孙秀龙1. 大模型岗位全景解析：从算法到Infra的完整指南
大模型技术正在重塑整个科技行业的人才需求格局。作为一名在大模型领域摸爬滚打多年的从业者，我经常被问到这样一个问题："这些五花八门的大模型岗位到底有什么区别？"确实，当算法工程师、Agent开发、Infra工程师这些岗位同时出现在招聘网站上时，别说刚入行的小白，就连有经验的程序员也容易犯迷糊。
记得三年前我刚接触这个领域时，大模型岗位还只是少数头部企业的专属，而现在，从互联网巨头到初创公司，几乎都在组建自己的大模型团队。这种快速扩张带来了岗位定义的模糊性——同样的"大模型工程师"头衔，在不同公司可能意味着完全不同的工作内容。本文将基于我在多家企业参与大模型项目落地的实际经验，为你拆解这个新兴领域的岗位矩阵。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 大模型算法工程师：理论与落地的双轨制
2.1 基座模型岗：大模型领域的"造车人"
基座模型研发是整个大模型产业链的最上游，相当于为行业制造"发动机"。这类岗位通常分为三个技术流派：
理论派 的工作就像汽车设计师，专注于Transformer架构的底层创新。我曾参与过一个MoE（混合专家）模型的研发项目，团队花了三个月时间仅仅为了优化注意力机制中的稀疏性计算。这类工作需要扎实的数学功底，每天的工作就是推公式、改架构、跑实验，一个创新点往往需要反复验证数十次。
工程派 则更像汽车工厂的流水线工程师。去年我负责过一个千卡集群的预训练项目，从数据清洗、分布式训练到损失函数监控，每个环节都需要精细调优。这里有个真实案例：我们发现当模型规模超过100B参数时，传统的数据并行策略会导致显存溢出，最终通过引入3D并行（数据+模型+流水线并行）才解决问题。这类工作对工程能力要求极高，需要熟悉CUDA、MPI等底层技术。
能力派 是近年来兴起的方向，重点培养模型的"行为能力"。以我参与开发的GUI Agent项目为例，我们不仅需要让模型理解界面元素，还要教会它像人类一样点击、滑动等操作。这类工作最大的挑战是reward设计——如何定义"好的操作"？我们最终采用了多层次奖励机制：基础操作正确性+任务完成度+人类偏好评分。
2.2 应用算法岗：行业落地的"驾驶员"
应用算法工程师更像是把基座模型"开"到具体场景的司机。我在金融领域做过一个智能投研助手项目，