Worüber sorgen sich die AI-Praktikanten, die 1000 Yuan pro Tag verdienen?

Ein Postgraduierter der Generation 00 hat die Universität noch nicht verlassen und verdient als Praktikant einen Tageslohn von 5000 Yuan – dieser Betrag ist höher als das Monatsgehalt vieler normaler Angestellter. Nach der Übernahme in eine Festanstellung kann sein Jahresgehalt sogar 3 Millionen Yuan erreichen. Das ist die reale Situation im harten Wettbewerb um Talente im Bereich KI.

Wie mehrere Medien berichten, liegt der Tageslohn für Doktoranden in den zentralen KI-Geschäftsbereichen großer Unternehmen wie ByteDance, Tencent und Alibaba bei 5000–6000 Yuan. Selbst für gewöhnliche KI-Praktika beträgt der Tageslohn 500–1000 Yuan, zusätzlich gibt es einen Wohngeldzuschlag.

Noch bemerkenswerter ist die Steigerungsrate. Laut einem Bericht lag die akzeptable Gehaltsuntergrenze für einen gewöhnlichen Algorithmusforscher im letzten Jahr noch bei über 1 Million Yuan, in diesem Jahr ist sie bereits auf über 2 Millionen Yuan angestiegen. Daten von Zhaopin zeigen zudem, dass im ersten Halbjahr 2026 die Zahl der einstellenden Unternehmen im Bereich der künstlichen Intelligenz um 26,3 % gegenüber dem Vorjahr gestiegen ist, die Zahl der ausgeschriebenen Stellen stieg um 10,6 %. Da Nachfrage und Gehälter gleichzeitig steigen, ist es nicht mehr verwunderlich, dass Unternehmen bereit sind, noch nicht graduierten Praktikanten Tageslöhne von über tausend Yuan zu zahlen.

Wer sind die Menschen, die diese hohen Gehälter erhalten? Wir haben fünf KI-Praktikanten mit einem Tageslohn von über tausend Yuan gefunden: Einer hat zwar kein Fach studiert, das direkt mit KI zusammenhängt, hat es aber dank seiner Fähigkeiten in eine zentrale Algorithmusstelle geschafft; einer erhält einen Tageslohn von über 1500 Yuan im Talentprogramm eines großen Unternehmens und erforscht, wie man große Modelle bei der Erledigung langfristiger Aufgaben unterstützen kann; einer hat in den Basismodellteams mehrerer großer Unternehmen gearbeitet, Praktikanten mit einem Tageslohn von 2000 Yuan kennengelernt und den Unterschied zwischen gewöhnlichen Menschen und Hochbegabten klar erkannt; einer hat ohne einschlägiges Fachstudium vier Praktika absolviert und den Wechsel von Daten- über Algorithmus- bis hin zu Produktbereichen geschafft; ein anderer hatte im letzten Jahr noch einen Tageslohn von vier- bis fünfhundert Yuan, in diesem Jahr liegt er bereits bei 1200 Yuan.

Einige genießen die entspannte Atmosphäre ohne Anwesenheitspflicht und ohne KPI, andere freuen sich darüber, an der Spitze der KI-Entwicklung zu stehen – aber die meisten von ihnen stellen sich dieselbe Frage: Wie lange können sie noch in dieser „Vermögensaufbau-Bewegung“ mit dabei sein?

Im Folgenden werden ihre Geschichten erzählt.

01. Keine Anwesenheitspflicht, keine Besprechungen – aber ich bin trotzdem sehr besorgt

ZHANG Mingming | Masterstudent im Ingenieurwesen an der Tsinghua-Universität

Ich bin derzeit Masterstudent an der Tsinghua-Universität und studiere ein Ingenieurfach, das keinen direkten Bezug zur KI hat. Derzeit absolviere ich ein Praktikum im Bereich Algorithmen bei einem Finanztechnologieunternehmen, mein Tageslohn beträgt mehr als 1000 Yuan. Seit meinem Einstieg vor einem halben Jahr habe ich noch nie an einer Besprechung teilgenommen, keinen einzigen Wochenbericht geschrieben, und niemand hat mir klare KPIs vorgegeben.

Der Bewerbungsprozess war etwas holprig. Ursprünglich hatte ich mich für eine Stelle im Algorithmusbereich beworben, wurde aber nach dem Einstieg in den Entwicklungsbereich versetzt. Nach einem Gespräch mit meinem Vorgesetzten kehrte ich aber wieder in die Algorithmusabteilung zurück. Zu diesem Zeitpunkt hatte ich bereits eine Zusage von einem großen Internetunternehmen, aber nach umfassendem Vergleich waren Stelle und Vergütung bei meinem jetzigen Arbeitgeber für mich attraktiver.

Vor meinem Einstieg dachte ich, ich würde eine klare Aufgabenliste erhalten. Tatsächlich habe ich nach einem halben Jahr meine gesamte Arbeit selbst erkundet – die wichtigste Berichtsform besteht darin, regelmäßig mit meinem Mentor den Arbeitsfortschritt abzustimmen.

Meine Aufgabe besteht darin, Modelle mit geringer Parameteranzahl zu trainieren, um Probleme zu lösen, die im internen Geschäftsbetrieb des Unternehmens auftreten. Dieser Bereich befindet sich derzeit noch in der frühen Erkundungsphase, das Unternehmen stuft dieses Modell als experimentelles Geschäftsfeld ein. Nur wenige Menschen verstehen das Thema, und weder das Unternehmen, mein Mentor noch ich sind sich sicher, ob es wirklich erfolgreich werden kann – auch die Frage nach der Bewertungsmethode ist unklar.

Ich arbeite nicht an einem generischen Modell, die Referenzwerte öffentlicher Ranglisten sind nur begrenzt nutzbar. Es gibt nur wenige objektive Indikatoren, auf die ich zurückgreifen kann – im Grunde kann ich nur auf unterliegende Kennzahlen wie die Perplexität zurückgreifen, ergänzt um intern erstellte Testdatensätze. Zwischen diesen Indikatoren und der tatsächlichen Geschäftswirkung besteht aber eine Lücke. Um die Qualität eines Modells wirklich zu beurteilen, verlässt man sich daher mehr auf subjektive Eindrücke: Man erkennt direkt, ob die Antwort flüssig ist und das Format den Anforderungen entspricht, aber es ist schwierig, dies konkret zu bewerten.

Einmal habe ich, um bessere Modellergebnisse zu erzielen, die Parameteranzahl von unter 1B auf 2B erhöht – die Wirkung hat sich tatsächlich verbessert. Aber es gibt keine klaren Erkenntnisse, ob eine weitere Erhöhung praktikabel ist, und mein Vorgesetzter hat weder zugestimmt noch abgelehnt. Gleichzeitig bin ich schon oft auf Probleme gestoßen: Zum Beispiel habe ich die Qualität der Vortrainingskorpora in der Anfangsphase zu wenig beachtet, was zu einer nicht zufriedenstellenden Modellleistung geführt hat. Aber egal ob Erfolg oder Misserfolg – ich erkunde das meiste selbst, das Unternehmen mischt sich nicht ein.

Meine derzeitige Arbeit ist im Vergleich zu der in großen Internetunternehmen sicher nicht überlastet. Ich komme um halb elf Uhr morgens ins Unternehmen, mache eineinhalb Stunden Mittagspause, esse um fünf Uhr abends zu Abend und mache einen Spaziergang, bevor ich bis etwa acht Uhr abends arbeite und dann nach Hause gehe. Das Unternehmen übernimmt die Verpflegung, Fahrten mit dem Taxi werden erstattet, und es gibt keine Anwesenheitspflicht.

Was das Gehalt angeht: Es wird nach Tagen berechnet und monatlich ausgezahlt. Bei meinem Einstieg lag es bei 1000 Yuan, später wurde es einmal erhöht. Dieser Preis ist nicht von mir ausgehandelt worden – das Unternehmen behandelt alle Praktikanten gleich, für Algorithmus- und Entwicklungsstellen gilt derselbe Standard.

Oft werde ich gefragt, ob die hohen Gehälter für KI-Praktikanten von großen Unternehmen durch den Wettbewerb in die Höhe getrieben werden. Meine Erfahrung ist anders. Jedes Unternehmen beurteilt selbst, ob die Fähigkeiten des Bewerbers dem Preis entsprechen. Ich habe mich auch bei führenden Unternehmen für große Modelle beworben, aber schon im Bewerbungsstadium wurde ich abgelehnt – sie legen mehr Wert auf passende Publikationen in Top-Konferenzen, die ich nicht vorweisen kann. Das zeigt gerade: Hohe Gehälter entstehen nicht durch den Wettbewerb großer Unternehmen, sondern hängen davon ab, ob man den Standards eines bestimmten Unternehmens entspricht.

Aber selbst wenn ich diese Standards erfülle, ist meine Besorgnis nicht gering – die Entwicklung der KI ist einfach zu schnell. Als ich im letzten Jahr mein Praktikum begann, musste ich noch jede Zeile Code selbst schreiben, in diesem Jahr brauche ich das kaum noch. Diese Entwicklungsgeschwindigkeit lässt mich nicht wissen, wo die Obergrenze der KI liegt – und ich fürchte, dass sie eines Tages sogar die Aufgabe „KI zu erforschen“ selbst erledigen kann.

02. Tageslohn über 1500 Yuan, keine KPI – aber die Zugangsvoraussetzungen werden jedes Jahr höher

LIN Chuan | Doktorand im KI-Bereich an der Peking-Universität

Ich promoviere an der Peking-Universität im Fach Intelligente Wissenschaft und Technologie, mein Forschungsschwerpunkt liegt auf Agentic RL (verstärkendes Lernen für intelligente Agenten), ich habe bereits mehrere Publikationen in Top-Konferenzen veröffentlicht.

Anfangs hatte ich nicht geplant, so früh mit einem Praktikum anzufangen. Später hat mich eine Personalmitarbeiterin von Tencent kontaktiert und gefragt, ob ich am „Qingyun-Programm“ teilnehmen möchte – erst dann habe ich mich mit den Talentprogrammen verschiedener Unternehmen befasst und mich bei mehreren beworben. Bei Jingdong war der Prozess sehr schnell, nach zwei Gesprächen erhielt ich die Zusage, also habe ich mich entschieden, dort für eine Weile zu arbeiten.

Vor meiner Bewerbung habe ich online Diskussionen über die Vergütung der verschiedenen Talentprogramme gelesen, daher hatte ich keine sehr hohen Erwartungen an das Gehalt bei Jingdong. Später lag das angebotene Gehalt deutlich über meinen Erwartungen, hier gilt das Prinzip „ein Gehalt pro Person“, mein Tageslohn übersteigt 1500 Yuan, die genaue Zahl kann ich nicht nennen. Neben dem Gehalt stellt das Unternehmen kostenlose Talentapartments zur Verfügung, zwei Praktikanten aus dem Talentprogramm können sich eine etwa 100 Quadratmeter große Wohnung teilen. Der Essenszuschlag folgt dem normalen Standard des Unternehmens: 20 Yuan pro Person und Mahlzeit, das Abendessen ist kostenlos.

Nach meinem Einstieg habe ich zuerst mit meinem direkten Vorgesetzten besprochen, welche Forschungsrichtungen es in der Abteilung gibt, und dann diejenige ausgewählt, die mich interessiert. Da ich mich für Agenten interessiere, habe ich diesen Bereich gewählt.

Hier arbeiten Praktikanten meist an explorativen Projekten, die keinen sehr engen Bezug zu konkreten Geschäftsabläufen haben. Mein Hauptfokus liegt darauf, wie man durch verstärkendes Lernen Modelle dazu bringen kann, langfristige Aufgaben zu erledigen. Ich komme täglich gegen 9 oder 10 Uhr ins Unternehmen, meine tägliche Arbeit besteht hauptsächlich darin, Modelle zu trainieren, Recherchen durchzuführen, experimentelle Ergebnisse auszuwerten und dann die Lösungen anhand der Ergebnisse zu verbessern.

Wie ich das konkret vorantreibe, muss ich selbst strukturieren. Wenn zum Beispiel zuerst keine Umgebung zum Ausführen von Code und Trainieren von Modellen vorhanden ist, muss ich diese zuerst aufbauen. Wenn ich feststelle, dass die Algorithmusleistung nicht gut genug ist, passe ich den Algorithmus an, trainiere das Modell erneut und beobachte die experimentellen Ergebnisse. Diese fortlaufenden Fortschritte sind auch Inhalt jeder Berichterstattung. Ich berichte einmal pro Woche meinem direkten Vorgesetzten und einmal im Monat einem Vorgesetzten auf höherer Ebene. Das Unternehmen hat mir keine klaren KPIs vorgegeben, die Regelungen sind sehr flexibel, und es wird nicht verlangt, Überstunden zu machen. Da ich aber für meine Promotion noch Publikationen und die Abschlussanforderungen erfüllen muss, investiere ich freiwillig mehr Zeit in diese Ziele.

Wenn Außenstehende von KI-Praktikanten hören, ist das häufigste Missverständnis, die Höchstgehälter einiger weniger als übliche Vergütung für alle anzusehen. Tatsächlich besteht aber ein großer Unterschied im Gehalt zwischen gewöhnlichen KI-Praktikanten und Praktikanten im Rahmen von Talentprogrammen. Selbst wenn alle an Modellen und Algorithmen arbeiten, hängt die konkrete Vergütung von der Universität, den Veröffentlichungsergebnissen, der Forschungsrichtung und davon ab, ob man genau die Person ist, die das Unternehmen derzeit braucht. Die Aufgaben, die sie erledigen, müssen sich aber nicht stark unterscheiden. Am Beispiel von Jingdong: Theoretisch können alle ähnliche Aufgaben übernehmen, der Unterschied liegt hauptsächlich in der Geschwindigkeit und Qualität der Erledigung – Praktikanten aus dem Talentprogramm arbeiten meist schneller und liefern bessere Ergebnisse.

Die Zugangsvoraussetzungen für die Einstellung in Talentprogrammen werden jedes Jahr höher. Nach meinen Informationen ist die Zahl der Praktikumsplätze in diesem Jahr teilweise geringer als im letzten Jahr, auch der Anteil der Praktikanten, die in eine Festanstellung übernommen werden, ist gesunken. Die Zahl der Plätze geht zurück, die Gehälter sinken aber nicht, sie sind sogar noch gestiegen – denn Unternehmen haben nach wie vor Bedarf an führenden KI-Talenten und sind bereit, hohe Preise zu zahlen, aber sie stellen weniger Talente im mittleren Bereich ein. Dadurch konzentrieren sich die hohen Gehälter auf weniger Menschen, und die Hürden, diese Chancen zu erhalten, werden höher.

Ich mache mir keine großen Sorgen, von nachfolgenden Mitarbeitern ersetzt zu werden oder mit meinen Fähigkeiten nicht Schritt zu halten – ich glaube, dass ich mich stetig weiterentwickle. Ich bin auch zuversichtlich, was die Aussichten der KI-Entwicklung angeht: In Zukunft möchte ich an einem Ort arbeiten, der sich mit Basismodellen befasst, und die Forschung an künstlicher allgemeiner Intelligenz (AGI) vorantreiben.

03. Nachdem ich einen „KI-Genie“ kennengelernt habe, zweifle ich daran, ob ich mich weiterhin diesem harten Wettbewerb aussetzen soll

CHENG Yuan | Doktorand im Informatikfach an einer Universität in Peking

Ich bin Doktorand an einer Universität in Peking. In den letzten Jahren habe ich als Algorithmenpraktikant in den Basismodellteams mehrerer großer Unternehmen gearbeitet und war auch Teil eines Talentprogramms für große Unternehmen.

Ein Basismodellteam gliedert sich grob in die Bereiche Daten, Algorithmen und Architektur. Ich habe an Nachschulungsprozessen gearbeitet und auch an der Verbesserung der Modellfähigkeiten mitgewirkt. Wenn Aufgaben anstehen, zum Beispiel die Verbesserung einer bestimmten Fähigkeit, bereite ich Daten vor, führe Trainings durch, laufe Experimente und passe die Ergebnisse an. In forschungsorientierten Gruppen entsteht am Ende oft eine Publikation, in geschäftsorientierten Gruppen werden Daten und Trainingsergebnisse in die nächste Version des Modells integriert.

Praktikanten haben in der Regel keine klaren KPIs. Wenn das Modell gerade veröffentlicht wurde und die Arbeit nicht viel Zeit in Anspruch nimmt, kann man auch selbst an eigenen Publikationen arbeiten und explorative Projekte durchführen. Oft handelt es sich um eine Mischung aus Forschung und Ingenieurarbeit.

Mein direktester Eindruck von dieser aktuellen KI-Welle kommt tatsächlich von den Gehältern.