接搜 “算法工程师”，关键词盯紧 “具身智能”“多模态”“算法研究”“物理仿真”

城市怎么选?

2025-2026 就业数据：城市 + 薪资 + 面试重点

1、重点城市薪资 & 竞争度（硕士应届生年包）​

• 北京：45w-70w，竞争⭐⭐⭐⭐⭐（LLM 基座 / AI4S 主场，字节 / 百度 / 智谱扎堆）
• 上海：40w-65w，竞争⭐⭐⭐⭐（具身智能 / 自动驾驶，特斯拉 / 蔚小理 / 商汤）
• 深圳：35w-60w，竞争⭐⭐⭐⭐（AIGC / 智能硬件，腾讯 / 华为 / 大疆 / 优必选）
• 杭州：35w-55w，竞争⭐⭐⭐（电商 AIGC，阿里 / 网易 / 海康威视）
• 成都 / 武汉：25w-45w，竞争⭐⭐（游戏 AIGC / 工业软件，腾讯分部 / 赛力斯）

建议：优先冲上海（具身智能岗位多，竞争比北京小），其次深圳 / 杭州（数据来源于boss、猎聘）

2、国际市场或者外企的一些机会​（可以关注一波英伟达）

北美 / 新加坡 / 中国香港的 “Simulation AI” 岗位超适合你！NVIDIA、Siemens、Ansys 这些公司，专门招懂物理 + AI 的人才，硕士起薪比国内高，而且竞争没那么激烈

如何准备？

1、战略定位：主打 “物理 + AI” 差异化​

别跟纯计算机背景的人卷 LLM，你的标签是 “懂物理的多模态算法工程师”—— 简历、项目、面试，全程围绕这个核心！

2、技能补全计划

• 必修：深入理解 Transformer（Llama/Qwen 结构）、手写 Multi-head Attention、掌握 LoRA/QLoRA 微调
• 进阶：学 ViT（视觉 Transformer）、CLIP/LLaVA 架构、vLLM/TensorRT-LLM 推理加速
• 核心：学 NVIDIA Isaac Sim 或 MuJoCo 仿真环境，把 PINN 和强化学习结合起来（比如用 PINN 做物理仿真，训练机器人抓取）
• 项目准备：做 1 个 “杀手级项目”​

别再放 “PINN 求解偏微分方程” 这种纯学术项目了，比如跟”基于物理约束的多模态机械臂抓取仿真“这些项目粘粘边也不错，构筑自己的项目两点，比如：

• 用 PINN 构建物理模拟器，生成符合物理规律的训练数据
• 结合 LLaVA 多模态模型，实现 “视觉 - 语言 - 动作” 联动
• 用 vLLM 优化推理速度，部署到边缘端（比如 Orin-X 芯片）

这个项目能完美串联你的 PINN 背景和多模态技能，面试时绝对能让面试官眼前一亮

3、投递策略：广撒网 + 重垂直（先拿小公司试水，切忌直接投递中意的公司）

• 不局限于互联网大厂：车企（特斯拉 / 蔚小理 / 赛力斯）、硬科技公司（大疆 / 优必选 / 深势科技）、央国企研究院（电网 / 运营商）都要投
• 简历突出 3 个点：物理背景 + 多模态技术 + 工程落地能力（比如 “用 PINN 解决 XX 物理问题，提升模型泛化性 30%”）

最后说句掏心窝子的话

未来AI就业，拼的其实不是谁技术懂得多，是谁的技术更稀缺。

你的PINN背景根本不是包袱，那是通往‘物理AI’的独家入场券。纯LLM再卷，具身智能永远需要懂物理的人才。

别焦虑，把精力放在‘物理+多模态’这个差异化赛道上。毕业前补齐技能，手里捏个好项目，拿个中意的Offer，其实没那么难。

起点很重要。不循规蹈矩，以小博大，这完全可能。

书籍PDF及配套代码可点赞文章后添加小助手获取