手握十几篇顶会却秋招不顺？企业到底想招什么样的人

最近聊了不少应届生，我强烈地感受到今年就业市场的“冰火两重天”。

一方面，企业为了争抢极少数合适的人才，不惜开出天价高薪——因为真正优秀的人实在太难招了；但另一方面，大量的同学却深陷求职寒冬。我见过不少履历极其光鲜的同学，手里攒着十几篇顶会（CCF-A 类）论文，却连面试都过不了；还有很多同学看似实习经历丰富，真到了秋招实战时却举步维艰。

为什么会出现这种割裂？

根本原因在于：AI 的爆发，正在将“工具理性”的价值迅速廉价化。

过去，学生在学校里习得的往往是某种具体的“技能”（写代码、调参、跑实验）。但今天，如果你依然只以这种“工具理性”为卖点，你在就业市场上的竞争力必然会断崖式下跌。

那么，在 AI 时代，应届生该如何重塑自己的竞争力？或者说，作为企业，我们到底需要什么样的新人？

PART 01｜当“干活”被 AI 蚕食，你还剩下什么？

从执行的维度来看，一家企业的日常运转大致可以分为三个层次：定目标、做事情（推动目标实现）、干活（完成具体工作）。

• 定目标：基于对现状的洞察，去定义接下来要攻克的方向；
• 做事情：调动资源，克服阻碍，推动某个复杂目标的达成；
• 干活：比如写代码实现某个功能，做完交付，自己一个人就能闭环。

过去，“干活快、质量好”是大多数技术人员的看家本领。但残酷的现实是，“干活”这一层，已经被 AI 蚕食得非常严重了。当 AI 写代码、跑基础实验的效率呈指数级提升时，仅靠“干活”为生的价值就会持续贬值。

因此，AI 时代的毕业生要想破局，需要完成一次关键的跃迁——在过硬的“干活”能力的基础上，还需要掌握“定目标”和“做事情”的能力。

PART 02｜定目标：洞察力决定方向，敢想敢做决定上限

很多同学进入职场后，面对的第一个困境往往是：在没有导师或学长指导的情况下，不知道自己该干什么（缺乏洞察）；或者隐约知道该干什么，但因为太难、怕失败而不敢去碰（缺乏心力）。

这也正是为什么有人手里握着十几篇顶会论文，却依然过不了面试——因为在学校里，课题往往是导师喂给你的，你只需要负责“解出这道题”；但在真实的商业战场上，没有现成的考卷，自己“找题”的能力，与“解题”同样重要。

怎么定好目标？核心在于两点：强大的洞察力，以及敢想敢做的魄力。

首先，定目标需要敏锐的“洞察力”——在混沌中找到那个“难而正确”的真问题。什么是洞察力？就是看清行业现状、技术瓶颈与未来趋势的能力。很多同学习惯了在别人的框架下做微创新、刷榜单（SOTA），却很少思考：当前技术真正的卡点在哪里？业务最痛的需求是什么？只有具备了洞察力，你才能在没有指导的情况下，穿透表面的热闹，独立挖掘出真正具有长期价值的“真问题”，而不是在低价值的事情上盲目内卷。

其次，看清方向之后，最关键的就是“敢想、敢做”。目标的高度，直接决定了后续的规划和动作，也决定了最终产出的上限。比如在我们大模型厂，如果我们把目标定为“做二流模型里的最强者”，那么团队所有的规划、妥协和动作，都会围绕“二流”展开，最终的上限大概率也就止步于二流。

但如果我们把目标定在“做到世界顶级水平”，那么我们所有的思考、规划和行动，都会倒逼自己去想方设法触达世界巅峰。哪怕过程九死一生，我们也很有可能真正实现这个顶级目标。

从优秀到卓越的跨越，本质上就是“认知”与“野心”的结合——用强大的洞察力去锚定那个“难而正确”的顶级目标，再用敢想敢做的魄力，满怀信心地去推动它实现。

PART 03｜做事情：走出“单人闭环”，掌握成事的底层逻辑

“做事情”和“干活”有着本质的区别。

写一段代码，一个人通常可以闭环，这叫干活；但在我们模型厂，要把一个特定领域的模型训练到世界领先水平，这绝不是一个人能闭环的，这叫做事情。它不仅需要算法等硬核技术能力，更需要你去撬动 Infra（基础设施）团队、数据工程团队的全面支持。

在 AI 时代，原来的“执行者”必须具备过去“领导者”才有的素质。要做成一件事，你需要掌握四个维度的能力：管理、合作、破局（推动力）以及对因果律的洞察。

第一，管理能力：做 AI Agent 的 Leader

现在的新人进入职场，不再是光杆司令，你手下有一群 24 小时待命的 AI Agent。你如何拆解任务、如何设计工作流，让这些 AI 尽可能高效地帮你闭环“干活”类的工作？这是新时代的基础管理学。

第二，合作与人情：具备前瞻性的协同思维

当你需要其他团队付出巨大努力来配合你时（比如需要数据团队为你定制一条全新的数据采集管线），你怎么拿到支持？

• 错误的做法：直接跑去跟对方说，“我需要这个管线，最好 3 天内给我”。这相当于让别人立刻停下手头的工作全力保你，在职场上这几乎是不可能的。
• 正确的做法：提前一个月预测到这个需求，主动找对方沟通这件事的业务价值和排期；在必要时，甚至要推动双方老板对齐这件事的价值。这样一来，对方既不需要打乱原有节奏，做出的成果又能得到老板的认可，你获得支持的概率自然会大大增加。

第三，破局能力：不甩锅、不等靠，对最终结果负责

我再举一个一线最真实的例子：

假设有一个极其重要的模型训练实验需要尽快完成，结果半夜显卡驱动突然崩了，实验中断。

这时候，不同的人会有截然不同的反应：有的同学会想：“反正这是 Infra 团队的问题，锅不在我”，然后安心睡觉；好一点的同学，可能会给 Infra 留言报修，心想“等明天他们修好了我再跑”；还有的同学就只是静静地干等。

那么，真正“做事情”的人会怎么做？首先，他知道 Infra 团队肯定有夜班值班机制，他会立刻去查值班表，直接联系值班同学看能否快速修复。如果当晚能修好，实验就能立刻跑起来，一秒都不耽误。如果遇到棘手问题当晚修不好呢？他会立刻思考 Plan B：能不能换另一台机器继续跑？假设此时集群里已经没有空余的显卡了，他会怎么做？他甚至可以用 AI 去快速分析一下当前集群里，哪些正在跑的实验优先级没那么高，然后主动联系那位同事，商量能不能先借用一下卡把紧急实验跑完，事后请对方吃顿大餐表示感谢。

你看，这个过程跟高深的算法技术毫无关系，但却是“把事情做成”所必须具备的素质。这种跨界沟通、灵活应变、死磕到底的推动力，是 AI 绝对无法替代的。

第四，洞察因果律：从“技术闭环”走向“业务闭环”

任何事情的达成，都遵循“因果律”。你想要的目标是一个“果”，为了达成这个果，你需要推导出前置的一系列“因”，并把这些“因”拆解为阶段性的中间结果去逐个击破。

同时，你必须评估因果链条的合理性。比如前面提到“让别人停下手头工作全力支持你”，在正常的职场逻辑下，这个“因”大概率是不成立的；如果你真的十万火急，你就必须去寻找更深一层的“因”——比如拿到老板的最高优先级指令。去促成那个真正的“因”，才能结出你想要的“果”。

如果再往深处走一步：我们不仅要把模型训到领先水平，还要让它被业界广为人知、真正用起来。这就需要跳出单纯的技术因果，去思考市场竞争与业务层面的因果律：

• 我们这次发布的核心目标是什么？是破圈让大众知道，还是只需要赢得领域内顶尖专家的认可？
• 在我们宣发的这个时间节点，竞争对手处于什么水平？我们的宣发策略该如何针对性制定？
• 我们对外释放的任何动作（发论文、开源权重），会对整个行业的竞争格局产生怎样的连锁反应？

这些思考，是技术人员突破天花板、走向更高维度的关键。有远大志向的同学，必须从现在开始刻意培养这种全局观。

PART 04｜终极底色：在不确定性中保持“钝感力”

文章的最后，我想脱离具体的做事方法，聊聊个人品质。

一个真正强大的人，除了前面提到的远大志向（敢想敢做）和深刻洞察力（找到难而正确的事），还有一项品质是我极度看重的，也是许多行业大佬反复强调的——韧性，或者说对压力与不确定性的“钝感力”。

AI 时代的未来，注定是跌宕起伏、高度不确定的。人类在基因里就厌恶不确定性，所以在自然状态下，普通人面对剧变和高压时，本能反应往往是焦虑、慌乱、动作变形，进而做出一些不够聪明的短视选择，甚至想要逃避——这都很正常。

然而，越是在这种风暴眼中，谁能顶住压力，对情绪保持一点“钝感”，静下心来客观分析形势，谁就能做出当前局势下的最优解。

这种定力从何而来？一方面来自哲学层面的修养，内心要有自己的精神港湾，正所谓“知止而后有定，定而后能静”；另一方面，来自于在实战中刻意锤炼出的豁达胸怀与长远眼界——当你看清了终局的宏大，就会发现手头眼前的这点困难，根本不算什么。

正如尼采所言：“那些杀不死你的，终将使你更强大。”

AI 淘汰的从来不是人，而是把人活成“工具”的思维。在这个伟大的技术变革时代，愿每一位即将步入职场的同学，都能在拥有过硬的技能的基础上，还能成为那个看得清方向、敢定大目标、能抗住压力、真正把事情做成的人。