脉脉上一则招聘信息显示，中国铁路 12306 集团研究院集中释放了一批 AI 岗位：AI Infra 工程师及负责人 17 HC、多模态理解算法 33 HC、大模型评测算法 10 HC、大语言模型 9 HC，合计 69 HC。

先说明：岗位数量和招聘进度具有时效性，应以脉脉最新岗位页面和招聘方确认为准。但这份岗位结构本身很有参考价值——企业需要的并不只是“会训练大模型”的研究员，Infra、评测和多模态正在同时扩大需求。

69 个 HC，透露出三个招聘信号

信号一：多模态是最大需求池

33 个多模态理解算法 HC，占这批岗位的近一半。对 12306 这样的复杂业务系统，多模态并不只是图片问答，它可能覆盖票证与文档理解、图像识别、语音交互、异常检测以及跨模态检索等场景。

这意味着，有计算机视觉、OCR、NLP、语音或检索背景的研发，不一定要把过去全部推倒重来。更现实的做法，是把原有能力迁移到视觉语言模型、跨模态数据和评测体系上。

信号二：AI Infra 已经从“辅助岗”变成核心岗

17 个 AI Infra 工程师及负责人 HC，说明大模型落地的瓶颈正在从“有没有模型”转向“能不能稳定、低成本地跑起来”。

企业真正需要的是能解决这些问题的人：

• 训练与推理集群的资源调度；
• GPU 利用率、吞吐和延迟优化；
• 模型服务的弹性、容灾与可观测性；
• 数据流水线、版本管理和发布回滚；
• 多模型、多租户环境下的成本与权限治理。

对后端、云原生、分布式系统和 SRE 工程师来说，AI Infra 往往是比“从零转算法”更顺滑的迁移路线。

信号三：评测正在成为独立岗位

10 个大模型评测算法 HC 值得特别关注。过去很多团队把评测当作上线前的临时测试，如今它逐渐成为独立工程体系。

大模型评测不只是跑几个榜单，而是要回答：模型在真实业务里是否可靠？是否会幻觉？面对边界输入是否安全？升级之后有没有回归？线上反馈怎样进入下一轮数据闭环？

如果你有测试开发、数据分析、搜索推荐评估、风控或质量平台经验，这条路线也可能形成差异化优势。

四类岗位分别需要什么能力？

方向	重点能力	简历里应出现的证据
AI Infra	分布式系统、Kubernetes、GPU 调度、推理服务、性能优化	吞吐提升、延迟下降、资源利用率和稳定性指标
多模态算法	CV/NLP、VLM、数据构建、训练与推理	数据规模、模型指标、业务场景和上线效果
大模型评测	Benchmark、LLM-as-a-Judge、人工评审、回归与安全	评测集设计、指标体系、问题闭环和版本对比
大语言模型	预训练/后训练、SFT、偏好优化、推理优化	模型规模、数据方法、实验结果和生产落地

岗位名称只是入口，企业最终会为“可证明的结果”买单。与其在简历上堆热门关键词，不如把项目改写成四段：业务问题、技术约束、你的方案、量化结果。

普通研发如何准备这类机会？

后端/基础架构转 AI Infra

优先补齐模型服务链路，而不是一开始就卷论文。可以用一个开源模型搭建推理服务，完成压测、监控、限流、缓存、故障恢复和成本分析，再把数据写进项目经历。

CV/NLP 转多模态

重点证明自己能处理跨模态数据和真实业务噪声。一个完整项目应包括数据构建、模型选择、微调策略、评测集和线上指标，而不只是跑通 Demo。

测试/数据岗位转大模型评测

可以从“错误分类体系”入手：事实性错误、指令遵循、工具调用、幻觉、安全和稳定性分别怎样测？再设计自动评测与人工抽检的组合流程。

从看到消息，到真正拿到内推

招聘信息传播很快，岗位细节却往往不完整。看到这类帖子后，可以在脉脉完成四个动作：

1. 搜索公司和岗位关键词，确认职位是否仍在招聘；
2. 查看招聘方或团队成员的公开职业信息，判断岗位归属；
3. 找相近方向的在职从业者，询问技术栈、面试重点与工作内容；
4. 准备好匹配版本的简历后，再争取内推或直接联系招聘方。

脉脉的优势不只是“看到 69 个 HC”，而是把一条招聘消息继续拆成岗位、团队和人的连接。对研发求职者来说，这一步通常比盲投更有价值。

本文根据脉脉用户公开招聘信息进行原创拆解，不构成招聘承诺；岗位名称、HC 和流程请以最新岗位页面及招聘方确认为准。

脉脉原帖链接：

• 中国铁路12306集团研究院AI岗位信息