作者介绍：
Max，肖玛峰 TTC 创始人，业内称为“中国最会找 AI 人才的猎头”
Simon，米可世界 AI Lab 负责人
孙源青，华泰证券人力资源部副总经理
Q：企业需要什么样的算法人才？看重哪方面的能力和经验？
Max：从 2024 年起，市场对算法人的认知已经发生了变化，搜索、推荐、 广告已经不再是炙手可热的“万能岗”，特别是广告算法，正在被智能生成、Agent 营销等方式重构。招聘方更关心你是否能快速上手大模型，是否有 Agent 工作流经验，是否具备跨角色协作能力。
很多候选人会问我们：“你们客户到底想要什么样的算法人？” 我们想说的是：不一定是技术最强的，但你得是最快能上手、最能落地、 最能协同的那种人。
以下是我们真实业务中，最受欢迎的几类算法人画像：
-
能用大模型搭 Demo 的人
不是调包写论文，而是能用开源模型（如 Baichuan、InternLM）搭出业务 Demo，哪怕简单粗糙，也能说明问题。 -
能站在产品视角思考的人
不只是写代码，而是会问一句“这个功能用户用起来爽不爽？”“能不能提效？” -
能带新人的 Leader
有过项目拆解经验、懂协作节奏，哪怕不当管理岗，也能带年轻人快速融入。 -
跨界生长的人
比如有算法背景但熟悉垂类场景（医疗/金融/制造），或从传统 AI 转向 AI-Native，有过 Prompt Engineering 实践。
现在企业看人，先看这个人能不能跑通大模型技术链条，再看是不是能对业务“起作用”。招聘逻辑也从“看学校/看过往”变成了“看迁移能力”和“上手能力”。
我们真实观察下来，有几类人特别容易拿到 Offer：
- 搞过一两个开源大模型调优项目，有演示记录
- 知道现在的基础模型有哪些，知道怎么选、怎么接业务
- 能讲清楚自己做过的项目是“为了解决哪个业务问题”
- 不拧巴，能接受初创节奏，也能自驱成长
- 简历里写的技术栈是“贴近今年的”，而不是几年前的
一句话：有技术，有业务 sense，能落地，能解决问题。
纯管理岗反而并不容易拿到 Offer。虽然很多技术人做到一定年限后，选择走管理路线。但在 AI 公司里，项目早期比拼的是谁能“真动手”，不是谁能做 PPT、拍脑袋。我们见过不少做过 AI 组长 / 推荐算法TL 的候选人，因为几年没下手写代码、没追过模型更新，最后连三轮都进不去。客户一句话：“我们现在是从 0 到 1 阶段，不是做流程，是做 Demo。” 这是客户对团队落地节奏的刚需。
Simon：其实这是一个根据业务要求，因人而异的事。以米可 AI Lab 为例，因为主要针对应用层，会比较看重业务方面、学习能力、工程交付能力。
Ta 最好还是一个有趣、有追求的人。
业务方面是指业务理解力。比如说对于文字生成类的算法工程师，因为业务中会生成比较多的泛娱乐相关的内容，会希望大家对于网文、电影、短剧等有一定了解，知道相关的梗，比如说赘婿翻身、霸道总裁这些桥段，至少需要有了解，也能 get 到其中的乐趣点。再比如图像算法工程师，因为要处理超写实的美术风格，所以希望大家对于比如光影、皮肤质感这些是有审美的。如果能够有直接对口的业务经验、关注和解决过类似问题就是最好的。
学习能力的话，是因为从应用层的角度来说，我们需要用到的技术普遍有 paper 可以看，以及在现在 AIGC 的技术日新月异，隔一段时间就会出一些新东西，有经验或没经验的人某种程度上又处在了同 一条起跑线上。所以我们更看重大家能不能熟练地查找 paper、理 解 paper，这个里面当然也就包括了很好的英文阅读理解能力，以及举一反三的能力。
工程交付能力是指在（我们）业务当前阶段，大家拼的更多是工程团队的落地效率。所以代码能力、设计能力、沟通协作、理解需求等等这些开发人员应该具备的基础能力还是要有的。
也希望大家可以是有趣、有追求的人，也是因为在做的过程当中，需要把生成效果调得很好看、很有意思。这个过程中间有很多 prompt 调整的事情。如果光靠产品经理或者美术去不断反馈，效率比较低，所以如果工程师是一个自己希望创造有趣的、创造美的性格，自己会去钻研怎么达成这些效果，效率会提高很多。
孙源青：算法工程师作为 AI 研发的主力，需要普遍提升 AI 及大模型的理解认知，相比于其他岗位要求范围更广、程度更深，能够更好地联系业务场景和算法需求，辅助应用研发。技能方面，对于 AI 及大模型技术的深度挖掘，尤其是对于模型训练优化等技术有更高的要求。初级算法工程师需掌握基本机器学习与深度学习算法，了解主流框架，能在指导下参与简单项目，优化基础模型；中级的要有项目经验，独立开发复杂模型，会调优算法提升性能；高级的则要精通前沿算法与技术，主导研发创新，解决难点问题，带领团队攻克难题。
精选留言