在AI大模型这一高度内卷的领域，每天都有对“高薪”的全新认知被刷新。

当传统互联网巨头仍在为“降本增效”、压缩人员编制及减少年终奖而烦恼时，AI核心研发团队的薪酬却像脱缰的野马，飙升到了一个令人震惊的程度。

最近有消息称，DeepSeek（深度求索）为清华大学姚班的一名实习生开出了税前日薪5500元的条件。按每月22个工作日计算，这位实习生的月薪将超过12万元。要知道，公开的大模型实习生日薪通常仅在500至1000元之间。5500元的日薪，被普遍认为不仅突破了“实习生”的范畴，也打破了传统互联网行业的薪酬上限。

然而，这并非特例。据《雷锋网》等媒体报道，国内互联网巨头虽然在整体上削减招聘名额，但在顶尖AI人才方面，却极其一致地突破了薪资限制。据报道，某些基础模型方向的优秀应届毕业生，年薪已达到200万元；字节跳动Seed团队和小红书的最高报价，据猎头透露甚至达到400万至500万元；百度的薪资范围也在200万至300万元之间。需要说明的是，这些数字大多来自猎头访谈和行业传闻，属于最高档报价或个别案例，并非公司官方统一薪酬标准。

在这场合法的“抢钱”与“抢人”竞赛背后，一个更为棘手、也更残酷的组织管理危机正在巨头内部蔓延：薪酬倒挂。

当实习生比Leader赚得多：撕裂的组织

“薪酬倒挂”在互联网行业并非新概念，但在AI时代，它被放大到了极其夸张的程度。

有消息指出，由于高薪挖角，某些新员工甚至实习生的薪资，已经高于集团内的老员工。另有一种网络流传的说法称，为维持团队平衡，一些公司曾考虑或试行某种防御机制：如果新员工的薪资高于老员工，需由多位老员工进行评分，只有达到门槛才能通过。这类说法目前多停留在传闻层面，尚难独立交叉验证，但它折射出大模型公司内部可能存在的巨大撕裂感。

一位资深工程师回忆，类似的问题早在2017年移动互联网巅峰期就已出现。当时一个比他低一级的应届毕业生，晚一年入职，月薪却比他高出1万元。在那时，一个30多人的团队，曾创下每月约10%的极高流失率。需要指出，这是工程师回忆的个案，并非当前大模型团队的普遍统计数据。

到了大模型时代，这种倒挂变得更加致命。大模型研发是一项极度依赖“老兵”经验积累的系统工程。那些真正经历过千卡/万卡集群训练、蹚过数据污染坑、知道如何应对Loss尖刺（损失函数突变）、能让庞大模型稳定收敛的资深工程师，是公司最宝贵的资产。

然而，当刚毕业的“奥赛金牌得主”拿着高出自己几倍的薪水空降，甚至实习生一天的薪水就抵得上自己几天工资时，那些支撑着公司日常运转的骨干，其心理防线极易崩溃。大厂并非不知道这种倒挂的危害，但在“错过下一代模型”的极度恐惧下，财务账本只能向战略目标让路。老员工受制于庞大的内部职级体系难以大幅调薪，而新招募的天才则往往是按照“绝对的交易价格”来定薪的。

价格背后的逻辑：为什么他们值这么多钱？

大模型赛道的竞争，已经进入了一个极度马太效应的阶段。Scaling Law（缩放定律）依然在发挥作用，这意味着拥有更多算力、更多数据、以及极少数真正知道如何把算力和数据转化为智能的人，将赢家通吃。

顶级AI人才的供给曲线，已经严重偏离了市场需求。

正如猎头所指出的，大厂并非盲目撒钱。猎头所描述的最高档报价达到400万、500万年薪，其背景是市场上真正“拥有在顶尖团队中训练大型模型实践经验”的人，极其稀少。字节的Seed团队、小红书的AI部门，都在寻找那些能够主导预训练架构、解决强化学习（RL）对齐难题的“将才”。

在绝对的智力垄断面前，传统的薪酬体系彻底失效。这就好比一支球队，超级巨星的价值永远不能和普通首发球员同日而语。DeepSeek创始人梁文锋偏爱奥赛金牌得主，有公开报道和其本人采访作为支撑；至于用日薪5500元的代价提前锁定还没毕业的实习生，在外界看来，一种合理的解读是：在通往AGI（通用人工智能）的独木桥上，早一步买下最强大脑，就多一分胜算。这更接近外界对动机的推断，而非公司公开表述的因果解释。

更隐蔽的算盘在于“投资回报率”。在传统业务里，增加一个高薪员工可能只带来线性的利润增长；但在大模型领域，业内常提及的一种杠杆逻辑是，一个关键算法的优化，可能直接帮公司省下可观的算力成本，或者让模型跑分明显跃升，从而影响融资或云服务订单。这种指数级的杠杆效应，被普遍认为是资本愿意为“天才”支付极高溢价的核心原因之一。当然，这更多是逻辑推演，具体案例的量化效果仍需具体分析。

冰火两重天：应用层缩减与普通人的门槛

但这幅高薪画卷，并不是大模型行业的全部。

在顶尖人才拿着数百万年薪、日薪五千的同时，大模型行业的底座——普通AI从业者，正在面临前所未有的生存挤压。据猎头透露，大型公司的应用端职位正在缩减，而非基础模型团队，仍然缺乏真正能够训练大型模型的人才。

换句话说，大厂现在需要的，已经不只是那些只会调用API、写写Prompt、或者做简单微调的“调包侠”——这一说法本身也是行业话语中的简化概括。应用端的红利期正在消退，企业更看重能深入底层基础设施的工程师。

招聘的新重点，据相关报道，已经转向了智能体编码（Coding Agent）、模型评估（Evals）、预训练数据和智能体基础设施（Agent Infra）。DeepSeek近期也大幅加大了对后端开发人员和Agent Infra工程师的招聘力度。相比之下，前两年火热的人工智能搜索、传统推荐算法等领域的招聘热情，已经明显降温。

此外，门槛也在拔高。企业不再仅仅关注学历和论文（除了像清华姚班、北大图灵班这样最顶级的学术标签），他们更看重候选人是否拥有在真实的大规模集群上实操的经验。对于真正稀缺的“天才”，薪资和职责可以单独一人一议；而对于普通的AI求职者，摆在面前的，只有日益激烈的内卷、随时可能被AI工具替代的焦虑，以及不断收缩的HC。

一场关于未来的豪赌

日薪5500的实习生，和面临倒挂、心灰意冷的资深工程师，共同构成了当下AI大厂最真实的职场折叠。

这场由大模型引发的技术革命，正在以前所未有的速度重塑财富的分配逻辑。资本愿意为那1%能够引领人类跨越技术奇点的大脑开出天价，而对于剩下的99%从业者来说，技术平权的红利期已过，真正的淘汰赛才刚刚开始。

在这场“薪酬倒挂”的狂潮中，没有人是绝对安全的。昨天还在抱怨应届生薪资太高的老兵，明天可能就会因为无法解决新的对齐难题而被优化。在这个极度慕强的赛道里，唯一的护城河，就是让自己的实战经验，配得上那份令人咋舌的溢价。毕竟，在这场造神运动中，被记住的永远是改变模型参数的人，而不是只会调参的人。

本文来自微信公众号“Tech商业”，作者：Tech商业，36氪经授权发布。