把调查到的全部在招岗位归成五条能力线。每条线给出:对应岗位 → 本站课程弹药 → 线外还需补什么(诚实标注,含外部资源)。你不需要五条全修——选一条主线 + 相邻线做备胎。
| 岗位(2026-10 在招) | 主线 | 本站就绪度 |
|---|---|---|
| 腾讯 AI Infra SRE(大模型推理) | 线 1 | 🟢 可直接投递 |
| GPU 集群运维(Slurm/DCGM) | 线 1 | 🟢 可直接投递 |
| 阿里云 AI Infra 容器方向 | 线 1 | 🟢 可直接投递 |
| 滴滴 模型服务化部署 | 线 2 | 🟡 补一次 vLLM 实操后投 |
| B 站 推理优化 | 线 2 | 🟡 原理就绪,补引擎实操 |
| 字节 推理框架资深 | 线 2 | 🟡 需 5 年经验+框架源码级 |
| 腾讯 推理优化(硕士+二开) | 线 2/5 | 🔴 需算子开发投入 |
| 阿里 训练基础架构 | 线 3 | 🟡 NCCL 精读+分布式经验 |
| 阿里 AI Infra 计算(校招) | 线 3 | 🟡 需 PyTorch+算法题 |
| 字节 AI Infra(校招) | 线 3 | 🟡 C++/算法题是硬门槛 |
| 百度 AI Infra | 线 3 | 🟡 同上 |
| 滴滴 训练存储 | 线 4 | 🟢 有存储经验即差异化 |
| 算能 算子研发 | 线 5 | 🔴 需 CUDA 投入 |
| NVIDIA TRT-LLM | 线 5 | 🔴 硕士+CUDA 算子 |
| 港中大 SRIBD 算子(昇腾) | 线 5 | 🔴 Ascend C 投入 |
| 量化机构(XTX/JS/HRT/Citadel)平台与性能岗 | 线 1/4(+3/5) | 🟢 SRE 经验直接迁移,金融知识可后补 |
给你的最终建议:主线 = 线 1(SRE)直接投,同时按线 2 补一次 vLLM 实操(self-llm 跟做,约一周)作为第二落点——这两条线覆盖了 14 岗中的 6 个且都无硬学历/编程门槛。矩阵每季度随 JD 复查一次(方法:JD 对照表的检索流程)。量化机构板块来源:《Jane Street、XTX Markets 算力布局曝光:四类量化技术岗》(Finelite 金融阶,2026-10,猎头视角行业分析;算力数字为媒体报道口径)。