十月的一个下午，一个信息管理专业的女生在百度招聘页面上停了很久。她的实习做的是用户增长和数据分析，本来打算投产品岗。但这轮校招放出的岗位里，基础模型架构师、端到端系统架构师、视觉语言模型架构师、世界模型架构师排在列表最前面，AI岗占了九成以上。她不确定自己还有没有位置。这轮校招，百度在招270个岗位，其中北京105个。
第一条路：硬投算法岗
最直觉的反应是补一补技术，去抢算法岗。推演下去会走到哪里：算法岗的面试是三轮技术面加一轮HR面，面经里高频出现的是Transformer原理、训练加速方案、多路召回与分片策略、大模型幻觉的处理，还要现场写LeetCode经典题。
技术面单轮时长50到90分钟，有二面被问到90分钟的记录。对一个本科信息管理、只做过数据分析的候选人来说，这条路需要补的东西不是两个月能补完的。
结论：这条路不是不能走，但用秋招的时间去补三年的技术积累，性价比很低。
第二条路：产品与运营岗里找AI相关的位置
这轮岗位里有用户产品经理3个、商业产品经理3个、AI产品经理3个、产品经理3个，以及项目经理3个。非技术岗通常是两到三轮业务面加一轮HR面，管培生项目还会有群面和商战环节。
推演下去会走到哪里：这条路考的是业务理解和逻辑。面试题可能包括广告曝光上涨但转化下降怎么分析、B端与C端的区别、商业化模式的理解。这些题目对有增长实习经历的人反而是优势。
风险在于，AI相关的产品岗也会考察对大模型能力的理解，甚至会用AI工具的使用经验来区分候选人。完全不碰AI，在这个岗位上会被拉开差距。
第三条路：从数据和运营切入，再往产品走
轮次上非技术岗通常两到三轮业务面，节奏比技术岗紧凑。数据分析岗的面试会考SQL实操、归因分析、指标设计，这些恰好是增长实习里天天做的事。
推演下去会走到哪里：先进数据或运营序列，两年内转产品，是很多人在大厂走过的路径。代价是转岗要看业务机会，不由个人完全决定。
这家公司的招聘逻辑
这轮校招在招270个岗位，161个带完整JD描述。批次上标着校招的161个、27届校招85个、秋招8个，另外管培生项目是独立的序列。
学历口径上，本科及以上学历128个、硕士及以上学历13个、本科3个、本科及以上2个。本科可投的岗位占绝大多数，硕士要求集中在少数研究和架构类岗位。
城市上，北京105个、上海31个、上海与北京双城28个、深圳23个，另有多个岗位标注为覆盖十个以上城市的组合形式，共19个。这类统招岗位的实际归属地通常在入职后确定。
一个值得留意的数字是：这轮校园招聘是全年开放投递的，截止日期覆盖14档，最早2026年10月19日，最晚到2027年10月6日。全年开放意味着你不必抢在某一天之前完成投递，但热门岗位的面试轮次会持续滚动，早投的样本会先占掉名额。
面试里的两次信号
第一，面试官会逐行读简历，对项目的背景、核心指标、技术选型、踩过的坑连环追问。简历上的每一个数字都要能解释来源。
第二，部分面试官会用压力面的方式，频繁打断或质疑回答。这时候保持冷静、把思考过程讲出来，比急着给结论更有效。
另外，AI相关的考察已经蔓延到非算法岗。即使是产品岗，也会被问到对大模型和AI工具的理解。有面经提到，公司偏好"重落地、重实效"的候选人，回答时结合具体工程问题，比堆概念更容易得分。简历上写过的每一个功能，都要能说出它服务了谁、解决了什么。
落点
那个女生的最优解，不是在算法和产品之间选一个极端，而是把增长实习里的数据能力讲透，同时补上对大模型应用的基本认知，去投AI产品经理那一类岗位。
270个岗位里，真正适合你的可能只有三个。找到这三个，比投三十个更有用。