Epoch AI Gradient Updates hírlevelének egyik írása alapján a szerzők 1 604 álláshirdetés átvizsgálásával próbálták feltérképezni, mit keresnek a kínai AI-cégek. A vizsgált hat szervezet: DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance és Alibaba. A következőkben összefoglaljuk a legfontosabb megállapításokat, a konkrét idézetek és hivatkozott álláshirdetések alapján.
Nvidia továbbra is fontos, de megjelennek hazai alternatívák
A hirdetések szerint a kínai laborok jelentős része továbbra is Nvidia-alapú infrastruktúrát használ, különösen LLM-ek (nagy nyelvi modellek) futtatásához. Például a ByteDance egyik pozíciója, "Inference GPU Performance Optimization Expert", kifejezetten CUDA és TensorRT-LLM említésével írja le a feladatot: "Primarily through GPU and CUDA performance optimization techniques... build an industry-leading, high-performance LLM inference engine." Ez arra utal, hogy ByteDance inferenciához Nvidia hardvert és szoftvert használ.
Ugyanakkor több hirdetés arra is utal, hogy a cégek kutatják és alkalmazzák a hazai chipmegoldásokat. ByteDance Seed egy "AI heterogeneous computing optimization expert" pozícióban Ascend és Cambricon ismeretét részesíti előnyben. Z.ai álláshirdetése büszkén említi, hogy 2026 elején a GLM-Image modellt "teljes egészében hazai chipeken" képezték és nyílt forráskóddal tették elérhetővé.
A szerzők feltételezése szerint a hazai chipeket gyakrabban használhatják inferenciára, ritkábban a nagy, pretraining fázisban lévő modellek kezdeti betanítására. Kivételt jelenthet a poszt-training vagy kisebb modellek (például a GLM-Image 16 milliárd paraméterrel), amelyek mérete jóval kisebb lehet a legnagyobb modellekénél.
Felhőalapú bérlés mellett saját adatközpontok építése is jellemző
A számítási kapacitás forrása kritikus a modellfejlesztés szempontjából. A vizsgált álláshirdetések szerint a kínai startupok is bérelnek felhőkapacitást hazai szolgáltatóktól, például Alibaba vagy ByteDance felhőitől; egyes pozíciók kifejezetten felhőerőforrás-beszerzéssel foglalkoznak.
Ugyanakkor több startup hirdetésében szerepel saját adatközpontok építésében való részvétel. MiniMax álláshirdetése például önépített adatközpontok és a hozzájuk kapcsolódó SRE & DevOps rendszerek kiépítésében való részvételt említ. DeepSeek egy belső-mongóliai adatközponti szerepről tett közzé hirdetést, Moonshot pedig kifejezetten adatközpont-beszerzési feladatokra keresett munkatársat, és egy hirdetésük a hibrid (publikus felhő + saját intelligens számítási központ) telepítés koordinálását írja le.
Ez arra utal, hogy a kínai cégek gyakran hibrid megközelítést alkalmaznak: bérelt felhő és saját adatközpont kombinációját.
Változatos üzleti stratégiák: B2B és fogyasztói termékek is megjelennek
A hirdetésekből kirajzolódik, hogy a kínai startupok között eltérő a kereskedelmi fókusz. Z.ai esetében a legtöbb értékesítési pozíció B2B irányultságú, míg MiniMaxnál és Moonshotnál több marketing és fogyasztói termékekre irányuló szerep szerepel.
Konkrét pénzügyi adatokból a cikk megemlíti: MiniMax bevételeinek körülbelül 70%-a 2024–2025-ben egyéni fogyasztóknak szánt AI-termékekből származott (például a Talkie "companion AI" és a Hailuo videógenerálás), a maradék 30% vállalati értékesítésből. Z.ai esetében 2025-ben a bevétel 73,7%-a abból adódott, hogy ügyfeleik infrastruktúráján futtatták a modelleket — ez egy erősen B2B orientált modell.
Z.ai hirdetései kifejezetten említik célpiacként kormányzati intézményeket és állami tulajdonú vállalatokat az energia és pénzügyi szektorban, valamint vannak szerepkörök, amelyek az Egyesült Államok piacára, a Fortune Global 500 vállalatokra irányuló terjeszkedést célozzák. Ugyanakkor Z.ai nem olyan nemzetközi orientált, mint MiniMax; MiniMaxnak például 16 aktív hirdetése volt San Franciscóban és további pozíciói számos nemzetközi városban.
A pénzügyi összehasonlítás: MiniMax 2025-ös bevételének 73%-a nemzetközi piacokról származott, míg Z.ai-nál ez az arány 9,8% volt.
Startupok maradnak modellközpontúak, a nagy platformvállalatok szélesebb kutatási portfóliót tartanak
A hirdetések szerint a startupok, mint DeepSeek és Moonshot, elsősorban modellek (LLM-ek) fejlesztésére és azok fölé épülő termékekre koncentrálnak. Példa erre egy angolul is bőven tartalmazó álláshirdetés, amely egy "Agent Harness R&D Engineer" szerepre keresett szakembert.
Z.ai szintén LLM-központú, de van két hirdetésük robotika területén is, ezek az X-Lab kutatói egységhez tartoznak, amely új kutatási irányokat — például új modellarchitektúrákat — vizsgál.
A nagy platformcégek, ByteDance és Alibaba, szélesebb termékportfólióval rendelkeznek: mindkettőnél találunk robotikai és viselhető (wearable) hardverrel kapcsolatos pozíciókat. Alibaba Qwen csapata például autóipari alkalmazásokra keresett szakembert, aki a "Qwen cockpit voice-assistant AI Agent" alapalgoritmusain dolgozna.
A magyarázat: a nagy platformoknak megvannak a beszállítói láncokhoz és erőforrásokhoz való hozzáférésük, ami lehetővé teszi számukra a fizikai termékekbe és kockázatosabb kutatásokba való beruházást. A startupoknak ezzel szemben egyszerűsíteniük kell fókuszukat, és szoftverben kell versenyképesnek lenniük.
Álláshirdetések földrajzi eloszlása: több klaszter, kevesebb koncentráció, mint az Egyesült Államokban
A kínai frontrangsorú AI-munkahelyek nem egyetlen városba koncentrálódnak annyira, mint az Egyesült Államokban. A hirdetések helymegjelölései alapján 93%-uk legalább az egyik nagy kínai technológiai központban szerepelt: Peking, Hangzhou vagy Sanghaj. A legnagyobb központ Peking volt, amelyet a meghirdetett pozíciók 63%-a jelölt meg.
Ez nem olyan mértékű klaszterizáció, mint az Egyesült Államokban, ahol a vezető laborok hirdetéseinek körülbelül 85%-a San Franciscóban található. Ennek oka lehet provinciák közti verseny és helyi támogatások, valamint a vezető egyetemekből érkező tehetségáramlás, amelyek több városba vonzzák a cégeket.
Kevesebb előírt tapasztalat a kínai hirdetésekben
A kínai és amerikai álláshirdetések egyik markáns különbsége a szükséges korábbi munkatapasztalat mennyisége. A vizsgált US laboroknál az átlagos korábbi tapasztalatkövetelmény 5,5 év volt, míg a kínai hirdetések átlagában ez mindössze 1,6 év. Még ha csak a megadott számokat nézzük is, a különbség megmarad: US laborok 5,5 év vs kínai laborok 3,4 év (ha csak a megadott értékeket vesszük figyelembe).
Ennek részben intézményi okai vannak: a kínai kormány ösztönzi az egyetemeket, hogy a campus-rekrutációt tekintsék a diplomások fő elhelyezkedési csatornájának, és a Kínai Oktatási Minisztérium ismétlődő kampányokat futtat ezen célok támogatására. Számos vállalati gyakorlat is ezt követi: DeepSeek vezérigazgatója, Liang Wenfeng állítólag azt mondta, hogy a cég "képesség alapján vesz fel, nem tapasztalat alapján". ByteDance "Top Seed" programja kifejezetten hallgatókat és friss diplomásokat céloz.
Ennek következménye, hogy az adatbázisban szereplő mérnöki pozíciók közel 20%-a campus-rekrutációs hirdetésnek minősült.
Összegzés: sokszínű és kontextusfüggő ökoszisztéma
A 1 604 kínai AI-álláshirdetés elemzése azt mutatja, hogy a kínai AI-ökoszisztéma nem homogén: egyes szereplők B2B-re és kormányzati/állami ügyfelekre koncentrálnak (például Z.ai), mások fogyasztói termékekre és nemzetközi piacokra (például MiniMax). A nagy platformok (ByteDance, Alibaba) szélesebb kutatási és termékportfóliót tartanak fenn, beleértve robotikát és viselhető hardvert, míg startupok inkább modellekre és szoftverre fókuszálnak.
A hirdetések jelzik a folyamatos Nvidia-függőséget inferencia oldalon, de egyre több említés mutat hazai chipek és saját adatközpontok irányába történő elmozdulásra. Emellett a kínai piac erősen támaszkodik egyetemi toborzásra, ami alacsonyabb tapasztalati küszöböket eredményez a hirdetésekben.
Végül fontos megjegyezni (az eredeti szerzők figyelmeztetése szerint), hogy a nyilvános álláshirdetés hiánya egy adott területen nem bizonyítja, hogy a cég nem dolgozik azon — előfordulhat, hogy már belső csapat foglalkozik a témával.
Köszönetnyilvánítás
A poszt készítői megköszönték Isabel Juniewicz, Lynette Bye, Stefania Guerra és Campbell Hutcheson segítségét és visszajelzéseit.
Appendix: a cikk több lábjegyzetet és pontosítást tartalmazott az adatokról és a mintavételről; a fenti összefoglaló kizárólag az álláshirdetésekben explicit módon megjelenő információkra támaszkodik.
