招聘岗位是反映企业真实意图的最直接信号之一。

它清晰展现了公司未来半年在哪些人才上投入资金，这种信号无法伪装。

这次，我们换个对象，用相同的方法来剖析字节跳动。

相较于微信，字节的规模更为庞大。

要知道，根据The Information在9月份的报道，字节跳动2025年营收大约2000亿美元，基本与Meta持平。

那么，它在AI领域招募哪些人才？

10月5日早上9点，字节跳动招聘官网（jobs.bytedance.com）的社会招聘频道总共发布了11187个职位。

在官网搜索栏输入“AI”，返回了4791个岗位，占所有社招岗位的42.8%。

直觉告诉我，这里面蕴含了大量值得探究的信息。

接下来，我们逐一看看我的一些发现——

一、数据来源是什么？

字节的招聘官网与腾讯类似，无需登录即可浏览。

上次研究微信时，我尝试了Manus、扣子空间等多个Agent工具。

这次，我让Claude按照官网页面加载职位列表的方式，将公开显示的社招岗位逐页读取下来。

整个过程无需登录，读取的都是任何访客都能看到的岗位信息。

几分钟内就获取了全部11187个社招岗位，再与官网“AI”关键词的搜索结果逐一比对，4791个AI岗位全部都能对应上。

一年多时间，Agent在这类长程数据任务上的进步显而易见，Opus 5.5确实表现出色。

先说明两个口径：

这里只包含中文官网的国内社招，不包括TikTok海外站、校招和实习岗位；业务板块是我根据岗位标题后缀归纳的，与字节官方架构不完全一致。

好，我们正式开始分析——

二、字节整体AI岗位占比42.8%，且仍在上升

先看时间维度。

官网每个岗位都有发布日期这个字段（发布时间取自官网岗位列表数据，详情页上不显示）。

把在招岗位按发布时间分组，AI岗位的占比呈现出一条清晰的上升趋势：

新发布岗位中，AI占比从33%升至55%。

我们可以看到趋势非常明确：字节新开设的岗位中，已经有一半以上与AI相关。

字节CEO梁汝波在9月15日的飞书大会上，分享了一个颇具画面感的细节：

PPT中画了PC、Web、移动互联网、AI四座山峰，他“刻意让同事将前面三个峰变矮了一半，因为AI这个高峰会比前面的高得多”。

从AI岗位占比来看，梁老板所说的，与HR的实际行动是吻合的。

再看职能维度。

有几个发现——

设计岗的AI占比（58.2%）比研发岗（52.9%）还高。

这有点违背直觉，但查看具体岗位就能理解：

AI产品设计师、AIGC效果设计师、“Design+Vibe Coding”方向的产品设计师……

都说AI在淘汰设计师，但事实上，懂AI的设计师比你想象的更受欢迎。

产品岗的AI占比也超过一半（50.4%）。

4791个AI岗位中有869个是产品经理、策略产品或产品运营岗，其中545个标题里直接写着AI、大模型或Agent。

销售岗整体只有14.7%，但二级类别“销售支持”的AI占比高达79.1%。

这些销售支持岗位几乎全部来自飞书和火山引擎：

“AI售前解决方案专家”、“企业AI落地专家（SMB方向）”、“AI落地实践讲师”。

销售AI需要一支懂AI的售前队伍，这个逻辑在后面的ToB部分会详细展开。

三、不同业务模块的AI渗透率

AI的渗透，在字节内部极不均衡。

我将4791个岗位按业务板块归类，计算了每个板块在招岗位中AI岗位的占比：

排在最前面的几个很好理解：Seed大模型团队96.1%，豆包等AI原生应用77.2%，剪映/CapCut 74.3%。

最后面的几个有点意思：

电商在招1635个岗位，是公司最多的板块，AI占比只有26.4%。

本地生活在招883个，AI岗位149个，占比16.9%，垫底。

为什么会这样呢？

电商和本地生活，是典型的繁琐业务，这类业务中，大量岗位是商家运营、BD等与人打交道的岗位，这类岗位AI能发挥作用的部分天然较小。

电商目前AI主要用于客服、商家助手、达人服务等环节提升效率。

所以我们能看到“大模型应用研发工程师（智能客服方向）”等岗位。

这与我在微信那篇文章中分析微信电商时的判断一致：高熵的繁琐工作，技术杠杆天然没那么重要。

这背后的逻辑其实也很简单：AI最先影响的，肯定是线上的工作，线下嘛，还需要慢慢来。

四、战略层两个关键词：饱和、全栈

字节的AI岗位到底分布在哪些链条上？

答案是：所有链条。

首先是芯片：SoC、RDMA网卡、交换机……全部社招中芯片及相关硬件关键词的岗位有356个。

接下来是算力与训练推理基础设施：基础设施、计算、网络、存储、Data AML机器学习平台。

然后是基座模型：Seed，外加为Seed服务的“AI数据与安全”团队。

还有模型服务与云：火山引擎、火山方舟MaaS。

最后是应用和硬件终端：豆包、即梦、飞书、抖音、TikTok、电商……豆包手机助手、移动OS、PICO。

放眼国内，能在招聘上同时覆盖AI产业这六层的公司屈指可数，下面挑几层详细分析——

1. Seed：人数不多，战线很宽

Seed板块在招257个岗位，放在字节整体中并不算多，68%的AI岗位在北京，但它的方向铺得很开：

•大语言模型与Agent：

预训练、后训练、强化学习、可解释性研究员、Code Agent、AI搜索Agent、通用Agent、“桌面端Computer Use Agent研发工程师”、“大模型Multi-Agent Harness工程师”。

直观来看，字节的Computer Use后续会发力。

•多模态与生成：

视频生成、图像生成、3D生成、语音识别与合成、音乐算法、“视觉多模态应用算法工程师（视频通话方向）”，Seedance的领先优势要继续巩固。

•世界模型：

“多模态世界模型算法研究员”、“多模态与世界模型强化学习算法研究员”。

•具身智能：

这是我认为最值得关注的一块。

Seed在招的机器人岗位中，除了具身算法研究员，还有“机器人减速机设计工程师”、“机器人灵巧手工程师”、“机器人电气连接线束工程师”、“机器人本体结构工程师”、“量产型硬件产品经理”等。

招聘灵巧手、减速机和线束工程师，意味着Seed在自行制造机器人本体，再加上一个“量产型”硬件产品经理，意图就更明显了。

•AI for Science：

“物质发现算法研究员”、“分子设计与合成科学家”、“化学反应多尺度算法研究员”、“量子化学与机器学习研究员”，以及一个“自动化系统工程师”，很可能指向自动化实验室。

可以看到，模型涉及的主流细分领域，字节几乎每个都有覆盖。

什么叫饱和出击？

这就叫饱和出击！

2. AI数据：这可以看到字节模型接下来能力的重心。

Seed旁边有一个容易被忽略的团队：AI数据与安全，这个团队的岗位，基本上可以看作一份字节想让模型学习什么的清单——

• “AI Excel数据专家（金融分析方向）”

• “AI数据/评测运营专家（AI PPT方向）”

• “大模型数据专家（GUI Agent）”

• “医疗大模型数据交付专家”

• “世界模型数据运营专家（游戏方向）”

• “语音大模型数据专家（国际化数据）”

• “游戏引擎数据生成工程师（合成数据/具身智能方向）”

金融分析、PPT、数学、GUI操作、医疗、游戏世界、视频创作、多语种语音、机器人仿真.......

这是当前大模型竞争最激烈的几条能力线，字节在每一条上都专门招人做数据。 

3. 芯片与算力：自研已进入深水区

基础设施与芯片板块有436个AI岗位。

芯片相关岗位的分工细化到了“芯片EVB板级系统验证”、“芯片SLT测试”、“芯片泛工艺专家”、“互联芯片架构师（技术规划）”。

这些岗位覆盖了芯片从架构、设计、验证到编译器的完整链条。

这些我们隐约可以看到字节在AI算力上的思路：计算芯片之外，集群互联同样要掌握在自己手中。

一个小细节是，字节的算力规模也在岗位描述中透露了大致的底——

Data AML团队的一个推理优化岗位写道——

“负责Deepseek、Kimi、GLM等模型在多种异构芯片上的推理优化，充分发挥出数十万卡的超大规模算力。”

去年底有报道说字节2026年要花费1600亿元，今年5月彭博又报道，这个数字最高可能达到700亿美元。

从招聘来看，字节在算力这件事上，希望从底层掌握更高的主动权。

五、岗位描述中哪些词出现的概率最高？

我对每个AI岗位的标题、职责和要求（剔除团队介绍的套话部分）做了技术方向标注，一个岗位可以同时属于多个方向：

1882个岗位提到Agent或智能体，占AI岗位的39.3%，标题里直接写着Agent的岗位有444个。

和Agent一起升温的，是下面这些词：

Skill出现在301个岗位里，MCP出现在211个，Harness出现在155个，Context Engineering（上下文工程）出现在132个。

事实上，字节的JD中大量出现海外产品和开源项目的名字。

提到Claude的岗位有119个（其中明确写Claude Code的84个），OpenClaw 64个，Codex 59个，Cursor 47个，Gemini 22个；

国内模型里，37个岗位提到Qwen，33个提到DeepSeek。

有意思的是，一个游戏美术岗位要求“熟练使用Tripo3D、混元等主流3DAI工具”。

在JD中点名国内竞品的模型，有点意思。

六、战术关键词：评测与数据

技术方向统计中排第二的，是“数据/评测”（1,148个，占24%），比多模态、RAG、AI Coding都多。

从趋势看，AI岗位中提到“评测”的比例从去年上半年的12.4%，上升到今年7月以来的22.0%，几乎翻倍。

评测岗的形态非常多样：

有“大模型代码评测专家”、“Agent评测专家（To B方向）”，也有“LLM评估产品经理”、“AI大模型应用能力评测专家（自动评测方向）”。

还有来自豆包爱学、Gauth等教育产品线——

“教育测评数据标注员（高中数学）”、“教育测评数据标注员（语文）”、“高中语文教研”、“AI教育产品生物教研”等。

可以看到，字节在按学科招募教研和标注人员，专门为模型的解题能力打分。

我想这在一定程度上也能解释为什么豆包在学生群体中、学生和家长群体中如此受欢迎。

很显然，测评和数据的重要性在提高。

这背后的逻辑是——

到了现在这个阶段，模型能力越来越强，普通人已经很难区分顶尖模型之间的区别了，高手才对细微的差别有切身体感。

这让我想到字节的一个老本事：

十多年前，字节靠推荐算法起家，但很多人忽略了，它同样靠一支庞大的人工审核和运营队伍，把海量内容管理好了。

组织大规模的人按标准化流程干精细的活，这是字节深入骨髓的能力。

顺便说一句，对很多有专业背景的人来说，这说不定也是一个新的工作机会。

毕竟，优秀的人肉老师，对现阶段的模型训练和测评很重要。

七、分业务看字节的AI战术

1. 火山引擎：销售模型需要什么样的人？

火山引擎在招616个岗位，AI占比56.0%。它的AI岗位中三类很有代表性