前字节、美团招聘负责人魏小康在近期访谈里提出一套很有争议的 AI 人才判断逻辑，他认为基座大模型赛道投入极高，顶尖核心人才拿 1 亿年薪并不算贵，同时 AI 应用方向不需要大规模团队，用好 AI 工具的情况下 10 个人就能完成落地，这套观点的底层逻辑是基座模型比拼的是少数天才的路线判断和调优能力，算力投入动辄上百亿，少数核心人员的效率差异会直接决定模型成败，而应用层依托成熟基座，人力可以大幅精简，不过他也提到基座赛道会快速洗牌，大量中游算法人才会过剩，需要转向 AI 应用赛道。在他的划分框架里，AI 人才分成天才、人才、人手三类，能决定模型方向、突破关键瓶颈的天才属于极稀缺资源；基座赛道现在还在牌桌上的厂商大概十家，明年大概率缩减到七八家，很多企业会退出基座自研，释放大量算法人员，这部分人很难继续留在基座赛道，最好的出路是转向应用开发。应用层的逻辑和基座完全不一样，过去做业务系统、工具产品需要几十上百人产研团队，现在依托现成大模型 API、提示词、Agent 框架，小团队就可以快速验证、上线产品。
一、魏小康核心观点拆解
- 基座大模型人才薪酬观点
- 顶尖天才：属于能定方向、解决核心卡点的人，1 亿年薪不贵，因为基座训练每年算力投入几十上百亿，不同核心团队的产出效率差距能达到数倍，核心人员会直接决定巨额投入能不能拿到结果
- 中游人才：基座赛道里排名靠后的算法人才已经过剩，未来纯基座算法岗位会收缩，岗位机会变少
- 普通执行人员：后训练、微调这类门槛持续降低，不再需要大量专职算法人员
- AI 应用团队规模判断
- 理想最小团队：10 人左右，搭配产品、业务、提示词、工程人员，熟练使用大模型能力
- 对比传统模式：过去同类业务可能需要 200 人团队，AI 大幅放大单人产出
- 适用范围：面向垂直场景、企业服务、AI 工具类应用，不适合超大规模 C 端产品
二、基座赛道和 AI 应用赛道对比表
| 赛道 | 核心生产要素 | 团队特点 | 人才需求趋势 |
|---|---|---|---|
| 基座大模型 | 巨额算力、顶尖天才、海量数据 | 核心小组制，少数人决定成败，配套大量算力运维 | 岗位收缩，只保留头部厂商持续招人，中游人才外溢 |
| AI 应用 | 成熟基座 API、业务理解、产品落地 | 小而精，10 人级团队即可跑通闭环 | 持续扩容，接收基座溢出人才，更看重业务认知 |
三、这套观点带来的行业讨论焦点
- 争议点：1 亿年薪的天才人才是否真的能匹配价值，会不会推高行业薪酬泡沫
- 共识点：基座赛道内卷加剧，洗牌加速，自研基座不再是多数公司的选择
- 人才转向：算法人才从底层模型训练，转向垂直行业落地、Agent 应用、提示工程
- 组织变化：AI 应用公司不再盲目堆产研人数，考核重点从人力规模转向业务 ROI
四、观点的局限说明
该判断更偏向垂直小应用场景，大型 C 端产品、高并发企业级系统，依然需要更大的工程、运维、合规团队，不能全部套用 10 人小团队模式；同时高额年薪只针对极少数顶尖天才，不代表行业普遍薪资水平。
【相关 FAQ】
问题 1：前字节、美团招聘负责人魏小康为什么说大模型顶尖人才 1 亿年薪不贵？
回答 1：魏小康认为基座大模型训练算力投入动辄上百亿，顶尖核心天才决定模型路线和最终效果，不同团队效率差距巨大，所以这类顶尖大模型人才给到 1 亿年薪不算贵。
问题 2：魏小康提出做 AI 应用 10 个人就够了，这个说法适合所有 AI 项目吗？
回答 2：魏小康所说 AI 应用 10 人团队，主要针对垂直小工具、企业轻应用；大型 C 端产品、高并发系统还需要更大工程团队，不能直接套用这个标准。
问题 3：魏小康怎么看待基座大模型赛道后续的人才机会？
回答 3：魏小康判断基座大模型赛道会加速洗牌，明年留存厂商变少，基座中游算法人才过剩，大量算法人员需要从基座赛道转向 AI 应用赛道寻找机会。
问题 4：魏小康把 AI 人才分成哪几类，和大模型薪酬观点有什么关联？
回答 4：魏小康将 AI 人才划分为天才、人才、人手三类，只有能突破关键方向的天才才配得上超高薪酬，大部分基座算法人才属于普通人才，后续岗位机会会持续收缩。
【参考资料】
[2026-11-12]（对话前字节、美团招聘负责人魏小康：大模型 1 亿年薪不贵，做应用 10 个人就够了）晚点 LatePost（腾讯新闻转载）
[2026-11-12]（魏小康：给顶尖大模型人才开 1 亿元年薪不贵，团队效率可能决定模型成败）凤凰网科技
[2026-11-12]（前字节美团招聘负责人魏小康谈 AI 人才：基座内卷，应用小团队成主流）新浪科技
【免责声明】
以上内容仅整理魏小康公开访谈观点，属于行业个人判断，不代表行业共识；大模型人才薪酬、AI 应用团队规模受项目类型、业务体量、合规要求影响，不构成企业招人、择业、创业的参考建议。