1. 从一条人事消息说起为什么大家都在聊这件事前几天刷到一条消息说罗福莉在小米的职级已经升到了22级。说实话第一眼看到这个标题的时候我愣了一下——22级是什么概念在小米的职级体系里22级基本就是金字塔尖那一小撮人了。后来跟几个在互联网大厂做技术管理的朋友聊起来大家的一致反应是这个晋升速度确实快。罗福莉这个名字关注AI大模型圈子的人应该不陌生。她之前在DeepSeek参与过核心模型的研发工作后来加入小米负责大模型相关业务。从公开信息来看她在自然语言处理和大模型训练方面有相当扎实的积累发表过不少高质量论文在学术界和工业界都有一定影响力。31岁做到这个位置放在整个互联网行业里都算得上是凤毛麟角。但我想聊的不是八卦而是这件事背后折射出来的几个信号大模型人才在当前市场中的稀缺程度、企业对核心技术岗位的职级定价逻辑、以及一个技术人如何在短时间内完成职业跃迁。这些话题对于正在做职业规划的技术人来说比单纯看个热闹有价值得多。这篇文章适合谁看如果你是在互联网行业做技术、正在考虑职业方向、或者对大模型领域的职业发展路径感兴趣那接下来的内容应该能给你一些参考。我会从小米的职级体系讲起然后分析大模型人才的市场行情再聊聊技术人晋升的底层逻辑最后分享一些我观察到的实操层面的经验。2. 小米职级体系拆解22级到底意味着什么2.1 小米职级的基本框架小米的职级体系经历过几次调整目前比较通用的是从13级到22级的划分方式。应届生入职通常在13到15级之间具体取决于学历和岗位。本科生一般从13级起步硕士可能从14级开始博士或者特别优秀的应届生能拿到15级。这个起点在互联网大厂里算是中规中矩不算特别激进但也不低。往上走16到18级是大多数工程师在职业生涯前五到八年能够达到的范围。这个阶段的人通常已经能独立负责一个模块或者一条业务线技术能力比较扎实开始带小团队。19到20级就是一个明显的分水岭了对应的是高级技术专家或者中层管理者的角色需要具备跨团队协调能力和一定的战略视野。21级和22级是什么概念呢这么说吧小米的创始人雷军是22级联合创始人级别的高管基本也在21到22级这个区间。也就是说22级不是单纯靠技术能力强就能达到的它对应的是公司最核心的决策层或者技术领军人物。一个31岁的人能走到这个位置说明公司对她的定位已经不仅仅是“一个厉害的技术专家”而是“能决定公司AI战略方向的关键人物”。2.2 为什么是22级而不是20级这里有个很多人会忽略的细节职级定级从来不是单纯看个人能力而是看这个岗位对公司的战略价值。大模型是小米当前最重要的战略方向之一雷军在多个场合都强调过“All in AI”的决心。在这个背景下负责大模型核心业务的人职级自然会被拉高。我打个比方你就明白了。假设一家公司有两个技术专家技术水平差不多一个负责维护现有的推荐系统一个负责从零搭建公司下一代AI基础设施。前者可能定在19级后者可能直接给到21级。为什么因为后者的工作直接关系到公司未来三到五年的竞争力失败的成本极高所以公司愿意用更高的职级和薪酬来吸引和留住这个人。罗福莉的情况类似。她在DeepSeek的经历证明了她有能力参与顶级大模型的研发而小米在大模型领域起步相对较晚急需这样的人才来补齐短板。22级这个定级与其说是对她过去成就的认可不如说是对她未来能带来的价值的预付。2.3 职级背后的薪酬结构虽然具体数字不会公开但根据行业惯例和小米历年的薪酬数据可以大致推算一下22级对应的薪酬范围。小米的薪酬结构通常是“ base 年终奖 股票期权”。22级的base月薪大概率在10万以上年终奖通常是6到12个月股票部分则取决于具体的授予协议。但到了这个级别现金薪酬其实已经不是重点了。真正有价值的是股票和期权以及在公司战略决策中的话语权。一个22级的人每年的股票收益可能远超现金收入。这也是为什么大厂在高职级岗位上更倾向于用股票来绑定人才——现金可以挖来人但只有股权才能让人真正把公司的事当成自己的事。注意以上薪酬推算基于行业公开信息和常见实践具体数字因个人谈判、入职时间、股票价格波动等因素会有较大差异仅供参考。3. 大模型人才市场为什么他们这么值钱3.1 供需失衡的底层逻辑大模型领域的人才稀缺根本原因在于这个方向对人才的要求极其苛刻。一个合格的大模型研发工程师需要同时具备几方面的能力扎实的数学基础线性代数、概率论、优化理论、丰富的工程经验分布式训练、CUDA编程、大规模数据处理、以及对前沿论文的持续跟踪能力。这三样东西随便哪一样做到优秀都不容易三样都强的人更是少之又少。我认识一个在某大厂做模型训练的朋友他跟我说他们团队招人的时候简历筛选通过率大概在千分之五左右。也就是说看一千份简历可能只有五个人能进入面试环节。而最终能通过所有面试的可能就一两个。这种筛选强度导致真正合格的大模型人才在市场上极度供不应求。3.2 大厂之间的抢人大战从2023年开始国内大厂在大模型领域的投入可以用“军备竞赛”来形容。字节、阿里、腾讯、百度、美团、小米每一家都在组建自己的大模型团队而且开出的薪酬一个比一个高。我听到过的最夸张的案例是一个有大模型训练经验的博士应届生同时拿到了五六个offer最高的一家开出了年薪两百万以上的总包。这种竞争直接推高了大模型人才的市场价格。一个在DeepSeek、智谱、月之暗面等公司有过核心模型研发经验的人跳槽到大厂职级通常能从原来的级别直接跳两到三级。罗福莉从DeepSeek到小米的这次变动职级上的跃升幅度应该也是类似的逻辑。3.3 不只是钱的问题但如果你以为大模型人才只看钱那就想简单了。到了罗福莉这个级别的人选择一家公司的时候考虑的因素远不止薪酬。他们更看重的是公司有没有足够的算力资源、数据积累、以及是否愿意在长期研发上持续投入。算力资源尤其关键。一个大模型训练任务动辄需要几千张GPU跑几个月。如果公司的算力储备不足再厉害的人也做不出成果。小米在算力方面的投入虽然不如字节和阿里那么夸张但考虑到小米有庞大的硬件生态和用户数据在大模型的应用落地场景上其实有独特的优势。这可能是吸引罗福莉加入的一个重要原因。对比维度创业公司如DeepSeek大厂如小米算力资源相对有限但集中充足但需内部竞争数据积累聚焦特定领域生态丰富场景多元决策效率高扁平相对复杂层级多薪酬结构现金期权风险高现金股票相对稳定技术自由度高中等需对齐业务4. 技术人快速晋升的底层逻辑4.1 选对赛道比努力更重要罗福莉的职业路径有一个很明显的特征她一直在AI最前沿的方向上深耕。从自然语言处理到大模型每一步都踩在了技术变革的节点上。这不是运气而是一种战略选择。我观察到一个现象同样水平的技术人在不同赛道上的职业发展速度可能差三到五倍。一个在传统后端开发领域做到顶尖的人可能三十五岁才到阿里P8但在大模型领域同样水平的人可能三十岁就到了P9甚至更高。这不是能力差距而是赛道溢价。怎么判断一个赛道有没有溢价我的经验是看三个指标第一这个领域的人才缺口是不是在持续扩大第二这个领域的头部公司是不是在疯狂投入第三这个领域的技术门槛是不是足够高高到短时间内无法通过培训批量生产人才。大模型三个条件都满足所以它当前的人才溢价非常高。4.2 做出标志性成果在职场上苦劳不值钱功劳才值钱。罗福莉能在31岁达到22级核心原因是她在DeepSeek期间参与了有行业影响力的模型研发工作。这些成果是她职级谈判时最硬的筹码。什么叫标志性成果不是说你写了多少行代码、加了多少天班而是你做的事情在行业内有没有被认可。比如你参与训练的模型在权威评测榜单上取得了好成绩或者你提出的某个方法被同行广泛引用再或者你主导的项目直接带来了可观的商业收益。这些东西才是职级晋升时的硬通货。对于大多数技术人来说我的建议是与其在十个项目上各投入10%的精力不如在一个重点项目上投入200%的精力把它做到极致。一个拿得出手的代表作胜过十个平庸的项目经历。4.3 建立个人品牌罗福莉在学术圈和工业界都有一定的知名度这为她带来了很多机会。个人品牌这个东西平时看起来没什么用但在关键时刻能发挥巨大作用。当猎头或者HR在寻找某个方向的候选人时他们首先想到的就是那些在这个领域有知名度的人。建立个人品牌的方式有很多在技术社区分享经验、在学术会议上发表论文、在开源项目中贡献代码、在行业活动中做分享。关键是要持续输出让别人知道你在做什么、擅长什么。我认识一个做模型压缩的工程师他坚持在技术博客上写了三年文章后来被某大厂的技术VP直接挖走职级比正常招聘高了整整两级。5. 从这件事里能学到什么给技术人的实操建议5.1 评估自己当前赛道的天花板如果你现在做的是传统的前端、后端或者移动端开发不妨花点时间想一想你这个方向在未来三到五年内人才供需关系会怎么变化天花板在哪里这不是说传统方向没有价值而是说如果你追求的是快速成长和高职级可能需要考虑往更有溢价的赛道靠拢。转型不一定要完全抛弃过去的积累。比如你做后端开发可以逐步往分布式训练、推理优化这些方向靠这些领域需要扎实的工程能力你的后端经验是可以迁移的。关键是找到一个结合点而不是从零开始。5.2 如何判断一个AI岗位是否值得去现在市面上挂着“大模型”名头的岗位很多但质量参差不齐。我总结了一个简单的判断标准看这个岗位有没有真正的训练任务。如果只是做API调用、 prompt工程或者应用层开发那技术含量和成长空间都有限。真正有价值的是参与模型训练、架构设计、推理优化这些核心环节。面试的时候可以问几个问题团队有多少张GPU模型参数规模多大是预训练还是微调有没有发论文的计划如果面试官对这些问题的回答含糊其辞那这个岗位可能只是蹭热度实际做的事情和宣传的差距很大。5.3 职级谈判的几个技巧如果你拿到了多个offer职级谈判的空间其实比想象中大。首先不要只盯着base salary股票和期权才是大头。其次职级是可以谈的尤其是当你手上有竞品offer的时候。我见过有人通过谈判把职级从18级谈到20级年薪差距超过五十万。谈判的时候要注意方式方法。不要直接说“我要22级”而是用“我了解到这个岗位的职责范围包括XXX基于我过去的经验我认为对应的职级应该是XXX”这样的表达方式。把重点放在你能为公司创造什么价值上而不是你想要什么。提示职级谈判的前提是你有足够的筹码。如果没有竞品offer或者你的经验与岗位要求差距较大强行谈判可能适得其反。5.4 长期主义的价值罗福莉的例子看起来是“快速晋升”但如果你仔细看她的履历会发现她在AI领域已经深耕了很多年。从读博期间的研究到工业界的实践她一直在同一个大方向上积累。这种长期主义的坚持才是她能在机会来临时抓住机会的根本原因。我见过太多人频繁换方向今天做推荐系统明天做CV后天又去搞大模型。每次换方向都要重新积累结果哪个方向都不够深入。与其这样不如选定一个方向扎进去做三五年成为这个细分领域的专家。到那个时候机会自然会来找你。6. 一些常见的认知误区和避坑指南6.1 误区一职级高就等于能力强职级高确实说明公司认可你的价值但职级和能力之间不能完全画等号。职级受很多因素影响赛道热度、公司战略、谈判能力、甚至运气。我见过一些高职级的人实际技术水平并不比低职级的人强多少只是他们赶上了好时机。所以不要把职级当作衡量自己价值的唯一标准。更重要的是看自己有没有持续成长有没有在解决越来越难的问题。如果一份工作能让你不断挑战自己、学到新东西即使职级暂时低一点长期来看也是值得的。6.2 误区二大模型是唯一的方向大模型确实是当前最热的方向但它不是唯一有价值的方向。芯片设计、操作系统、数据库、编译器这些底层技术同样有很高的门槛和很好的职业前景。而且这些领域的竞争没有大模型那么激烈人才缺口也很大。选择方向的时候要结合自己的兴趣和特长。如果你对数学和算法有热情大模型是个好选择如果你更喜欢系统层面的工作分布式系统或者芯片方向可能更适合你。关键是找到那个你能持续投入、不觉得枯燥的方向。6.3 避坑不要为了职级牺牲成长空间有些人为了拿到更高的职级会选择去一些管理混乱、技术氛围差的公司。短期来看职级和薪酬都上去了但长期来看能力没有提升再过几年可能就面临被淘汰的风险。我的建议是在职业生涯的早期和中期成长空间比职级更重要。一个好的团队、一个有挑战性的项目、一个愿意带你的领导这些东西的价值远超多出来的那一两级职级。等到你的能力足够强了职级和薪酬自然会跟上。6.4 避坑警惕“伪大模型”岗位现在很多公司都在招大模型相关的人但有些岗位实际上是做数据标注、模型部署或者简单的应用开发。这些工作虽然也有价值但技术含量和成长空间与真正的模型研发差距很大。入职前一定要了解清楚岗位的实际工作内容不要被title迷惑。一个简单的判断方法问面试官“这个岗位过去半年做的最有技术挑战的事情是什么”。如果对方能说出具体的模型架构改进、训练效率优化、推理加速方案那说明这个岗位有真东西。如果只是说“我们接了很多业务需求需要快速上线”那可能就是一个应用开发岗。7. 我个人的一些观察和体会说了这么多最后分享几点我自己的观察。第一技术人的职业发展不是线性的而是阶梯式的。你可能在某个阶段感觉进步很慢但突然遇到一个机会就能跳升一大截。关键是机会来的时候你要有足够的积累去接住它。第二大模型领域的高薪和快速晋升本质上是因为这个领域还在早期人才供给跟不上需求。随着越来越多的人涌入这个方向溢价会逐渐降低。所以如果你现在有机会进入这个领域尽量抓住窗口期。第三不要盲目羡慕别人的职级和薪酬。每个人的起点、机遇、选择都不一样比较没有意义。真正重要的是找到适合自己的节奏持续积累等待属于自己的机会。罗福莉31岁到22级确实很厉害但她的路径不一定适合所有人。找到自己的路比复制别人的路更重要。第四技术能力是基础但到了高职级决定你上限的往往是其他能力沟通能力、战略思维、资源整合能力、以及让别人愿意跟你合作的软技能。这些能力在学校里不教但在职场上极其重要。有意识地培养这些能力会让你的职业发展顺利很多。第五保持学习的心态。大模型领域的技术迭代速度非常快今天的前沿可能明天就过时了。只有持续学习才能保持竞争力。我认识的那些在这个领域做得好的人没有一个不是每天花大量时间读论文、做实验、跟同行交流的。这个行业没有捷径只有持续投入。
