百度今年的薪资（核心研发梯队）

二哥约 2502 字大约 8 分钟

大家好，我是二哥呀。

说起百度，大家的第一反应是什么？

是搜索时代的霸主，还是移动互联网时代的掉队者，还是现在AI时代的追赶者？

说实话，我对百度的感情挺复杂的。作为中国最早一批互联网巨头，百度在搜索时代是真的强，那个时候能进百度，绝对是金字塔尖的存在。但到了移动互联网时代，百度确实慢了半拍，被字节、美团这些后起之秀赶超。

很多人说百度掉队了，百度不行了。

但这次AI浪潮来了，我发现百度好像又杀回来了。

文心一言虽然不是第一个发布的，但确实是最早落地的。百度智能云、千帆平台、文心大模型，这些产品在市场上都有一席之地。李彦宏今年all in AI的决心，从招聘规模上就能看出来。

来看一眼百度研发岗位的薪资吧。

我已收录到《Java 面试指南》专栏中，大家可以去做个参考（还有很多其他家）。

根据脉脉和offershow的数据，百度今年校招薪资大概是这个水平：

AIGC应用工程师，开了 25-45k，15-16薪
算法开发岗，开了 25-50k，16-18薪
核心算法工程师，起薪突破 47k，算上年终奖年包接近85万
普通开发岗，开了 22-35k，和去年基本持平
AI产品经理，开了 20-35k，签字费视情况而定

说实话，看到这个数字的时候，我愣了一下。要知道，这可是2026年的校招薪资，不是社招，不是P7/P8这种级别，就是刚毕业的小白。

就在昨天，还有同学发喜报说，拿到了百度的补录offer，说百度架构变化后，流程走的很快。

这个时候能拿到offer，再也不用提心吊胆了啊。秋招经历的种种辛酸，此刻终于可以抛之脑后了。也不用再经历春招的折磨，可以说这个offer来之不易，却又恰到好处。

问了一位在百度做AI应用开发的同学（叠甲，仅供参考），他给的反馈是，百度今年确实all in AI了，HC很大，只要技术过硬，机会很多。

工作节奏方面，上班时间早上10开始，午休11.30到1.30，晚饭5.30到7.30，下班基本是晚上6-7点。早上7.30-9.30早餐免费，晚上8点到9.30夜宵免费。每天20餐补，月底统一发，非京户非京校每月有1600房补。

对于秋招结果不理想的同学，春招也是完全可以冲的。现在百度还在补录，说明HC还没满。

所以只要你能坚持到最后一刻，就能跑赢很多竞争对手。

千万不要因为一时的挫折，就被打击到，放弃自己。求职说到底，就这四件事：

写简历、投简历
算法过笔试和手撕
八股和项目过面试（包括一些场景题）
面试后的复盘，查漏补缺

简单帮大家分析一下。

①、如果你投了很多简历，挂的比较多，那就不要硬着头皮继续投，你可以付费找个师兄师姐帮你看看，把把脉。

②、算法的话，如果不打算去大厂，优先级可以放低一点，11月和12月还在招的公司，基本上都不怎么考察这一项。但百度这种级别的，算法还是要准备的。

③、八股的话，如果你之前没有背过面渣逆袭，真的可以试试，有口皆碑。

网址：https://javabetter.cn/sidebar/sanfene/nixi.html，微服务、设计模式和Linux也都有。

④、项目的话，可以做一些AI方面的项目，比如说派聪明RAG，润到科研经历或者实习公司里，都是很恰当的。

AI应用开发岗学习路线

AI应用开发涉及到内容比较多，上手难度也比一般的Web项目大很多，我这里帮大家先梳理一下必要的知识点。

①、Python基础，这是绕不开的。列表、字典、集合这些数据结构要熟练，装饰器、生成器、上下文管理器这些高级特性要懂。异常处理、文件操作、多线程并发，这些都要会。

# 装饰器示例，用于计算函数执行时间
def timing_decorator(func):
    def wrapper(*args, **kwargs):
        import time
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} 执行时间: {end - start:.2f}秒")
        return result
    return wrapper

@timing_decorator
def train_model():
    # 模拟模型训练
    import time
    time.sleep(2)
    print("模型训练完成")

train_model()

②、机器学习基础，不用你手写SGD，但基本概念要懂。什么是梯度下降，什么是反向传播，什么是过拟合，什么是正则化。sklearn要会用，常用的模型比如LR、SVM、Random Forest、XGBoost要能跑通。

③、深度学习框架，PyTorch或者TensorFlow至少会一个。我推荐PyTorch，社区活跃，百度内部也在用。张量操作、自动求导、模型构建、训练循环，这些要熟练。CNN、RNN、Transformer这些经典架构要理解。

④、大模型基础，这是AI应用开发岗的核心。什么是Transformer，什么是attention机制，什么是位置编码，什么是RLHF。不用你从头训练一个模型，但要知道怎么调用API，怎么微调，怎么评估效果。

# 简单的RAG实现示例
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS
from langchain.chat_models import ChatOpenAI
from langchain.chains import RetrievalQA

# 1. 加载文档并切分
documents = load_documents("your_data.txt")
texts = split_documents(documents, chunk_size=500, overlap=50)

# 2. 创建向量索引
embeddings = OpenAIEmbeddings()
vectorstore = FAISS.from_texts(texts, embeddings)

# 3. 构建问答链
llm = ChatOpenAI(model="gpt-4", temperature=0)
qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    chain_type="stuff",
    retriever=vectorstore.as_retriever(search_kwargs={"k": 3})
)

# 4. 查询
answer = qa_chain.run("你的问题")

⑤、向量数据库，RAG离不开这个。Milvus、Pinecone、FAISS、Chroma，至少要会用一个。索引怎么建，向量怎么存，相似度怎么算，检索怎么做，这些都要懂。

⑥、Prompt工程，听起来简单，其实有讲究。什么是few-shot learning，什么是chain-of-thought，什么是思维树。怎么写prompt能让模型输出你想要的格式，怎么避免幻觉，怎么处理长文本，这些都是实战经验。

⑦、Agent开发，这是前沿方向。什么是ReAct，什么是Function Calling，什么是Multi-Agent。LangChain、LlamaIndex、AutoGPT这些框架要了解。怎么让AI调用外部工具，怎么设计工作流，怎么处理复杂任务。

这部分学完的话，简历上就可以这样写：

基于LangChain和FAISS实现RAG系统，通过向量检索增强大模型生成能力，将准确率从65%提升到92%；通过Prompt工程和Few-shot learning优化模型输出，使复杂任务完成度提升40%；通过Function Calling实现Agent与外部API交互，自动化处理用户查询，响应时间控制在2秒以内。

⑧、模型部署和优化，模型训练好了不是结束，能部署出去才有价值。TensorRT、ONNX、vLLM这些推理框架要了解。量化、剪枝、蒸馏这些优化技术要知道。Docker、K8s这些容器化技术也要会。

⑨、MLOps，模型上线后怎么监控，怎么A/B测试，怎么迭代。MLflow、Weights & Biases这些工具要会用。数据漂移、概念漂移怎么检测，模型衰退怎么处理。

对于AI应用开发的学习，我觉得做项目是最理想的选择，也是最现实、快速的路线。选择成熟的开源项目，理解原理，然后应用到自己的场景中。

等于站在巨人的肩膀上，学习曲线也会更加平缓。完全从零开始的话，开发周期会比较长，可能至少3个月才能做出相对完整的产品，技术难度也会比较大，踩坑也会比较多。

大致可以分为三个阶段。

第一阶段（1-2个月）：补基础。Python刷一遍，机器学习概念过一遍，PyTorch跑通MNIST。做一个简单的图像分类或文本分类项目，把整个流程走一遍。

第二阶段（2-3个月）：做大模型。学LangChain，做RAG项目。学Prompt工程，优化输出效果。学Agent开发，实现工具调用。选1-2个应用场景深入下去，比如智能客服、文档问答、代码生成。

第三阶段（3-6个月）：做优化。学模型部署，把项目上线。学MLOps，监控模型效果。学前沿技术，比如Fine-tuning、Multi-Agent、RAG优化。完善项目细节，准备面试。

心情不好了，就放肆一下。

身体倦怠了，就躺平一下。

等精神和身体都恢复元气那一刻，继续猛猛冲就对了。

ending

一个人可以走得很快，但一群人才能走得更远。二哥的编程星球已经有11500多名球友加入了（马上涨价），如果你也需要一个优质的学习环境，戳链接🔗加入我们吧。这是一个简历精修 + 编程项目实战（RAG派聪明Java版/Go版本、技术派、微服务PmHub）+ Java面试指南的私密圈子，你可以阅读星球专栏、向二哥提问、帮你制定学习计划、和球友一起打卡成长。

最后，把二哥的座右铭送给大家：没有什么使我停留——除了目的，纵然岸旁有玫瑰、有绿荫、有宁静的港湾，我是不系之舟。共勉💪