Werfen Unternehmen wild AI - Studiengänge auf den Markt, aber können keine passenden Mitarbeiter finden?

Bei der Rekrutierung für den Jahrgang 2026 machen AI-Stellen bei Baidu 90 % aus. Im Gegensatz dazu haben die kleinen und mittleren Unternehmen mit ihren Rekrutierungsanzeigen nur wenige Klicks. Beide repräsentieren die beiden Extreme eines gleichen Kampfes.

Laut Presseberichten haben kürzlich Internetriesen wie Baidu, ByteDance, Alibaba und Tencent die Rekrutierung für den Jahrgang 2026 gestartet und die Anstellung von Fachkräften im Bereich Künstliche Intelligenz (KI) verstärkt. Aus Sicht der Nachfrage sehnen sich die Spitzenunternehmen nach Talenten, und der Wettlauf um Talente hat einen Höhepunkt erreicht. Dagegen haben viele kleine und mittlere Unternehmen Schwierigkeiten, Mitarbeiter zu rekrutieren. Aus Sicht der Angebotssseite haben Spitzentalente mehrere Jobangebote auf dem Tisch, und ein Jahresgehalt von 300.000 Yuan gilt als "Mindestlohn". Viele Bewerber jedoch befinden sich in der Hölle des Massenbewerbs und beklagen die "Involution" auf dem Arbeitsmarkt.

Ich möchte die Gründe hinter diesen Phänomenen analysieren und hoffe, dass dies Ihnen einige Anregungen gibt.

01

Zunächst betrachten wir den Rekrutierungsmarkt

Von Baidu, ByteDance, Alibaba und Tencent bis hin zu Huawei, Meituan, JD.com, Kuaishou, Xiaomi, Pinduoduo und Ant Group ist die Rekrutierung für Studenten in eine Ära gekommen, in der KI die Königsklasse ist. Die großen Unternehmen legen immer mehr Wert auf die Rekrutierung von Studenten, und die Funktionsgliederung in der KI-Branche wird immer deutlicher:

Baidu: KI-Stellen machen mehr als 90 % aus. Bei der Rekrutierung für den Jahrgang 2026 plant Baidu, mehr als 4.000 Arbeitsverträge zu vergeben, wobei mehr als 90 % auf KI-verwandte Stellen konzentriert sind, insbesondere in den Bereichen Large Language Models, Multimodalität, KI-Anwendungen und Fahrerlose Automatisierung.

ByteDance: Auch hier machen KI-Stellen 90 % aus. Es werden über 5.000 Stellen angeboten, und die Anzahl der Stellen in der Forschung und Entwicklung hat im Vergleich zum Vorjahr um 23 % zugenommen. ByteDance hat auch spezielle Programme wie das "Top Seed Talent Program" und das "Jindouyun Talent Program" ins Leben gerufen, die sich auf Spitzenbereiche wie Large Language Models, KI-Sicherheit, AIGC und Cross-Modalität konzentrieren.

Alibaba: KI-verwandte Stellen machen 60–80 % aus, einschließlich Algorithmen, KI-Produktmanager, Künstliche Digitalpersonen, Medizinische KI und Embodied Intelligence.

Andere Unternehmen: Ein ähnlicher Trend beschleunigt sich. Laut Berichten von Yicai haben die großen Unternehmen wie Alibaba, Tencent, Baidu und ByteDance im Allgemeinen einen hohen Anteil an KI-Rekrutierungen. Beispielsweise gibt es von den 10.000 Stellen, die ByteDance rekrutiert, 2.353 KI-Stellen.

Einige Screenshots der KI-verwandten Stellen bei der Rekrutierung für den Jahrgang 2026 von Baidu, ByteDance, Alibaba und Tencent sind unten aufgeführt:

Quelle: Internet

02

Als nächstes betrachten wir die Ausbildungssituation in China

Welche Universitäten setzen Schwerpunkte auf KI-Fächer?

Im Jahr 2018 hat das Bildungsministerium den "Innovationsaktionsplan für Künstliche Intelligenz an Hochschulen" veröffentlicht, um die Gründung von KI-Fakultäten/Instituten, interdisziplinären Plattformen und Mechanismen für die Zusammenarbeit zwischen Industrie, Hochschule und Forschung zu fördern. Die KI hat damit in eine Phase der systematischen Planung eingetreten. Die "Double First-Class"-Universitäten und Universitäten mit starken Ingenieurwissenschaften setzen weiterhin auf die KI-Branche: Das Institute for AI Industry Research (AIR) an der Tsinghua-Universität, die School of Artificial Intelligence an der Peking-Universität, die KI-verwandten Fakultäten/Zentren an der Shanghai Jiao Tong-Universität und die interdisziplinäre KI-Forschungsplattform an der Zhejiang-Universität haben Forschung und Ausbildungssysteme rund um "KI + Industrie/Wissenschaft" aufgebaut.

Das "Verzeichnis der Bachelorstudiengänge an gewöhnlichen Hochschulen" hat "Künstliche Intelligenz", "Intelligente Wissenschaft und Technologie", "Data Science und Big Data Technologie", "Robotik-Engineering" und andere Fächer als Schlüsselstudienfächer festgelegt. Die Universitäten bieten auch KI-Richtungen in den Fächern Informatik, Automatisierung und Elektronische Information an. In den letzten Jahren hat sich die Anzahl der Bachelorstudiengänge in KI rasch erhöht. Laut Statistiken von Medien und Universitäten bieten bereits etwa 500 Universitäten einen Bachelorstudiengang in "Künstliche Intelligenz" an, und diese Zahl wächst weiter!

Die Spitzenuniversitäten haben kürzlich die Rekrutierung für "Strategiefächer" (einschließlich KI, Chips, Computermathematik usw.) erweitert, um den Anforderungen der neuen Produktivkräfte und der industriellen Aufwertung gerecht zu werden. Repräsentiert durch die gemeinsamen Labore/Praktikumsangebote von Unternehmen wie AIR an der Tsinghua-Universität, Alibaba/Alibaba DAMO Academy, Tencent AI Lab und Baidu wird der Schwerpunkt auf "reale Daten + reale Szenarien + technische Umsetzung" gelegt.

03

Als nächstes überlegen wir uns, warum Angebot und Nachfrage unausgeglichen sind

Das "heiße" Ende: Spitzentalente werden heftig umworben. Spitzenunternehmen in der Internet- und Large Language Model-Branche stellen KI-Stellen in den Mittelpunkt ihrer Rekrutierung für Studenten. Nehmen wir Baidu als Beispiel. Bei der Rekrutierung für den Jahrgang 2026 machen KI-verwandte Stellen mehr als 90 % aus, und es werden Stellen in allen Bereichen wie Large Language Models, Multimodalität, Trainingsframeworks und Cloud-Nativität angeboten. Es werden eine große Anzahl von Arbeitsverträgen vergeben, und es gibt auch spezielle Eliteprogramme. In der Branche wird häufig berichtet, dass die "Top-Auszahlungen für Studenten" ständig steigen, und ein Jahresgehalt von 300.000 Yuan wird als "Mindestlohn" angesehen. Diese Phänomene werden oft in Medienberichten und Branchengruppen diskutiert.

Das "kalte" Ende: Kleine und mittlere Unternehmen können keine Mitarbeiter rekrutieren, und normale Absolventen geben auf. Laut Arbeitsmarktsplattformen und Forschungsberichten besteht ein Rekrutierungsboom in KI-verwandten Stellen, aber es gibt auch strukturelle Lücken. Das Angebot ist "geschichtet". Die Unternehmen wünschen sich Bewerber, die über "direkt einsetzbare technische und praktische Erfahrungen" verfügen (Datenverwaltung, Training/Evaluation und MLOps, Inference und Servicierung, A/B-Testung und Überwachungssysteme), was jedoch die Schwäche der meisten Studenten ist. Die makroökonomischen Beschäftigungsdaten zeigen auch strukturelle Widersprüche: Der Gesamtdruck und die strukturellen Lücken gehen Hand in Hand, was zu "Schwierigkeiten beim Massenbewerb und der genauen Anpassung" führt.

Was sind die Schlüsselfaktoren für diese Diskrepanz?

Fähigkeitsmismatch: Die Kurse legen den Schwerpunkt auf Theorie und Algorithmen, während die Unternehmen mehr Wert auf die integrierte technische Fähigkeit in den Bereichen "Rechenleistung - Framework - Daten - Evaluation - Inbetriebnahme" und das Verständnis von interdisziplinären Szenarien legen. Es besteht immer noch eine Kluft zwischen dem "Projektzyklus" an den Universitäten und dem "Produktionszyklus" in den Unternehmen.

Rechenleistung und Datenbarrieren: Kleine und mittlere Unternehmen fehlen an öffentlicher Rechenleistung, hochwertigen Sprachdaten und Bewertungssystemen. Sie können die vollständige Kette von "Training - Iteration - Inbetriebnahme" nicht bewältigen und neigen daher dazu, die wenigen "sofort einsetzbaren" Talente zu rekrutieren.

Geographische und Plattformseffekte: Die ersten und starken zweiten Stufenstädte sowie die Spitzenplattformen verfügen über bessere Rechenleistung, Daten, Szenarien und Gehälter. Das Talent konzentriert sich daher weiter auf wenige Plattformen.

Fehlkonzeption der Stellen: Viele Bewerber equieren "KI = Algorithmenforschung", aber der zunehmende Bedarf der Unternehmen stammt hauptsächlich aus "grauen Stellen" wie KI-Engineering, Anwendungsentwicklung, Daten und Evaluation, Sicherheit/Verwaltung usw.

Unebenheit bei der Bewertung und Praktikumsangeboten: Die Plätze für hochwertige Forschung, Wettbewerbe und Praktika sind auf wenige Spitzenfakultäten und Städte konzentriert, was die "Laufbahnunterschiede" vergrößert.

04

Wird der "Matthäus-Effekt" verschärft?

Zunächst die Antwort: Ja! Kurz- bis mittelfristig zeigt sich in der KI-Branche ein Trend, dass die Starken immer stärker werden. Dieser Trend hat seine logischen Gründe in Effizienz und Skaleneffekten (Rechenleistung, Daten, Ökosystem und Markenkooperation). Wenn es jedoch keine "Verbreitung" auf institutioneller und infrastruktureller Ebene gibt, werden die negativen Auswirkungen auf die Gesellschaft zunehmen:

Chancenungleichheit: Die besten Stellen, Betreuer, Rechenleistung, Daten und Praktikumsplätze konzentrieren sich weiter auf wenige Plattformen und Städte.

Industriepolarisierung: Die Spitzenunternehmen laufen in einer Schleife von "Modell - Plattform - Anwendung", während die Unternehmen in der Schwanzspitze sich auf "Zweitverpackung/Niedrig-Code-Nutzung" konzentrieren. Die Vorteile der Spitzentechnologie werden nicht ausreichend weitergegeben.

Educational Involution: Die Universitäten erweitern ständig die Rekrutierung und eröffnen neue Studiengänge, können aber die Lücke zwischen "Technik - Industrie" nicht schnell schließen, was zu einem strukturellen Widerspruch zwischen "Rekrutierungsboom - Beschäftigungsschwierigkeiten" führt.

Regionale Differenzierung: Die Unterschiede in der regionalen Rechenleistung, Daten und Anwendungsökosystem vergrößern die Ungleichgewichtung des Talentflusses.

Gibt es eine Lösung? Ich denke, unabhängig davon, ob die Probleme kurzfristig gelöst werden können, müssen alle Seiten diese Probleme ernst nehmen:

Kleine und mittlere Unternehmen: Senken Sie die Einstiegshürden und konzentrieren Sie sich auf die Anwendung.

Verwenden Sie Open-Source- und Plattformtechnologien, um die Fehlertoleranzkosten zu senken. Setzen Sie vorzugsweise etablierte heimische Ökosysteme für Proof of Concept (PoC) und iteratives Vorgehen ein. Diese Plattformen bieten Modelle, Toolketten und Community-Beispiele, um die Personalkosten und die Rechenleistungshürden zu senken. Stellen Sie die Stellen neu auf: Teilen Sie die Aufgaben "Modelltraining/Evaluation/Inbetriebnahme" in technische Teilaufgaben auf (Daten/Evaluation/MLOps/Anwendungsfront- und Backend/Sicherheitsverwaltung) und rekrutieren Sie "T-förmige" Talente mit technischen und geschäftlichen Kompetenzen. Zusammenarbeit und gemeinsame Nutzung: Verbinden Sie sich mit gemeinsamen Labore an den Universitäten und örtlichen "Rechenleistungsgutscheinen/öffentlichen Rechenleistungszentren". Verwenden Sie die Methode "Förderung der Forschung durch Wettbewerbe und Einbindung von Stellen durch Projekte", um potenzielle Studenten zu identifizieren und frühzeitig eine Partnerschaft zwischen Hochschule und Unternehmen aufzubauen, in der "Sie es nutzen können, und ich es einsetzen kann".

Universitäten und Fakultäten: Schließen Sie die Lücke in der "letzten Meile der Technikumsetzung".

Integration von Kursen und Technikumsetzung: Aufbauend auf "Mathematik + Algorithmen" stärken Sie die Datenverarbeitung, die Evaluation und das Alignment, die Servicierung und die A/B-Testung, die Überwachung und die Sicherheit. Die Kurse sollten von realen Unternehmensdaten und Szenarien angetrieben werden. Verbinden Sie die Abschlussanforderungen mit der Praxis: Verwenden Sie "reproduzierbare technische Projekte + standardisierte Berichte + Open-Source-Repositories" als Nachweis für die Abschlussfähigkeiten und fördern Sie die Entwicklung von Plattformen für die gesamte Kette von "Modell - Daten - Evaluation - Deployment" an der Universität. Führen Sie eine moderate Spezialisierung und Vertiefung parallel durch: Fördern Sie die Gründung von interdisziplinären Studiengängen "KI + X" (Naturwissenschaften, Ingenieurwissenschaften, Landwirtschaft, Medizin, Geisteswissenschaften) und ermutigen Sie die gemeinsame Ausbildung von Doktoranden und Ingenieur-Master-Studenten mit der Industrie. Transparenz der Informationen: Veröffentlichen Sie jährlich eine Weißbuch über die Rekrutierungsgröße der Studiengänge, die Beschäftigungsrichtungen und die Anforderungen an die technische Umsetzung, um "nur Erweiterung, keine Förderung" zu vermeiden. (Hinweise auf die Politik und die Trends finden Sie im Aktionsplan des Bildungsministeriums und den Rekrutierungsplänen der Universitäten.)

Bewerber: Von den "Algorithmus-Träumen" zur "echten technischen Kompetenz".

Schließen Sie die Lücken in Ihren Fähigkeiten um die "ganze Kette": Daten → Training → Evaluation → Servicierung → Überwachung/Sicherheit. Wenn Sie in einer dieser Bereiche in der Lage sind, "technische Umsetzung und Reproduzierbarkeit" zu gewährleisten, haben Sie einen deutlichen Vorteil. Portfolio-Orientierung: Wählen Sie 2 - 3 real ausführbare Projekte aus (einschließlich README, Umgebung, Testdaten und Skripten