一家芯片公司，招的却大多是软件岗
寒武纪这轮校园招聘放出 143 个岗位。把岗位名从头读一遍，会出现一个让人意外的结构：AI 现场应用工程师、AI 应用工程师、AI 智算平台研发工程师、AI 基础设施研发工程师、分布式训练研发工程师、大模型训练框架研发工程师、性能分析工具研发工程师、工程效率研发工程师、软件测试开发工程师。
这些几乎全是软件栈岗位。 对一家以 AI 芯片为标签的公司来说，这个比例值得想一层。原因不复杂：国产 AI 芯片真正的瓶颈，早就不在能不能流片，而在软件生态能不能跟上。
硬件做出来只是起点。芯片要让开发者愿意用，得有编译器、算子库、训练框架适配、性能分析工具这一整套东西撑着；否则算力账面数字再漂亮，实际跑不起来。它招这么多软件岗，说明它把竞争的主战场押在了生态上。
未来三年它要做什么
从这轮招聘的方向能推出一件事：寒武纪接下来的重心，是让自家的算力平台能承接大模型训练和推理这类最吃资源、也最挑剔的场景。
支持这个判断的证据有三个。一是岗位里出现了 AIGC 训练解决方案、大模型训练框架研发、大模型优化工程师这类名字，全都指向大模型。二是 AI 智算平台和 AI 基础设施研发成组出现，说明它在从单卡能力往集群能力走。三是工作地铺到上海、北京、南京、合肥、深圳、西安六地，其中七十个岗位同时开放多个城市，这是团队化、规模化招人的典型形态。
留个余地：行业变化很快，上面是从今年的岗位分布推出来的方向，两年后不一定完全沿着这条路走。但至少今年，它的用人重心是软件和系统，这一点很清楚。
用人需求变了，招的人也跟着变
这个判断对应到求职上，有一个很实际的含义：如果你只盯着"芯片设计"这四个字，你会错过这家公司七成以上的岗位。
这轮校招的口径其实是"软硬件协同"。硬件侧要的是懂架构、懂验证的人；软件侧要的是懂分布式、懂性能、懂编译链路的人；中间还有一个更大的地带——懂模型也懂系统的人，比如能把训练任务跑得更快、把推理延迟压下来的工程师。
这类人的稀缺度在行业内明显更高，因为它要求两个领域的知识都得过关。它对学历的要求反而没那么死板——这一侧公开标注的学历门槛是本科及以上，说明它更看重实际能力。
应届生该怎么准备
第一，把计算机基础打牢。分布式系统的概念、内存与并发的模型、网络分层与 IO 这几块，是几乎所有软件栈岗位的共同底座，也是面试里最容易被追问的东西。
第二，找一个能深入讲的项目。不必是芯片相关，但一定要能讲清楚三件事：你优化的目标是什么、试过哪些方案、最后用什么数据证明了变好。这套叙述几乎适用于它所有的工程岗。
第三，选一个方向沉下去。如果是训练侧，去理解分布式训练怎么切分、怎么通信、哪里是瓶颈；如果是推理侧，去理解量化、算子融合、显存管理。广度帮你过简历，深度帮你过面试。
第四，提前了解国产算力生态的现状与差异。能说出"这套平台和主流方案在哪些环节不一样"，比背参数更能加分。
薪资这件事怎么看
公开的早期薪资记录里，算法与软件开发方向的硕士首年总包大致落在二十四万到三十二万之间,分布在几个不同城市。这些记录来自数年前，参考价值有限，更多是说明一个趋势：这家公司给技术岗的定薪一直高于同城硬件企业的普遍水平。
谈薪时值得问清楚的是岗位归属和负责模块。同一个技术序列里，做核心链路和做支撑工具的位置，成长速度和后续议价能力差别不小。
一个前瞻判断
国产算力的竞争会长期存在，而竞争的重心会持续在软件侧。这意味着两类人的价值会稳步上升：能把系统性能抠出来的人，和能让复杂训练任务跑通的人。
对应届生来说，这既是机会也是提醒。机会在于，你不需要顶尖的芯片背景也能进入这条赛道；提醒在于，这条赛道的门槛不是学历，而是你手上有没有真功夫。这轮校招里它把最大的口子开在了工程能力上——能不能接住，就看准备得够不够实。