以前校招算法岗，你复现个BERT、跑个ResNet，简历上写"从零训练大模型"就能唬住面试官。现在K3开源了，面试官直接灵魂拷问："既然开源模型这么强，你从头训一个的意义在哪？"
大厂不需要只会调参的人了，他们要的是能把开源模型调到业务极致的人。
二、工程/infra岗意外变香
K3开源不代表开箱即用，2.8万亿参数怎么在有限算力下跑起来？怎么量化压缩？怎么做分布式推理？这些才是大厂现在急需的能力。
华为昇腾今天宣布完成K3的0day适配，背后需要大量懂国产算力、懂模型压缩的工程人才。27届如果走AI工程化方向，反而比纯算法更有安全感。
有个腾讯负责校招的朋友跟我说，今年很多组的JD悄悄改了——"有大模型部署经验优先"的权重在上升，"发表顶会论文"的要求在松动。
三、简历内卷进入新阶段
还有一个变化很微妙：大家的项目经历更难写出差异化。
以前你可以说"我复现了GPT-2""我训练了一个领域大模型"，现在面试官会反问："K3都开源了，你那个模型跟它比优势在哪？"
这意味着校招生得换思路。不能再写"我从头训了一个XX模型"，而要写"我基于K3做了XX场景的适配，推理速度提升了XX，业务指标涨了XX"
四、面试考察点也在变
算法岗面试以前爱问"Transformer结构详解""注意力机制数学推导"，现在更可能问："如果业务要求QPS达到1000，K3这么大的模型怎么部署？""量化到INT8精度损失多少，怎么补偿？"
这些问题背后，是岗位能力模型在从"懂原理"转向"能落地"。对27届来说，如果还在死磕论文公式推导，面试可能会翻车。
五、给27届的几个建议
1、抓紧补工程能力：Docker、K8s、模型量化、推理加速，这些技能今年校招会很吃香。
2、项目经历换叙事：别再写"从零训练"，要写"基于开源模型做业务适配"，强调效果和工程trade-off。
3、关注国产生态：昇腾、海光这些国产算力链路正在崛起，懂这块的同学稀缺度高。
4、多投AI infra岗：模型训练HC在缩，但部署和优化HC在涨，岗位供需在重新平衡。
