IT赛道红黑榜谁是T0
赛道分析
IT方向红黑榜
.
| 等级排名 | 热词 | IT方向 |
|---|---|---|
| 1 级 | 夯 | Python人工智能开发，具身智能, 嵌入式AI, cuda编程，量化交易，ros机器人开发 |
| 2 级 | 顶级 | QT(图像处理)，yolo视频 |
| 3 级 | 人上人 | QT(音视频)，Java智能应用开发 |
| 4 级 | NPC | QT, 大数据 |
| 5 级 | 不推荐 | 网络安全，Java传统开发,前端，安卓，ios， 鸿蒙，测试和运维 |
前端能学吗
不推荐学
劣势
- 前端招聘对应届生非常不友好，因为目前测试人多，机会少。主要机会停留在3~5年经验招聘
- 前端仅仅会Vue, React, Angular这些不够了，还要扩充前端技术栈，fluter，andriod，ios
- 尽量把后端，go，rust，java学一个，增加一下竞争力，目前小厂前端都是一个人干的同时也做后端工作。
C
应用方向
- 桌面上位机开发
- 游戏unity客户端开发
主要做客户端开发
优势
机会折中，薪资折中，中庸
劣势
方向局限性客户端上位机开发，游戏开发。
出差多
网络安全
工作内容
从运维学科分支出来，主要做安全维护方面。
网络攻防，web渗透，网络管理，防火墙路由器安全系统架设
技术栈
- web渗透攻防技术
- 数据库安全
- linux操作系统，kali渗透等，漏洞检测
- 黑客攻防技术
薪酬
应届生起薪7K左右，有一定竞争压力，机会不多
短板
起薪低
核心技术编码接触的不多
考一些认证，有一些难度，主要取决于持证机构
优势
学历要求不高，专科可做
上手难度不难，平滑上手。分支要自己选择。
软件测试
分类
- 白盒测试
- 黑盒测试
- 测试开发
- AI自动化测试+开发
要求
- 多种语言， Java，JS，Go, Rust,C++
- 懂Linux环境，windows环境，懂数据库，关系型，非关系型
- 常见测试手段，web测试，回归测试，白盒测试脚本等
- 压力测试，工程化集成测试环境要懂
劣势
- 薪资低
- 长期做简单测试，没有太多增值空间
- 要懂得多，但是广而不精
挽救
- 朝AI测试发展，要了解Pytorch，Tensorflow主流AI矿建，集成测试
- 了解AI机器人测试原理，视觉测试，决策树测试等
C++ 就业方向
学习资料
文档: https://www.yuque.com/lianlianfengchen-cvvh2/zack
QT工程师
上限不高，5年左右就可以精通
C++级别语法精通很难，熟练即可
医疗，军工， 桌面软件
本科，专科(外包,军工), 硕士干这个有点低
进阶
QT+音视频
QT+ ffmpeg, webrtc流媒体， SDK封装等，或者做客户端+服务器全栈适合硕士
熟悉常用流媒体协议：RTP、RTCP、RTMP、RTSP等；
做音视频服务+AI
1．c/c++基础扎实，熟悉linux／unix系统；
- 了解面向对象编程，了解常用设计模式
- 了解多线程、多进程开发，SOCKET网络程序开发
- 了解音视频传输，TCP 协议，媒体处理相关算法优先。
- 了解webrtc，有webrtc开发经验优先。
进阶2 图像处理
医疗 + AI + QT+ C++ 图像处理(算法)
游戏开发
技术栈：
前端： 游戏引擎开发经验, cocos-creator, cosos-2d
Unity3d, Unreal5
后端
网络编程 Linux epoll/slect
陈硕muduo网络网库(Linux)
boost::asio libevent 学一遍
啃一遍源码Trinity-core源码(早期MMORPG服务器源码)
数据，内存模型，并发编程
std::thread([](){});
后端岗位
量化交易(天花板)
python + C++
天花板 ： 92学历+硕士+算法+分布式系统(redis连接池,grpc连接池+asio网络库)+高并发+协程C++20
交易算法和策略
需要金融知识
高频交易，分布式通信
cuda编程
利用cuda提升并行计算，本质上C++并行计算(需要92或者重本)
工作方向
- 底层算子开发开发，用cuda + C++ 实现/优化深度学习核心算子, pytorch,tensorflow的cuda扩展
- 模型推理优化，cuda并行并行优化，算子融合，做模型推理加速
- 分布式训练加速，基于NCCL实现GPU多节点分布式训练加速(BAT, Deepseek)
- 音视频编码加速，图像处理，医疗影像，工业视觉(缺陷检测)GPU加速算法
技术栈
C++核心语法C++ 11/14/17
cuda核心语法(核函数global,device,host),线程层级（thread, block,grid）,结束线程(wrap)优化
内存模型(全局内存，共享内存，常量内存，纹理内存)
流技术stream, 时间(event),异步执行，多CPU并行
GPU架构，理解SM（流多处理器）,CUDA核心, 缓存层级，内存带宽瓶颈
并行算法：掌握并行归约（Reduction）、并行扫描（Scan）、矩阵分块（Tiling）、稀疏矩阵优化；
CUDA 高级特性：
- 统一内存（Unified Memory）、CUDA Graph（任务图）、Cooperative Groups（协作组）；
- CUDA 动态并行（Dynamic Parallelism）、异构编程接口（HIP，跨 NVIDIA/AMD）；
高性能库：熟练使用 NVIDIA 官方加速库（核心是掌握调用 + 理解底层原理）：
- 线性代数：cuBLAS（基础矩阵运算）、cuSOLVER（线性方程组求解）；
- 深度学习：cuDNN（深度学习原算子）、TensorRT（推理加速）；
- 其他：cuFFT（傅里叶变换）、cuSPARSE（稀疏矩阵）、Thrust（CUDA 版 STL）；
编译优化：nvcc 编译选项优化（如
-O3/-arch=sm_80）、PTX 汇编（底层优化）、算子融合（Kernel Fusion）。
| 就业方向 | 补充技术栈 |
|---|---|
| AI / 深度学习 | Python（PyTorch/TensorFlow）、ONNX、TensorRT、NCCL、算子量化（INT8/FP16） |
| 高性能计算（HPC） | MPI（分布式并行）、OpenMP、Linux 系统编程、超算集群调度（Slurm） |
| 音视频 / 图形图像 | FFmpeg、OpenGL/Vulkan、OpenCV（GPU 版）、YUV/RGB 色彩空间处理 |
| 芯片 / 底层软件 | Linux 驱动开发、汇编语言（x86/ARM）、PCIe 协议、GPU 硬件架构 |
传统开发
系统开发
银行系统，证券登录系统
本科
大厂后端(天花板)
卡92
岗位少
技术栈：
中间件，从零造轮子或者维护大厂轮子
推荐系统： C++性能好
搜索引擎+ AI
C++和嵌入式AI
文档地址：
https://www.yuque.com/embheima
技术栈
- C语言/C++语言基础
- stm32,esp32单片机编程
- 数电模电，spi,i2c协议
- linux系统+linux网络编程
- armlinux 系统，根文件系统，uboot,内核原理，驱动源码，子系统I2C子系统，SPI子系统，gpio子系统
- QT+PyQt
- 图像识别，基础识别算法，yolo智能实现库会调用
- 视频流拉取和抽帧，分析，结合模型部署到arm板子上，做视觉分析
无人车AI，图像识别，智能路径规划
优势
行业经验赋能，软硬件都掌握，抗拒35岁危机
具身智能(C++ + AI+ 智能硬件)
技术栈
- 传感器编程和调试
- C/C++编程，要读懂linux或者ros操作系统内核，内核驱动(字符设备驱动，块设备驱动)
- 操作系统调度，LRU调度原理，系统内存管理，消息队列
- 图像和视频识别，仿真(AI+图像识别算法)
- 深度学习(CNN,RNN神经网络)
- 数电模电基础，单片机编程stm32，spi,i2c协议等
- arm+linux系统编程
- 机器人系统 ros系统, 机器人应用开发
要求
- 92学历，或者算法竞赛获奖
Java 行情
目前分为传统Java(Java Web, 传统微服务) 以及Java智能应用开发(coze,dify,大模型调用原理等)
传统开发薪资
Java微服务+AI大模型应用开发
技术栈
1 spring cloud, Spring 生态 + 微服务 + AI 工程化
2 中间件elestic search, redis, rocketmq
3 数据处理（JDBC/MyBatis/Spark Java）
4 coze, dify，等智能体落地经验
6 基于T ensorFlow/PyTorch Java API,熟练用 Java 对接主流深度学习框架，实现模型推理、训练集成，AI 应用的核心能力
7 AI框架集成+工程化落地，从会AI到AI项目落地。
Python
Python + AI
就业方向
- 提示词工程师(本科)
- Agent开发(本科)
- RAG工程师(本科)
- 深度学习+图像处理 RNN CNN(硕士/算法工程师获奖/92学历)
- 大模型部署和调优(本科)
- 大模型应用开发(Java+ Go + Python)(本科)
- 算法工程师(数学基础好+92+硕士)
技术栈
- Python基础，Python进阶(装饰器，并发线程，协程，进程，网络编程，异步同步)
- Agent开发，大模型原理，coze, dify应用，工作流搭建，agent机器人落地应用落地，ragflow
- 数据分析，numpy, pandas,统计基础
- 机器学习原理，高等数学，分类，先行回归，损失函数，聚类
- 深度学习，CNN,RNN神经网络，使用pytorch框架搭建深度学习项目
- NLP 自然语言处理，语义解析，分词技术，向量化技术，Transformer框架，RNN模型讲解，以及AI建模
- 大模型微调，Lora, 全量微调
- Rag解决大模型幻觉问题，提出的知识库，构建知识库，向量化，索引技术
优势
本科可做，未来长期的一个发展方向，工作流，智能体，普通人也要求会
python上手简单，专注精力学习AI知识，效果好，就业可观
劣势
- 如果学习不精通，那么会存在一些面试短板
- python语言优势不大，所以需要提升自己AI知识和能力。
Python + 大数据
这两年市场有些饱和(大数据主要招聘经验段在3-5年)
大数据开发(难度有一些四星)
大数据分析(简单)
- 爬虫工程师
因为大数据都要给模型提供参考和调优
大数据开发是AI的前身
AI课程里包含部分大数据分析的逻辑
Pandas, 数分思想
Python + Web（不推荐）
引擎Django , Tornado
做互联网后端基本被Java/Go占据了
Python不会去做web后端
- Python线程无法利用多核优势
- Python并发能力弱，线程级别 async 协程，协程跑在线程，无法利用多核
C++/Go/Java 高性能
每个核跑一个线程，可以根据系统核数启动线程
20个线程跑在20个核 ===》并行
