AI猎头魔幻一年:一单佣金300万,数百人围猎一个岗位

Tech星球
Yesterday

文 | Tech星球,作者 | 林京

最近,一张截图在各大猎头群聊中疯传:某具身智能公司招聘AI算法专家,年薪总包高达1050万元,猎头费26%,即273万元。

近300万元的单笔佣金,再次将猎头行业推至聚光灯下。

AI岗位的爆发,让沉寂已久的猎头行业再度热闹起来。科锐国际在今年9月对外披露,围绕人工智能的岗位需求占公司猎头业务收入50%以上。

当大模型、具身智能企业开出百万、千万年薪招人,资本涌入不断涌入AI赛道,作为人力资源中间商的猎头自然也分得一杯羹。甚至不少应届生也受高薪吸引,转身投入猎头行业。有猎头坦言,这一行如今也开始卷学历了。

但硬币的另一面同样残酷:交付周期动辄半年到一年,企业刚组建的团队不久便解散,最终沦为“飞单”、无法如期收到佣金的情况也屡见不鲜。

“每天开会催KPI”,数百个猎头围猎一个岗位

对于网传的近300万猎头费,一位猎头向Tech星球透露,这笔订单来源于锐仕方达,团队内部还要按比例分配,兑付周期估计需要一年以上,因为猎头通常要在候选人入职半年甚至一年之后,才能拿到佣金。

上述猎头介绍,猎头通常有两种佣金计算模式:一种按总包计算,包含期权、股票等一系列附加权益;另一种按纯现金计算,一般是“候选人每月固定薪资×12×费率”。

过去一年,社交平台上聚焦基础模型、机器人等细分赛道的猎头越来越多。对一部分曾服务互联网大厂的猎头而言,在经历企业业务聚焦与收缩之后,终于迎来了AI人才需求的爆发。

相比以往赛道,AI岗位的显著特征是高薪。脉脉发布的报告显示,AI岗位平均月薪达60738元,比新经济行业整体平均月薪48189元高出约26%。科锐国际数据显示,AI首席科学家中位年薪达350万,大模型算法负责人中位年薪225万。

更有企业为定义技术路线图的核心领军人物开出顶配待遇,优必选在2026年4月招聘的“具身智能首席科学家”,年薪1500万元起步,最高达1.24亿元。

对猎头而言,这意味着更高的收入、更卷的竞争。聚焦机器人赛道的猎头John-俊杰告诉Tech星球,具身智能赛道正处于类似互联网时期的跑马圈地阶段,比拼的是技术迭代速度,谁更快占住生态位,谁就能占据先机。他对接的候选人,经常在深夜两三点还在加班。

速度快的另一表现是,一些产业链相关的上市企业需要在短时间内组建一支具身智能团队。他接手的一个案例是,某上市公司布局的具身业务,团队从零快速扩张到规模化 ,猎头需快速协助批量招聘中高端研发人员。

入局者也在暴增。他遇到过,一家企业组建的猎头群里,有上百个猎头在里面。

另一方面,过往经验难以复制。John-俊杰是某上海猎头公司合伙人,过去公司一直追风口,先后经历了“互联网—半导体—新能源车—具身智能”四个阶段。但具身智能不一样,俊杰说,这是一条没有成熟先例的赛道,技术路径尚未统一,无法照搬过往经验,也几乎没有现成的人才池可用,猎头过往的经验很难直接迁移。

据John-俊杰介绍,2025年年中,公司开始定位具身智能领域,背后契机包括2025年春晚宇树机器人出圈,以及投融资视角转移、大批资金涌入。团队一般会根据资本投资的风向,感知最新趋势。

同样站上这波风口的,还有以应届生身份入局的晓雨,目前主要服务于互联网大厂的大模型相关招聘需求。

在某头部猎头企业,晓雨每天的重要工作之一是泡在GitHub社区、海外各类社交平台上,为企业寻找目标候选人。如今,猎头企业的工作节奏堪比互联网大厂,每周一半时间都要到9点半才能下班。晓雨说,她所在的小组甚至要每天都要开会,项目组长负责催促KPI进度。

随着AI人才需求暴增,头部猎头都在扩招团队,其中大量是性价比更高的实习生,晓雨便是其一。她进入猎头行业的契机,是去年秋招时对方发offer极快,薪酬也优于市面上其他岗位。彼时她所了解的AI猎头行业,薪酬想象空间巨大,每个季度只要交付能力达标,就有涨薪的可能。

只不过,对晓雨这样的实习生而言,目前做的都是最枯燥的基础寻访工作,日常负责最基础的人才搜索与沟通,行业里的财富流动,主要流向手握项目和合同的项目组长。据晓雨介绍,项目组长今年收入肉眼可见地增加,资深猎头佣金比例不低,一单15万的年包,根据签署合同的不同,组长可以分到15%~35%。如果在二三线城市,这是一笔非常可观的收入。

互联网大厂的需求变化更快了

具身智能赛道入局者众多,但真正稀缺的,是那些能穿越技术周期的人才。至于该押注谁,不同赛道、不同阶段的公司,答案截然不同。

据猎头John-俊杰观察,学院派具身智能公司在招聘时底层逻辑非常明确:候选人必须足够聪明。这类公司通常由知名大学教授带领博士团队,研发机器人本体或机器人大脑。在他们看来,高考作为公认最强的做题能力筛选机制,本质上筛选的就是“最强大脑”。

这套逻辑延伸到招聘中,论文就成了核心评价维度,而非加分项。学院派公司非常看重候选人的论文质量,因为论文背后反映的,正是候选人对底层运行机制的理解深度。John-俊杰曾接触过一位在头部具身智能本体厂商项目经验丰富、方向高度对口的候选人,但因底层逻辑欠缺,仍可能被淘汰。学院派需要的不仅是“能跑通项目的人”,更是能理解底层运行机制、跟得上最前沿技术落地逻辑的人。

相比之下,具身本体厂商或具身大脑厂商更看重落地经验。

具身智能的薪酬逻辑,本质是生态位决定的,俊杰说,上市集团拆分的公司资金雄厚、急着抢人,愿意给现金溢价甚至签字费。宇树、智元这类头部企业品牌吸引力强,反而在薪资谈判中压价最多,溢价空间最小。初创公司现金拼不过,只能靠期权吸引人,但期权行权条件苛刻、兑现周期长,对候选人来说更像一个上限和下限都很高的“盲盒”。

到了大模型领域,人才争夺战则是另一套逻辑。大模型领域“抢人”比具身智能更依赖押注个人。相比于具身智能的落地场景和工程路径还有相对明确的进厂或进家庭服务目标,而大模型领域的方向本身就在持续被重新定义,判断力的价值权重更高。

某种意义上,在大模型公司的资源分配里,算力、数据、团队规模都是在为某个人的判断“买单”。

这种“为个人判断买单”的逻辑,在量化领域早有先例。一个被多位猎头联系过的求职者表示, Deepseek的HR都是从母公司幻方量化的HR体系转过来的,后者也曾是业内公认的猎头最多的企业之一。通俗点说,大模型公司看好一个人,就愿意给他配置更多算力资源。量化公司看好一个人,就敢给他实盘资金去验证判断。

上述求职者介绍,在大模型或量化公司,表面上看员工和资金规模都很庞大,但真正能决定方向的,往往就是那么小几十号人。而且每次押注一个方向,都得砸下真金白银去验证,某个人到底有没有真正的水平和嗅觉。换句话说,大模型公司本质上是在用资源押注某个人的Taste。

不过,并非所有猎头生意都围绕极少数的顶尖人才展开。晓雨所在的企业,主要做中腰部人才的猎头生意,靠量、靠速度、靠KPI。

她感受最明显的是,互联网大厂的需求岗位一直在变,新业务不断冒出来。刚进公司时,释放最多的是infra类(训练/推理基础设施)岗位,到了下半年,Agent相关岗位明显增多,最近七八月份AIGC技能岗位尤其多。

在晓雨看来,如果只盯一个大厂、一个领域,风险很大。比如,受技术路线不同等因素影响,一些互联网大厂出来的员工,短时间内会被其他大厂拒收。

猎头行业重回“躺赚时代”?

猎头行业曾经有过一段时间的沉寂和低谷期。2022 年之前,互联网大厂是猎头最大的“金主”之一,彼时,一家猎头企业只需聚焦一两家互联网大厂,便可以实现年入千万。

一位猎头回忆,往年 3、4 月是互联网招聘的绝对高峰,猎头们靠大厂跳槽季就能赚得盆满钵满。但AI浪潮之前,互联网企业的集体动作是降本增效,削减营销费用、缩减人力成本,落实到员工侧就是裁员、缩招。属于猎头们的互联网黄金赛道,一度接近尾声。

数据印证了这场退潮。数据显示,2022—2023 年,猎头行业总规模蒸发了 180 亿,市场萎缩 30%。猎头费率也随之下降,单均收入只剩过去的四分之一。

一单近300万的佣金,让猎头行业似乎又回到过去“躺赢”的阶段。

这个数字本身就说明,顶尖AI人才的争夺已经激烈到企业愿意为找到优秀人才这件事支付天价费用。当一个人值1050万的时候,谁能把目标员工送到企业面前,谁就站在了风口上。

所不同的是,过去大厂跳槽季一来,猎头们靠批量交付就能赚得盆满钵满,那是一个找对人就能赚钱的时代。而现在,当一个人才价值数百万甚至上千万时,企业需要的猎头,不再只是“递简历的人”,而是能理解技术、能跟顶尖候选人对话、能在极窄赛道里精准判断匹配度的人。

这种变化,对猎头的能力提出了更高要求。据猎头晓雨介绍,AI行业技术迭代太快,即便是资深猎头,过去的经验也很难直接复用。无论新人还是老手,都得保持平和心态和持续学习的能力。

还有漫长的回款周期考验。通常需候选人在职3—6个月甚至1年,才能收到佣金。这期间任何一个环节出问题,比如若候选人收到offer但最终未入职、谈薪未谈拢、入职两个月便离职,都会导致“飞单”,数月努力付诸东流。更极端的情况是,企业从0到1搭建的团队突然决定裁撤,同样会让猎头白忙一场。

但猎头依旧是一个足够折叠的行业。头部猎头站在风口上,赚得盆满钵满,而像晓雨这样的年轻实习生,不过是底层流水线上的一员,高薪故事听上去很近,但眼前的KPI越来越重。她最终选择了离开——压力太大,节奏太快,太累了。

(备注:文中晓雨为化名。)

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10