一分钟速读：
- 智算中心越建越多，算力运维人才却没跟上
- 最缺的是既懂算力又懂业务的复合型人才
- 训练、推理、运维三类岗位都在抢人
- 国产算力适配，让这类人才变得更稀缺
- 想招到人，得换一套筛选和培养的思路
编者按：
前阵子有个做算力服务的老板跟我倒苦水。他们去年签下几个智算中心的运维单子，合同都到手了，团队却一直搭不起来。挂在招聘网站上的算力运维岗，挂了三个月，投进来的简历一只手数得过来，能过技术关的更是没有。他问我：这行的人，都跑哪去了？
这个问题，今年被问了不下十次。智算中心一个接一个落地，显卡一批批到货，可会伺候这些设备、能把算力榨出效率的人，始终是少数。今天这篇文章，就把「算力运维为什么这么难招」拆开讲清楚，顺带说说企业该怎么招、怎么留。
目录
▲ 智算中心最缺的三类岗位：训练优化、推理优化、集群运维
一、智算中心为什么一下子多了起来
先把背景说清楚。这两年，从地方政府到互联网大厂，再到一批算力服务商，都在往智算中心里砸钱。原因也不难理解：大模型要训练、要推理，靠的就是成片的GPU集群，算力正在变成和水电一样的基础设施。
设备的钱好花，卡买回来插上电就能跑。可要让这些卡真正转起来、稳定转起来、把每一分算力都用在刀刃上，靠的是一群平时容易被忽视的人，也就是算力运维和调优工程师。设备越多，这群人的缺口就越明显。
智算中心的竞争，早就不在「谁家卡多」这个层面了，而在「谁家能把卡用好」。而「用好」这件事，恰恰是眼下最缺人的地方。
二、最缺的到底是哪几类人
算力这行的人才缺口，不是一个岗位的事，是几类岗位同时缺。拆开看，主要是三类。
第一类是训练优化工程师。他们的活儿，是让一个大模型的训练过程更快、更稳、更省钱。几百上千张卡一起跑，卡和卡之间的通信、显存怎么分配、梯度怎么同步，都是门道。同样一个模型，调得好能省下几成的算力成本。
第二类是推理优化工程师。模型训好了，上线给用户用，这时候拼的是「又便宜又快」。同样的显卡，能不能多扛几倍的并发，全靠推理侧的优化。大模型应用一个接一个落地，这块的人才缺口涨得比训练侧还快。
第三类是算力集群运维。这是基础中的基础，也最容易被人忽视。上千张卡的集群，要管供电、散热、网络、存储，还要盯卡的健康状态。GPU集群的故障率、返修率，跟普通服务器差得远，没有一群经验老到的运维，集群根本撑不住。
这三类人有个共同点：都得「既懂算力，又懂业务」。只会敲命令、不懂模型跑的是啥，或者懂模型、不会调集群，都干不好。而「复合」两个字，恰恰是人才稀缺的根源。
AI人才的缺口到底有多大、企业该怎么抢，我之前专门写过一篇，可以一并翻翻：AI人才招聘指南：企业怎么高效抢到人工智能核心人才→。
三、为什么这类人才这么难招
很多人以为，算力人才难招是因为钱给少了，其实不然。难招的根本，在于供给太少、门槛太高。
先说供给。GPU集群运维、大模型调优，这些方向真正热起来，也就是最近两三年的事。一个方向从冷门到抢手，人才的培养周期根本跟不上。学校里的课程还在讲传统IT运维，企业要的却是能摆弄上千张卡的人，中间隔着好几年的实战经验。
再说门槛。算力运维看着是「运维」，其实横跨了硬件、网络、系统和算法四个领域。你得懂GPU的架构，懂高速网络，懂Linux底层，还得多少了解点模型训练推理的流程。随便拎出一块，一两个月都补不齐。
更要命的是，这类人才大多集中在几家头部大厂和少数算力服务商手里。中小企业和新入局的算力公司想挖人，要么给不出匹配的薪酬，要么给不了足够有意思的项目，常常是有岗位、没人来。
▲ 算力人才难招的四个原因：门槛高、人才少、竞争激烈、适配杂
四、国产算力适配，让缺口更明显
还有一个被很多人忽略的因素：国产芯片的适配，正在把人才缺口进一步拉大。
过去大家默认的算力生态，是围绕英伟达的CUDA建起来的，市面上会的人也多。这两年国产芯片起来了，政策也在往自主可控的方向引导，越来越多的智算中心开始上国产卡。可国产卡的软件栈、工具链，跟过去那套不完全一样，很多现成的经验没法直接搬。
这意味着，企业需要的人，不仅要懂算力运维，还得熟悉国产芯片的生态，能做一些跨平台的迁移和适配。这种「既懂主流、又懂国产」的人才，市面上更是凤毛麟角。
对企业来说，这是个绕不开的现实：卡换了，人就得跟着换思路。谁先把适配的人才配齐，谁就能在新一轮的算力竞争中先走一步。芯片人才整体的供需，之前也拆过，可以顺带看看：半导体高端人才招聘真相→。
五、招人之前，先看清岗位的真实要求
很多企业招算力人才招不到，问题不全在市场上，也在于岗位写得不清楚。几个常见的毛病，我在这行见得太多了。
第一个毛病，是把「算力运维」当成普通运维来招。JD里写的还是「熟悉Linux、会写脚本」，可真正要干的，是管理几百张GPU卡的集群。岗位描述和实际工作对不上，招来的人自然干不了。
第二个毛病，是要求堆得太满。把训练优化、推理优化、集群运维、国产适配全写进一个岗位，指望一个人全包。这样的人本来就少，要求一堆，更是把人吓跑。
第三个毛病，是只盯着「熟练工」，不接受培养。算力人才总量就那么大，只挖现成的，肯定挖不动。愿意招一些底子好、能快速上手的人，再配上内部培养，反而更现实。
所以，招人之前先问自己一句：这个岗位，我到底要解决什么问题？把需求想清楚、写清楚，是招到人的第一步。
六、怎么招、怎么留：三条实在建议
讲完为什么难招，落到操作上，无锡猎头公司常给企业三条实在的建议。
第一条，把岗位拆开招，别指望一个人全包。训练优化、推理优化、集群运维，这三块能拆开就拆开，每个岗位对应一个明确的方向。岗位越具体，越好找到对的人。
第二条，用「项目」去吸引人，别只盯着薪资。算力人才大多在意自己经手的项目够不够大、够不够前沿。中小公司给不出大厂的薪资，但可以给「从零搭一个集群」「主导一个国产化迁移」这样的机会，对很多技术人来说，这比多几千块钱更有吸引力。
第三条，建立自己的培养梯队。与其永远在外面抢人，不如招一些基础扎实的年轻人，配上内部导师，用一两年时间培养出来。算力人才的市场缺口短期内不会消失，早点建梯队，后面才不至于被卡脖子。
说到底，算力人才的竞争，拼的是企业的长期耐心。设备可以一次性买齐，人才得一点点攒。想在这波智算浪潮里站稳，越早动手越主动。如果您正为算力相关岗位招人发愁，欢迎拨打 400-001-7166，找无锡百猎猎头聊聊。我们专门帮企业梳理这类技术岗位的真实需求，用对的方法找到对的人。
常见问题（FAQ）
算力运维和传统IT运维，是一回事吗？
差别挺大。传统IT运维管的是服务器、网络和数据库，算力运维管的是一整片GPU集群，还要懂模型训练推理的流程。前者偏稳定，后者偏性能和效率。企业招人时如果把两者混为一谈，很容易招错人。
小公司招不到算力人才，是不是只能放弃？
不至于。薪资拼不过大厂，可以从「项目」和「成长」下手：给一个有挑战的从零搭建机会，或者用内部培养的方式，招底子好的年轻人自己带。算力人才看重的东西，未必只有钱。
国产算力适配，普通企业也要提前准备吗？
要。政策在往自主可控的方向走，国产卡的比例只会越来越高。企业现在开始储备懂国产生态的人，或者让现有团队提前接触国产软件栈，后面切换的时候才不会手忙脚乱。