目录

1. DeepSeek效应：一个公司如何重塑一座城市的AI人才水位
2. 缺口一：大模型算法岗的存量之争——全城抢同一批人
3. 缺口二：从安防AI到多模态的转型缺口——老牌企业的换挡阵痛
4. 缺口三：AI工程化落地的人才断档——从Paper到Product中间缺一环
5. 杭州AI人才从哪里来：三个导流管道和一个供给上限
6. 常见问题（FAQ）

一、DeepSeek效应：一个公司如何重塑一座城市的AI人才水位

杭州在2023年之前的AI人才市场格局是清晰的：阿里系一家独大。阿里云和达摩院占了杭州AI人才需求的七成，海康和大华做安防AI占了另外两成，剩下的创业公司分一成。这个格局在2025年被DeepSeek打破了——DeepSeek从杭州起家、V3和R1两个大模型在全球范围出圈，直接带火了三件事。

一是杭州AI人才的整体水位被抬高——DeepSeek以对标OpenAI的薪酬水平招人，NLP和RL（强化学习）方向的资深研究员年薪直接拉到200万，这在杭州过去是不可想象的。二是头部企业的防御性扩编——阿里云和蚂蚁的大模型团队在DeepSeek火起来之后同步扩编了30%以上，不是为了进攻、是为了防守——不能让杭州的AI人才全流向DeepSeek。三是二线企业的跟风上车——海康、大华和宇视从安防AI转向多模态大模型，字节跳动2026年在杭州新设了AI研究院。

从百猎人才科技杭州方向的寻访数据看，2026年上半年杭州AI方向的中高端岗位发布量同比增长了60%以上，但核心算法岗的本地人才匹配率仅为12%-18%。不是没人投简历——是投了的人同时被三家以上的企业在谈。杭州的AI人才市场正在从"买方市场"迅速向"卖方市场"倾斜。

二、缺口一：大模型算法岗的存量之争——全城抢同一批人

杭州AI人才市场最尖锐的矛盾在于大模型算法岗。DeepSeek、阿里云、蚂蚁、字节四家同时在杭州招NLP、RL和训练Infra方向的资深工程师和研究员，四家的岗位需求高度重叠——都需要做预训练和后训练的大模型算法能力。但杭州在这个方向的存量有多少？粗略估算是500人以内——浙大CS和AI方向过去几年的毕业生加上从阿里系出来创业又回流的人，这些人构成了杭州大模型算法的人才池底。

缺口有多大？四家头部企业在2026年的招聘计划加起来大概需要新增大模型算法岗400-500个——相当于要把杭州现有的大模型算法存量翻一倍。而浙大每年CS和AI方向的硕士和博士毕业生加起来大约2000人，去掉出国和去北上深的一部分，能留在杭州做AI的可能不到800人——其中做NLP和RL的又只有一部分。本地产出远远不够。

对杭州猎头公司来说，大模型算法岗的搜猎策略必须从三个管道同时发力。一是从北京（字节、百度、智谱、月之暗面）和上海（商汤、MiniMax、阶跃星辰）定向回流——杭州的生活成本和房价优势是一个强卖点。二是从硅谷和新加坡回流华人AI研究员——DeepSeek的全球声誉给了杭州一个之前没有的人才吸引力。三是从浙大和国内其他Top AI实验室的应届博士中定向挖掘。关于跨城市定向搜猎高端算法人才的方法论，储能赛道猎聘案例中"在行业关键节点精准布网"的策略同样适用于杭州的AI人才搜猎。

三、缺口二：从安防AI到多模态的转型缺口——老牌企业的换挡阵痛

海康威视、大华和宇视是杭州的安防三强，在传统计算机视觉方向（目标检测、图像分类、行为识别）有很深的积累，杭州CV工程师的存量在全国仅次于北京。但2026年的一个关键变化是：安防摄像头市场的增长放缓，三家企业同时在从"安防CV"向"多模态AI"转型——把视觉、语音、文本、雷达多种模态的数据融合到一个模型里，做更复杂的场景理解。

这个转型对人才的需求不是"更多CV工程师"，而是"懂多模态的算法工程师"——需要同时理解视觉Transformer和语言模型、能做跨模态表征学习、能做视觉-语言的联合训练。一个在海康做了八年目标检测的CV工程师，转到多模态方向，大概有40%的技能要重新学——视觉基础可以用，但语言模型的训练和对齐需要从头来。杭州在传统CV方向的人才池比较充裕，在多模态方向的人才池非常浅——全杭州可能不到300人。

安防企业转型多模态的人才策略跟佛山制造业从白电到库卡机器人的转型逻辑类似——老产业的人没法直接转，必须从外部导入新技术人才。海康和大华的多模态人才主要来自两个渠道：一是从北京和上海的AI公司（商汤、旷视、MiniMax）定向挖角做过多模态的算法工程师；二是从浙大和上海交大的多模态和视觉-语言方向的博士中招募应届。

四、缺口三：AI工程化落地的人才断档——从Paper到Product中间缺一环

杭州AI人才市场还有一个被严重低估的缺口：AI工程化人才。大模型从实验室跑通到产线落地，中间需要的不是"更多的算法研究员"，而是能把Paper变成Product的工程化团队。这个团队需要三类人：一是推理和部署工程师——把千亿参数的模型压缩和量化到能在企业客户的GPU集群上跑得又稳又快；二是AI数据工程师——搭建数据飞轮、做数据清洗和标注的质量控制、管好SFT和RLHF的训练数据管线；三是MLOps和AI平台工程师——把模型训练、评估、部署、监控的全流程自动化。

这三类人的共同特征是：不需要发顶会论文，但需要在工业界实际把AI系统跑起来。这类人才在国内的存量比算法研究员更稀缺——中国AI领域过去十年的教育和研究方向偏重"模型创新"，对"AI系统工程化"的重视不够。一个在做大模型应用的杭州创业公司CEO说过一句话很有代表性："招一个能做RLHF的博士生比招一个能把RLHF流程跑顺的工程化工程师还容易——因为博士多得是，工程化老手全在字节和阿里，人家根本不跳槽。"

杭州AI工程化人才的对标参照是武汉光谷在存储芯片方向的做法——武汉在光通信有存量人才，但存储芯片专才只能从长三角导入。杭州同理——AI工程化人才在全中国都稀缺，杭州企业必须像武汉招芯片人才一样，从字节跳动和阿里云内部定向挖角有3-5年AI工程化经验的工程师。

五、杭州AI人才从哪里来：三个导流管道和一个供给上限

杭州AI人才的供给有三个管道。管道一：浙大和长三角高校。浙大CS和AI方向的年产出大约2000人，加上上海交大、复旦、南大和东南大学辐射过来的AI方向毕业生，长三角每年大约能提供5000-6000名AI方向的硕士以上毕业生。管道二：北上深回流。杭州的房价和生活成本优势是真实存在的——一个年薪150万的NLP专家，在杭州买了房还剩的月可支配收入大致等于在北京195万的同等水平。这个可支配收入差距是杭州从北上深拉AI人才的硬牌。管道三：海归和远程。DeepSeek的全球声誉让杭州首次有了从硅谷和新加坡直接回流AI华人研究员的吸引力。

但杭州AI人才有一个明显的供给瓶颈：高端AI人才的全球供给本身就是刚性的——全世界能做LLM预训练和后训练核心架构的工程师可能不超过5000人，这个池子不是杭州一城能扩大的。关于人才供给刚性的方法论应对，招聘需求分析实战指南的四步框架提供了一个系统性的思路——在供给刚性约束下，企业需要提前做需求拆解，把"一个全能型算法专家"的招聘需求拆成"两个专才+一个工程化团队"，降低对单点供给的依赖。

常见问题（FAQ）