AI/算法需求 4/5难度 4/5
算法工程师（CV / NLP / 多模态）
CV 已经卷透，多模态还在早期
覆盖计算机视觉、自然语言处理、语音、多模态等方向，落地在内容审核、搜索推荐、OCR、质检、医疗影像等场景。比大模型岗更贴近业务，岗位数量更多。
编辑手记
CV 岗在收缩，多模态在扩。如果你的项目还是「用 YOLO 训了个数据集」，那和 2019 年的简历没有区别。
深度学习基础PyTorchCNN / Transformer 架构数据处理与增强模型评估方法
一线城市年度总包
28–45
应届 · 万
45–75
3 年 · 万
70–120
5 年 · 万
薪资区间对比上限 120 万
城市薪资系数（北京 = 100）
北京 100上海 96深圳 96杭州 92
你每天到底在干什么
- 针对业务场景做模型选型、训练、蒸馏与部署
- 构建数据集与标注规范，把数据回流这条路打通
- 优化线上指标（召回率、准确率、时延）
- 与工程团队协作完成服务化与灰度
典型的一天
- 上午：看线上指标与 badcase
- 下午：跑实验、做消融、标注抽检
- 需要频繁与产品、标注团队沟通
技能清单
必须掌握
深度学习基础PyTorchCNN / Transformer 架构数据处理与增强模型评估方法Python 工程能力
加分项
模型压缩与量化TensorRT / ONNX 部署多模态对齐顶会论文
相关技术条目
面试会考什么
1手推反向传播与常见损失函数
2检测/分割/分类经典网络演进
3过拟合与数据不平衡的处理手段
4项目深挖：指标如何提升、失败实验学到了什么
2026 趋势判断
通用 CV 任务正被多模态大模型吞并，纯调参岗位减少；懂「小样本 + 边缘部署 + 行业 know-how」的算法工程师依然抢手。
同方向岗位的应届薪资
逐项对比 →同样口径（一线城市年度总包），区间位置越靠右越高。
值得去的地方
- 落地场景多，岗位基数大
- 传统行业数字化带来新需求
- 可转向 AI 产品 / 创业
必须接受的代价
- 同质化竞争激烈
- 标注与数据工作占比高
- 部分方向被大模型挤压
Next