文章核心观点 - AI Infra工程岗薪资大幅上涨，起爆点是DeepSeek R1发布，行业发现Infra降本可节省数千万算力开支，从而重估该岗位价值 [3][4][8] - 真正吃到高溢价的核心是推理优化和模型量化方向的人才，仅占AI Infra人群的5%~10%，大量做普通Infra部署的人薪资并未翻倍 [20][23][24] - 大模型技术竞赛已从拼算法创新转向拼底层系统工程，Infra优化带来的效率提升比死卷算法性价比更高 [14][15] 薪资行情变化 - AI Infra工程岗以前在大厂年包基本到不了300万，现在好的Infra人能开到七八百万，算法岗为500~1400万 [2] - 深圳某Infra候选人年薪从2024年30万涨到2025年50万，跳槽后直接100万 [2] - Infra人才从独角兽跳去互联网大厂薪资翻倍，从大厂跳去独角兽创业公司薪酬包能涨到3倍左右，期权占大头，2倍更常见 [2] - 中国大陆AI Infra人才月薪大致7.3万元，已略高于做大模型算法的人 [21] - 把VLLM、SGLang等推理框架部署到产品上的Infra岗位，月薪大多停在4万到5万 [21] - 熟悉英伟达CUDA生态的人才跳槽涨幅保底在80%以上，国产卡方向涨幅通常在50%上下 [33] - 国产芯片厂商开出的现金涨幅普遍在45%上下，很少见到大厂那种翻倍开价 [31] Infra降本的价值量化 - 做好Infra降本，算力开支能省下至少几千万的成本 [12] - PD分离、专家并行、VLLM、SGlang这几类优化降本降得最狠 [12] - AI模型公司每投100块到AI训练上，40块花在算力，30块花在人才，20块打广告，10块买数据 [13] - GPU集群的采购、租赁和电费往往吃掉AI业务成本的大头，有的公司甚至占到6成以上 [13] - 行业里GPU实际利用率长期偏低，平均只在25%到27%，好的Infra团队能把利用率拉到40% [14] - B卡8卡一套机子国内现货交割1300万，3个月后期货大概1100万，省8张卡就能省一千多万 [14] - 帮公司省下30%的训练时间或多出30%的Token吞吐，成本就能直接降下一截 [23] 行业阶段变化与Infra价值重估 - 2022到2024年Infra岗基本是配角工种，高薪优先给了算法岗和产品岗 [6] - 当时Infra工程团队价值被等同于运维，只要集群别崩、账单别炸就算交差 [7] - 大模型训练近乎开卷考试，Transformer等基础架构走向成熟收敛，比拼重点从基础预训练转移到工程化落地和推理优化 [17] - 现在大模型训练里真正非你不可的创造性工作已经很少，大部分活是数据清洗、数据配比实验、工程调优 [17] - Infra工程师通过调整光纤和扎带松紧，就能让一台服务器快10%到20% [18] - 以前Infra效益不高是因为2023、2024年大家看评测，提升几个点就能融到钱，现在公司转而要每张卡能产生的最大价值 [18] 细分方向冷热分化 - 吃到高溢价的人集中在推理优化和模型量化两个方向，这类人把每一张GPU的算力尽可能压榨到极限 [23] - Infra分为三块：推理优化加速、训练框架、算子开发，三块涨幅都高但受重视程度有差别 [25] - 业内一般认为算子和推理更重要，训练框架人才热度相对一般 [26] - 训练框架活太烧钱，只有头部互联网和云厂商养得起专职团队，一些独角兽干脆把训练组整个砍掉，只留推理和算子团队 [26] - 真正吃到高溢价的人大多是在Infra行当深耕5到10年的老兵，早年在大型互联网公司做分布式系统、高性能计算、搜索推荐、数据库 [24] 五类买家需求分析 - 字节业务体量大，需要能把训练推理调度做稳的人，推理工程师加速10%一年省下的算力开支相当可观 [28] - 腾讯早几年基模偏弱，这两年明显在补基模和完整Infra，引入姚顺雨、单独成立AI Infra部门，靠从外部捞成熟团队补齐 [28] - 阿里和百度在上一波云计算和大数据红利期攒下大批搞分布式、做底座的Infra工程师，AI浪潮一来可直接转岗补缺，加上有自研芯片重心放在异构上 [28] - 真正对Infra人才需求暴涨的是字节、腾讯，外加DeepSeek、Kimi、MiniMax这些想把每张卡效益都榨到极致的独角兽 [28] - 国产芯片厂商不少已走到IPO阶段，Infra人才抱着赌一把、财富自由的想法跳槽过去 [31] 团队组织模式差异 - 巨头一个Infra部门通常至少五六十人起步，算子、训练、推理、网络分得跟外科手术室一样细 [29] - 独角兽Infra团队通常二十来号人，偏爱既懂算子底层又能操盘推理引擎的多面手，架构扁平，一个全能技术老大挑大梁 [30] 未来趋势判断 - 这波涨薪至少还能撑两三年，现在还处在供不应求的状态，各家厂商基本都在招，薪酬挂得很高 [35] - 通用对话基模国内很多厂商布局得差不多了，但复杂垂直场景的落地才刚拉开序幕 [35] - AI Coding狂吃算力，高清视频生成赛道对吞吐与延迟要求极高，全链路商业化闭环很多都还没走完 [35] - 只要大模型的商业化还在被昂贵的算力账单持续刺痛，能在算卡上挤出利润的Infra人才就会继续获得一路走高的薪酬溢价 [36] - 北美市场对AI Infra人才同样求贤若渴，OpenAI近期放出的岗位几乎全被推理引擎、GPU底层算子与性能加速占据，Anthropic也有十几个对应职位在招 [33]