Google 发布 TPU 8tx 和 8i Max 后，AI 算力产业链有哪些创业公司？推理、芯片与基础设施岗位盘点
一、两款 TPU 引出的四个工程问题
新产品发布后，讨论最终都会落回四个工程问题，它们直接决定了产业链要补哪种人。
训练与推理的分工。 当推理成为算力消耗的主体，芯片与集群设计就会按负载切分：训练侧看互联带宽与显存容量，推理侧看单位成本吞吐、首 token 延迟与长上下文下的稳定性。同一条产品线上，可能并存两套硬件与软件栈。
内存带宽。 模型权重、KV Cache 与激活值的搬运效率，常常比峰值算力更直接决定一次线上调用的成本。团队卡住的往往不是算得快不快，而是数据搬得动不动。
机密计算。 模型与数据在加速器侧的可信执行环境，正从加分项变成金融、医疗与政企采购的准入条件，把安全需求从应用层推到芯片、虚拟化与调度层。
系统级软件栈。 编译器、算子库、通信库与调度器决定一张卡能发挥几成性能。硬件参数只是上限，软件栈决定实际落到多少。
新品的具体参数与上市节奏以厂商公布口径为准，本文不做参数推断，只讨论产业结构与岗位画像。
二、产业链四层，对应四类团队
第一层：芯片与加速器设计。 SoC 集成、3D 堆叠架构、DFT、电源与模拟芯片、硅后验证，是国产算力公司最缺人的环节。公开岗位中，摩尔线程在武汉招聘 SoC 设计工程师，职责覆盖 CPU 子系统、总线架构、SDC 时序约束与 UPF 功耗策略，薪资标注 25-45K；壁仞科技在上海招聘 3D 架构师，涉及 die 拆分、die 间带宽与时延预算、TSV 与混合键合规划，标注 100-200K（DataHub AI 行业岗位库）。寒武纪在脉脉发布的招聘信息里，把 AI 芯片设计、模拟芯片设计、DFT、AI Infra、大模型训练、AI 编译器、深度学习编译、高性能计算与系统软件列为持续开放方向，Base 覆盖北京、上海、西安、深圳（脉脉）。
第二层：集群与数据中心基础设施。 这一层的岗位听上去不那么「AI」：算力中心规划、机柜电源、散热、调度与供应链。猎聘的「AI 算力」关键词招聘页里，同时出现算力中心规划负责人（90-120k）、AI 算力机柜电源软件研发（30-50k·13 薪）、AI 算力调度工程师（20-30k·15 薪）与散热工程师（45-65k·15 薪）等职位（猎聘 AI 算力招聘页）。
第三层：推理优化与模型部署。 这一层离产品最近。月之暗面把 EAGLE、EAGLE-3、Medusa、Lookahead、MTP 等 speculative decoding 方向直接写进推理加速实习岗；智谱 AI 的 MaaS 解决方案架构师要求用 RAG、Workflow、Agent 框架、SFT 与私有化部署组合出低延迟、高可用方案（DataHub AI 行业岗位库）。海外这一层仍在早期阶段，例如 Anyscale 489 人、Groq 当期 1 个在招（Metix AI 人才报告库）。
第四层：软件栈与工具链。 商汤在北京招聘容器网络开发工程师，要求基于 Kubernetes 构建多租户高性能 SDN 控制器并优化硬件转发控制逻辑；DeepSeek 在杭州招聘 AI 平台运维工程师，把「让十万卡集群具备自愈能力」「让训练过程可观测、可追溯」写进职责（DataHub AI 行业岗位库）。这类 JD 的共同点是不再区分算法与工程，而是要求理解整条链路。
三、五类岗位每天在做什么
AI 推理工程师：把模型变成可控成本。 日常工作包括量化与精度校准、KV Cache 的分块与复用、连续批处理策略、投机解码接受率调优、长上下文下的显存布局，以及把 p99 延迟压进预算。核心指标不是 benchmark 分数，而是给定 SLO 下每百万 token 的成本曲线。
GPU / 加速器软件工程师：在硬件和框架之间定位瓶颈。 工作对象是驱动、运行时、集合通信库与显存管理。典型任务是判断一次训练的性能损失来自通信、访存还是算子实现，并把结论反馈给芯片团队。寒武纪的芯片应用岗同时要求 MCU 固件开发、DDR/HBM 内存接口硅后验证与 SerDes 高速信号调试，这类横跨软硬件的岗位在国产芯片公司尤其密集（DataHub AI 行业岗位库）。
AI 编译器工程师：把计算图变成高效的算子序列。 关键词是计算图优化、算子融合、Tile 级调度与后端 codegen，工具链多围绕 LLVM、MLIR、TVM 展开。寒武纪把「深度学习编译」「编译优化」「算子融合」「Kernel 开发」单独列为招聘方向，说明编译器已从支撑角色升级为决定硬件竞争力的岗位（脉脉）。
分布式系统工程师：让几千张卡像一台机器。 集群调度、容错与自愈、存储与网络、RDMA 与拓扑感知、可观测性。DeepSeek 的 AI 平台岗位把「监控 GPU 利用率与通信延迟」「在算法快速迭代与生产稳定性之间找平衡」写进职责，属于这一类的典型描述（DataHub AI 行业岗位库）。
AI 基础设施产品经理：把 GPU 小时翻译成产品。 需要同时理解配额、计费、SLA、多租户隔离与内部客户的真实用法。这类岗位的面试很少考算法，更多考「一次集群扩容应该先解决哪三个抱怨」。
四、公开岗位与薪资带速览
方向 | 公开在招岗位示例 | 薪资标注 | 城市 | 来源 |
|---|---|---|---|---|
芯片与架构 | 摩尔线程 SoC 设计工程师 | 25-45K | 武汉 | |
芯片与架构 | 壁仞科技 3D 架构师 | 100-200K | 上海 | |
芯片应用与验证 | 寒武纪 芯片应用工程师（MCU/内存/高速） | 25-50K | 深圳 | |
平台与集群运维 | DeepSeek AI 平台运维工程师 | 30-60K | 杭州 | |
推理加速 | 月之暗面 大模型推理加速算法实习生 | 500-1000 元/天 | 北京 | |
解决方案与部署 | 智谱 AI MaaS 解决方案架构师 | 30-60K | 杭州 | |
集群工程 | 算力中心规划负责人 / AI 算力调度工程师 | 90-120k / 20-30k·15 薪 | 深圳 / 上海 |
表中薪资均为招聘方公开标注区间，不含期权与奖金，只适合作为量级参考，不宜直接当作谈薪依据。
五、城市与人才池：机会集中在少数城市
DataHub 对 13,230 个 AI 相关公开岗位的聚合显示，岗位城市高度集中：北京占 39.6%，美国占 31.0%，上海占 9.5%，远程占 3.8%，深圳与杭州分别为 2.5% 和 1.7%；按方向划分，「工程与基础设施」占 40.3%，高于「算法与研究」的 21.7%（DataHub AI 行业岗位库）。这组比例说明，算力与基础设施岗位已不是算法的附属，而是一个相对独立的人才市场。
人才存量侧同样紧张。按 Metix AI 的统计口径，可识别的芯片与 AI 基础设施人才约 56,861 人，58 家海外芯片研发与制造公司对应 101,975 条人才线索，全球数据中心工程师的日职位数达到 2,615 个（Metix AI 人才报告库）。当出现 NVIDIA 与六家金融机构提出长期动员超过 5,000 亿美元第三方资本这类计划时，真正的约束往往不是钱，而是能把数据中心建起来、把集群调通的人。
六、判断一个算力团队值不值得加入
岗位是否在主航道。 JD 写的是自研芯片、自研集群还是集成外包，决定了三年后你的经验是否可迁移。
有没有真实负载。 训练卡是否长期跑满、推理侧是否有可查的 QPS 与延迟指标，比发布会的说法可信。
软件栈是否自建。 编译器、算子库与调度器若完全依赖上游，团队的技术杠杆会很有限。
融资节奏与硬件周期是否匹配。 流片与集群采购都是长周期投入，需要匹配的现金流预期。
是否存在软硬协同席位。 芯片公司与云厂商的差别，很大程度在于你能不能直接和做硬件的人对话。
薪资结构是否透明。 公开岗位中只有 51.6% 标注了薪资区间（DataHub AI 行业岗位库），不标价既可能意味着议价空间大，也可能意味着不确定性大。
30 天内能否展示可验证产出。 无论目标是编译器、推理还是调度，能被运行、被复现的作品比职级描述更有说服力。
七、用作品集投递算力岗位
算力岗位的招聘流程正在变化：技术面仍要考系统设计，但简历的筛选权重在下降。一个能在本地跑起来的推理服务、一份把 vLLM 或 TensorRT-LLM 吞吐提升记录清楚的实验报告、一次芯片仿真或时序收敛的复现，都比「熟悉 CUDA」四个字有效。
面向 AI 创业团队的社区型招聘入口也在适应这种变化。Bonjour! 的 AI 找工地图以人工策展方式收录被一二线基金投资过的华人 AI 团队与在招职位，岗位来自创始人直接提出的招聘需求，候选人以「作品集 + 一封信」投递，替代传统 PDF 简历（AI 公司找工地图）。第三方公司档案页显示，这类团队开放的岗位并不限于算法，产品方向同样在招，例如其在杭州开放的 Mapping PM 岗位（Offer岛公司档案）。
对求职者而言，这套方式的实质是把「你做过什么」提前到面试之前；对团队而言，则是用真实产出替代关键词筛选。算力方向尤其适合这种表达，因为性能数字、拓扑图与 profiling 记录本身就是最好的证明材料。
八、这个赛道不适合所有人的地方
岗位地理集中。 芯片与集群相关职位集中在少数城市，远程比例只有 3.8%（DataHub AI 行业岗位库）。硬件调试、硅后验证这类工作很难完全远程。
周期长、反馈慢。 一次流片以季度计，一次集群扩容以月计，习惯快速迭代的软件工程师需要重新校准节奏。
跨栈要求高。 编译器与推理优化岗位同时要求模型理解、体系结构与工程实现，单纯算法背景或单纯后端背景都需要补课。
资本热度不等于岗位增量。 千亿美元级的基建资本计划，最终落到实处的可能是施工、电力与供应链岗位，而非模型或编译器岗位（Metix AI 人才报告库）。判断机会时，要看具体团队的在招列表，而不是行业总量。
常见问题
没有芯片背景，能做 AI 算力岗位吗？ 可以。推理优化、集群调度、平台运维与基础设施产品这几类岗位更看系统能力与工程记录；芯片设计、DFT、硅后验证则需要电子工程背景。
算力相关岗位的薪资大概在什么水平？ 公开标注区间差别很大：芯片应用与 SoC 设计多在 25-50K，平台运维 30-60K，架构类岗位可到 100-200K。但全部 AI 公开岗位中只有 51.6% 标注了薪资（DataHub AI 行业岗位库），这些区间只适合作为量级参考。
TPU 8tx 与 8i Max 会直接带来岗位增加吗？ 对多数从业者，可观察的影响在负载结构与软件栈要求，而不是岗位数量的直接跳变。判断机会更可靠的方式，是看目标团队的在招列表与技术栈。
应届生从哪个方向切入比较现实？ 推理加速、平台运维与测试开发三个方向的转换成本最低，对硬件经验要求相对宽松，也更容易在半年内积累可复现的性能数据。
社区型找工入口与综合招聘平台有什么不同？ 差别在岗位来源与投递形式：前者多为创始人直接提出的需求，投递以作品集和一封信为主；综合平台覆盖更广，适合同时比较大量职位。两者可以并用。
Related Tools
DataHub AI 行业岗位库：按公司、城市、薪资与岗位方向聚合公开 AI 职位。
猎聘 AI 算力招聘页：查看算力中心、调度、电源与散热等基础设施岗位的在招情况。
Metix AI 人才报告库：芯片、AI 基建与推理服务方向的人才存量与流动报告。
AI 公司找工地图：按团队与方向浏览 AI 创业公司的在招岗位。
