大厂AI抢人大战，从实习生开始量子位

全球AI人才争夺战已进入白热化阶段，头部科技企业纷纷祭出高薪+顶级算力的组合拳，争抢最顶尖的AI技术人才。

量子位了解到，即便是实习生，国内头部厂开出的年薪也已突破百万大关。

这个数字令人咋舌。但……实习生，终究只是实习生。

我们走访多家头部大厂了解到，哪怕是在AI团队的核心组，一般来说，实习生能有小几十张卡用，就已经是顶顶好的待遇了。

更多人面对的情况无外乎以下几种：

日复一日月复一月洗数据式的重复劳动

或者这么说吧！在大多数时候，挂着技术实习生的头衔，做着与核心技术相去甚远的工作，这种落差在业内早已是公开的秘密。

但这一次，我们在京东前不久开源的240亿参数图像编辑模型JoyAI-Image-Edit的贡献者名单中发现，除了技术大咖，还出现了许多新名字。

量子位辗转联系到其中4位分别来自清北、港校、中科大的技术实习生，这才得知，他们不仅参与了模型研发，还深度参与了模型多个核心子模块的设计与实现。

可以说是从0到1全程参与了这款模型的研发全流程。

其中一位同学前后在三、四家大厂实习过，他说：“在京东探索研究院的实习经历，和别处的实习经历真的还挺不一样。”

一个SOTA开源模型，四位实习核心参与者

为什么要费劲联系这四位同学？得从京东这款最新开源模型说起。

JoyAI-Image-Edit一发布就登顶了业内空间编辑能力榜单，力压Nano Banana等国际主流模型。

这个开源模型主打空间理解与空间编辑，试图解决当前多模态大模型“会画图、不懂空间”的行业短板。

现有图像生成模型普遍缺乏空间关系理解能力，而该模型能精准识别物体方位、视角变换与空间结构，实现相机旋转、物体位移、场景三维重构等精准编辑，兼具图像生成与空间化编辑能力。

实际应用中，这种能力不仅能支撑电商商品图生成、创意设计等日常场景，更有望成为京东业务的底层技术支撑。

模型背后是京东探索研究院（以下简称探院）的全力投入。

去年9月起，京东创始人刘强东亲自担任院长，段楠等核心领导者坐镇，面向全球招募顶尖AI科学家。

JoyAI-Image-Edit就是这支团队在多模态方向交出的早期答卷。

我们接触到的四位实习生从去年夏天开始陆续入职探院，加入刚刚开始搭建的多模态团队。

不同分工的他们都参与到这个核心项目中，还拿到了对AI实习生们不那么容易得到的机会——在导师的指导下，独立负责模型某一关键方向，从0到1地搭建自己模块的技术体系。

介绍一下四位同学吧（应本人要求，均采用花名）～

Scott，港科大博士四年级在读，去年9月开始实习，负责空间理解模型的训练；

Eason，清华研三，去年10月开始实习，负责模型预训练全链路；

Sam，港大博士，去年9月开始实习，负责空间理解与具身智能数据；

Zony，中科大研二，去年11月中旬开始实习，负责模型后训练。

△他们纷纷拒绝出镜，我不得不用AI画一张意思一下

这份实习，有什么不一样？

接过京东的实习offer之前，这4位朋友手里都不止一个选择，几乎都是大厂、明星创业公司，其中不乏业内公认的顶级AI团队。

但最终，他们都选择了当时尚在起步阶段的探院。

“薪酬很重要，但不是最重要的那个。大多数大厂做不了0到1，只能去成熟的组。”有点意外，这几乎是他们四个的一致答案，“创业公司是从0到1，但做的事儿就不是了。没那么sexy。”

他们看重的，早已不只是一份光鲜的实习履历，而是能否站在真正前沿、拥有长远未来的技术方向上，获得扎实的成长，在未来承担关键技术角色。

深入交流后，我们总结出这群实习er在探院实习的三个核心差异点。

核心差异一：权责

在多数大厂，实习生很难享有充分的话语权与参与度。

但四位同学都提到，京东探院完全不同。“一切以能力和技术方向为核心”，实习生和正式员工享有同等的技术话语权。

简单来讲，实习生能拿到什么级别的任务，不看身份title，只看真实能力。

Eason对此感受明显。在另一家大厂也实习过的他，自述在这里从来没有过“自己是颗螺丝钉”的感觉。

这一点在去年9月进组实习的Scott身上得到了交叉验证。

作为探院最早一批实习生，他入职后很快就在组里独立负责空间理解部分的相关工作，从技术路线、实验方案到资源调配，都拥有自主决定权。

沟通下来发现，四位实习生都是在综合能力评估后，在导师指导下直接成为某个核心子方向的Owner。

Zony的感受更深。他是四人中年级最低、还在读的硕士同学。

“你像A厂那边，还有B厂那边，哪怕你挤进去了，只是分到一个边缘性的工作。”用他的原话，作为研二学生，他如果去其他大厂可能做的还是数据清洗之类的基础工作。

但在探院，在团队规划与导师支持下，他能独立承担JoyAI-Image-Edit 模型后训练环节的研发工作。

今年年初，行业内还没有成熟可用的开源奖励模型，他针对解决图像真实感弱、AI痕迹重的问题与多方沟通与探索，独立设计出整套奖励规则。

这部分工作为模型最终效果提供了重要支撑。

核心差异二：资源

AI研发，算力为王。

但算力有限是很现实的问题。所以在绝大多数大厂，算力都有严格等级分配，优先保障核心组与正式员工，实习生几乎分不到优质资源。

京东探院这里，情况有点不一样。

“卡的资源确实比别处更有优势，我们每个团队都会被分到一个固定的算力池，大家商量着用。”Scott举了个例子，比如今天你想跑一个大的实验，其他同学可以稍微控一控，让你先跑完。

截至目前，算力池对Scott所在的整个小组来说都够用，甚至还有富余。

据他所知，leader之间还会暗暗向上argue资源，让一线研发不用分心。

Sam对此也有同感。

他不是空间智能的原生实习生（此处一个doge保命），自己的老本行其实是自动驾驶。为了转行，他特意放弃已经到手的offer，申请延迟一年博士毕业，并快速做决定，在港大师兄的背书下选择来到京东探院实习。

还在自动驾驶领域干的时候，他呆过北京不少厂。他回忆道，作为实习生，最多能争取到十几张卡就很不得了了，在有的厂实习生“都没见过A卡”。