很多人最近在投多模态算法工程师，会有一种明显的感觉：岗位不少，但回馈很慢，或者面试聊着聊着就没下文了。表面看是竞争激烈，实际是企业筛人的方式变了，不再是“会模型就行”。

现在招聘里，多模态已经不是单一方向了，更像是把视觉、语言、音频、甚至3D理解揉在一起的系统工程岗位。很多公司招这个岗位，本质是在找“能把模型用到业务里的人”，而不是单纯做算法研究的人。

---

行业招聘现在在变什么

这两年多模态岗位增长很明显，集中在几个方向：做内容生成的平台型公司、做广告推荐的互联网团队、自动驾驶、智能硬件，以及一些AIGC创业公司。

企业需求已经从“会训练模型”变成“会把模型跑起来并且稳定上线”。比如以前看论文能力，现在更关注：

• 有没有做过 VLM / 多模态大模型落地项目
• 有没有处理过真实数据噪声
• 是否参与过推理加速或部署优化
• 能不能把模型接进业务链路（推荐、搜索、生成、理解）

不少团队已经不太愿意赌“纯研究型人才”，更倾向找“能直接干活的人”。

另外一个变化是，大模型之后，多模态岗位明显分层了：
做基础模型训练的团队很少，但做应用层、微调、推理优化的岗位在变多。

---

薪资到底什么水平

这个岗位的薪资差距其实挺大。

刚入行或者1年左右经验的，多集中在 20K–35K/月之间，一些中小厂甚至更保守一点。

有1-3年经验，如果做过真实多模态项目，比如视觉问答、图文生成、Embedding系统、推荐融合模型这类，很多公司会给到 35K–70K/月区间，这一段波动很大，取决于项目质量。

更高一些的，多在大厂或者AI独角兽，能做到 60K–100K+/月，但一般会要求比较完整的系统能力，比如训练+推理+业务闭环都能覆盖。

一个比较现实的情况是：
不是“会多模态就值钱”，而是“能落地业务的多模态才值钱”。

---

企业到底怎么筛人

面试官现在看简历，会有几个很明确的过滤点：

第一是项目真实性
很多人写“参与多模态大模型训练”，但一追问就只停留在调库，这种基本会被快速过滤。

第二是你到底做哪一层
是做数据、训练、对齐、还是推理？企业希望你至少在一个环节是能扛住的。

第三是有没有工程意识
比如模型部署延迟、显存优化、batch策略，这些比“调参技巧”更重要。

第四是有没有业务理解
尤其在推荐、广告、内容生成方向，懂业务的人明显更吃香。

---

简历怎么写更容易过

多模态岗位的简历，有个很明显的误区：写成论文摘要。

招聘方真正想看的不是“我用了CLIP、用了Transformer”，而是：

• 你解决了什么问题
• 数据怎么来的
• 模型怎么改的
• 指标提升多少
• 有没有上线

项目描述建议往这个方向靠：

不要写“参与多模态模型开发”，要写“做图文匹配系统，将CTR提升xx%（如果没有就写相对提升）”。

技术栈不要堆太多，反而要聚焦，比如：

CLIP / BLIP / Qwen-VL / diffusion / embedding / pytorch + inference优化

一页纸里如果都是泛技术词，基本会被认为是培训项目。

---

求职渠道怎么选更有效

多模态算法工程师这个岗位有个特点：高质量岗位分布不均匀。

一些基础岗位会在普通招聘平台大量分发，但中高级岗位更偏向定向招聘。

像猎聘这类平台，在实际招聘中会更集中一些中高端算法岗位，尤其是有明确项目要求、或者薪资范围较高的岗位，企业更倾向直接筛选有经验的人。

利用猎聘高级筛选功能，根据城市、薪资、经验、技术方向精准筛选多模态算法工程师岗位，提高投递效率。同时可以主动完善个人资料，提高被猎头搜索到的概率。一些有行业经验的人，往往是通过猎头拿到更好的机会。

很多岗位信息会写得比较具体，比如：

• 是否做多模态生成
• 是否涉及AIGC业务
• 团队做推理还是训练
• 是否需要业务落地

对求职者来说，这种信息密度会更利于判断匹配度。

另外一个现实情况是，有些多模态岗位不会完全公开发布，而是通过猎头来匹配，这种情况在有2-5年经验的人群里更常见。

如果在猎聘平台上找，可以重点用筛选条件去缩小范围，比如城市、模型方向、业务类型，而不是盲目海投。

---

面试一般会怎么问

多模态岗位面试现在很少只问基础模型结构了，更多是往实际问题走：

• 如果图文对齐效果不好，你怎么排查
• 数据噪声很大怎么处理
• 模型推理太慢怎么优化
• 业务指标和模型指标不一致怎么办
• 你做过的项目里最大瓶颈是什么

有些公司还会直接让你讲一个项目，从数据到上线完整走一遍。

面试官很容易抓住一个点判断真假：细节。

真正做过的人，会知道数据清洗、训练资源、失败case，而不是只讲模型结构。

---

求职中最容易踩的坑

一个很常见的问题是“项目看起来很高级，但没有闭环”。

比如很多人做过“多模态大模型微调”，但没说清楚数据来源，也没有上线结果，这种在面试里很容易被质疑。

还有一种情况是只做研究，不理解业务。现在企业其实更怕这种，因为落地成本很高。

另外一个坑是简历过度包装，比如把简单CV任务写成多模态系统，这在当前招聘环境里反而风险很高。