招聘行为往往能最真实地反映一家公司的战略意图。它清晰揭示了未来半年资金将流向哪些人才群体，这一点无法伪装。这次，我们换个视角，用类似方法剖析字节跳动。
相比微信，字节的规模更为庞大。据The Information 9月报道，字节2025年营收约2000亿美元，几乎追平Meta。
那么，它在AI领域招聘哪些人才？
10月5日上午9点，字节跳动招聘官网（jobs.bytedance.com）社招频道共发布11187个岗位。在官网搜索“AI”，返回4791个结果，占全部社招的42.8%。直觉告诉我，这背后隐藏着丰富的信息。
下面逐一分享我的发现——
字节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Agent工具。这次，我让Claude按照官网页面加载岗位列表的方式，逐页读取公开的社招信息。整个过程无需登录，仅获取访客可见的岗位数据。几分钟内，我获得了全部11187个社招岗位，并与官网“AI”关键词搜索结果逐一比对，4791个AI岗位全部匹配。一年多来，Agent在长程数据任务上的进步显著，Opus 5.5表现确实出色。
先说明两个口径： 这里仅包含中文官网的国内社招，不涉及TikTok海外站、校招或实习；业务板块依据岗位标题后缀归并，与字节官方架构不完全对应。
好，正式分析开始——
先看时间维度。官网每个岗位都有发布日期字段（发布时间取自岗位列表数据，详情页不显示）。将招聘岗位按发布时间分组，AI岗位占比呈现清晰上升曲线：新发布岗位中，AI占比从33%升至55%。趋势非常明确：字节新设岗位中，已有一半以上与AI相关。
字节CEO梁汝波9月15日在飞书大会上分享了一个生动的细节：PPT中绘制了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，梁老板的表述与HR的实际行动高度吻合。
再看职能维度。有几个发现——
设计岗的AI占比（58.2%）比研发（52.9%）更高。 这与直觉略有差异，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”方向的产品设计师等。都说AI在淘汰设计师，但事实上，懂AI的设计师更受欢迎。
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个标题直接包含AI、大模型或Agent。
销售岗整体AI占比仅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，如“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，这个逻辑在后续ToB部分会展开。
AI在字节内部的渗透极不均匀。我将4791个岗位按业务板块归类，计算各板块招聘岗位中AI占比：排在最前面的是Seed大模型团队（96.1%）、豆包等AI原生应用（77.2%）、剪映/CapCut（74.3%）。
最下面的板块值得关注： 电商招聘1635个岗位，是全公司最多的板块，AI占比仅26.4%。本地生活招聘883个，AI岗位149个，占比16.9%，垫底。原因在于，电商和本地生活是典型的“脏活累活”，大量岗位是商家运营、BD等与人打交道的角色，AI能发挥的作用天然较小。电商中AI主要应用于客服、商家助手、达人服务等环节，因此能看到“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：高熵的重活，技术杠杆作用有限。 背后的逻辑很朴素：AI最先影响的是线上业务，线下部分则需逐步推进。
字节的AI岗位覆盖了哪些链条？答案是：所有链条。
首先是芯片： SoC、RDMA网卡、交换机等，全部社招中芯片及相关硬件岗位有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，以及为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——
Seed板块招聘257个岗位，在字节整体中不算多，68%的AI岗位位于北京，但方向铺得很开：
可见，模型涉及的主流细分领域，字节几乎都有覆盖。这就是饱和出击。
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，可以视为字节想让模型学习什么的清单——
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……这些是当下大模型竞争最激烈的能力线，字节在每一条上都专门招聘做数据的人员。
基础设施与芯片板块有436个AI岗位。芯片相关岗位分工细化到“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。隐约可见字节在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。
一个细节是，字节的算力规模在岗位描述中有所体现——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。”去年底有报道称字节2026年要花1600亿元，今年5月彭博又报道，这个数字最高可能到700亿美元。从招聘看，字节在算力上希望从底层掌握更高主动权。
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%，标题直接写Agent的岗位有444个。
与Agent一同升温的词汇包括：Skill出现在301个岗位中，MCP出现在211个，Harness出现在155个，Context Engineering（上下文工程）出现在132个。
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。有趣的是，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中点名国内竞品模型，颇有意味。
技术方向统计中排名第二的是“数据/评测”（1,148个，占24%），超过多模态、RAG、AI Coding。从趋势看，AI岗位中提到“评测”的比例从去年上半年的12.4%，升至今年7月以来的22.0%，几乎翻倍。评测岗位形态多样：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等教育产品线的“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。字节按学科招募教研和标注人员，专门为模型的解题能力打分。这在一定程度上能解释为什么豆包在学生和家长群体中如此受欢迎。
测评和数据的重要性在提高。 背后的逻辑是：模型能力越来越强，普通人难以区分顶尖模型之间的区别，只有高手才对细微差别有切身感受。这让我想到字节的一个传统优势：十多年前，字节靠推荐算法起家，但很多人忽略了，它同样依靠一支庞大的人工审核和运营队伍管理海量内容。组织大规模人员按标准化流程执行精细任务，是字节深入骨髓的能力。对许多有专业背景的人来说，这或许也是一个新的工作机会。毕竟，优秀的人工专家对当前阶段的模型训练和测评至关重要。
火山引擎招聘616个岗位，AI占比56.0%。其AI岗位中三类很有代表性。
第一类是FDE（Forward Deployed Engineer，前线部署工程师）。 FDE由Palantir发扬光大，最近一年备受关注。全部社招中标题带FDE的岗位有20个，其中火山引擎的同名岗位有10个。
第二类是行业解决方案架构师。 覆盖泛互联网、零售、金融、医疗、校企合作、智慧城市，以及“高级商务专家（手机厂商-荣耀）”、“高级商务专家（手机厂商-华为）”等直接点名的客户岗位。
第三类最出人意料：火山方舟在招聘一支电影剧组。 岗位包括“Seedance2.5动画导演”、“Seedance2.5AIGC导演”、“Seedance2.5影视制片”、“Seedance2.5影视编剧”、“Seedance2.5美术设计师（MaaS）”、“Seedance2.5剪辑师（MaaS）”、“SeedanceStudio资深广告导演”。这些岗位表明，火山在用专业创作团队为视频模型打造样板间，向影视和广告客户证明模型可直接用于生产。Seedance效果如此出色，除了模型训练和数据优势外，这些业内人士带来的导演思维、分镜技巧等反馈也是关键因素。
此外，火山引擎还有一批具身智能和智驾岗位：“端到端具身智能规控专家”、“具身智能道路测试开发专家”、“智驾仿真评测专家”、“汽车大模型算法团队负责人”，指向汽车这一重要ToB场景。结合前些天豆包进入汽车座舱的新闻（9月17日，豆包和火山引擎发布“豆包座舱助手”，首款车型是上汽的荣威家越07），可见字节在应用端的覆盖确实是全军出击。同时，火山的招聘列表中也出现了与出海相关的岗位，显示出海是火山引擎接下来的重点之一。
飞书的AI岗位占比达67.0%，在成熟业务线中最高。在职能结构上，销售占16%，市场占15%，比重远高于其他板块。岗位名称包括“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”、“内容营销经理（AI/Agent方向）”等。还有同类岗位多达12个的“飞书商业合作省域负责人（高端企业家圈层方向）”，其职责要求拓展“青年企业家协会、行业协会、商学院、高端智库、投行与咨询机构”等渠道。字节深谙中国国情：在中国销售AI，最终决策者是老板，而老板的判断很大程度上受圈子影响，字节显然明白搞定老板朋友圈的重要性。
技术侧，飞书在招聘“桌面端Computer Use Agent研发工程师/专家”、“桌面端Agent Sandbox研发工程师/专家”以及“后端工程师（Agent身份安全/IAM）”等。结合飞书和豆包在产品侧的融合以及豆包工作的迭代方向，字节在B端想要拿下白领人群，最先要解决的是权限、隔离和安全问题。新飞书在这方面投入明显，从这些岗位也能看出整合后的飞书产品迭代的大致方向。
一个细节：豆包/Flow的AI原生应用岗位中，标题带“商业化”三个字的只有2个，说明字节目前仍不打算直接通过豆包盈利。
这也是我认为很值得关注的领域。岗位极其多样，包括“移动OS”（125个岗位）、“豆包手机助手”（56个岗位）、“AI创新业务”（95个岗位）三条业务线，合计276个岗位。岗位名称包括：单是移动OS这条业务线，标题带Camera的岗位就有23个。基带、通信协议、相机驱动、充电、整机工艺，这些已深入到手机整机和系统底层。如果只是做一个手机AI助手，无需招聘Modem协议工程师和整机工艺工程师。
结合AI创新业务团队的描述，以及岗位描述中出现的手机、眼镜、耳机、手表等字眼，我的判断是：字节在AI终端上的投入，已走向具备整机与系统级能力的方向。 7月晚点报道称，新一代豆包手机备货从3万台提升至数十万台。9月14日，新一代豆包手机努比亚NaviX Ultra推出了名为SAEP的“屏幕自动化操作声明协议”，允许第三方应用自行声明是否允许AI操作。在被围剿后，字节的应对是向下沉。沉到系统层，获取屏幕之下的权限，同时将规则公开化，让其他方自行选择。 从招聘岗位看，字节在手机+AI赛道上的野心，比业界大多数从业者想象的更大。
抖音及内容产品板块的528个AI岗位中，推荐算法工程师最多。更值得关注的是推荐技术栈本身也在变化：“Agentic RecSys算法工程师-抖音”、“推荐大模型算法工程师-番茄”、“推荐大模型/生成式推荐算法工程师-Data”（覆盖红果短剧、剪映、番茄小说、汽水音乐、今日头条、西瓜视频）。用大模型重做推荐系统，是字节在技术层面的一次换代。 抖音也在开发面向用户的AI功能：“抖音AI分身”业务线在招聘多模态和NLP算法工程师；抖音直播在招聘“数字人模型工程技术专家”、“数字人生成算法工程师”；还有“营收礼物玩法产品经理（AI应用方向）”等。
TikTok的483个AI岗位（均为国内岗位）呈现另一种结构：运营类占30%，高于多数板块。其中有大量评测、本地化和内容治理岗位，如“搜索内容质量评估”、“AI安全数据策略运营”、“本地化质量专家”。值得一提的还有“AI英文剧本生产（短剧）”，AI已被用于生产面向海外的短剧剧本。全部AI岗位中，提到“短剧”的有114个。从岗位类型可见，TikTok和抖音在技术栈上有很大渊源，算法等技术层面无需重复建设，只需在运营层面招聘差异化人员。这与之前“产品全球化、内容本地化”的策略一脉相承。
此外，字节是全球唯一跑通AI视频从模型、工具到分发和变现完整闭环的公司——Seedance做模型，即梦和剪映做工具，红果和抖音做分发，巨量引擎做变现。 这一点极其关键，也是Seedance从不打折且成为火山Maas扛把子的原因。从招聘看，字节计划将这套模式从国内复制到海外。海外的TikTok用户们，准备好迎接代表先进生产力的Seedance AI短剧吧！
标题中明确指向AI/Agent安全的岗位有82个，分布在安全风控、飞书、TikTok、基础设施、豆包手机助手等多个板块。其中一个“AI安全防护治理专家”的职责写得很具体：支持“高风险AI访问阻断、Agent工具调用限制、Agent执行暂停、高风险插件或MCP Server下线、Token/API Key回收”。以豆包工作为代表的Cowork类产品已经开始以员工身份读文档、调接口、操作电脑，因此需要自己的门禁卡，AI安全的重要性随之提高。但从招聘的具体岗位来看，字节在AI安全方面，更多侧重于微观安全。 核心是防控具体产品和功能，确保不给用户带来问题，提供安全感，而非像Anthropic那样从宏观层面担忧AI失控的恐慌叙事。在现阶段，这种态度是务实的。
最后看人才画像。我对比了AI岗位和非AI岗位在任职要求中的关键词出现比例，有以下几个发现——
首先，Python是AI岗位的第一语言。 Python占比30.9%，Go（19.7%）和C++（19.3%）紧随其后。PyTorch出现在7.7%的AI岗位中，CUDA/Triton出现在2.7%，这两项在非AI岗位中很少出现。
**其次，字节看重可验证的硬