今年AI大廠的算法熱門崗位100：1都不稀奇，BAT、字節(jié)跳動的算法求職簡歷供大于求，競爭異常激烈。2019學(xué)轉(zhuǎn)行AI還來得及嗎？先看全球AI大廠薪資及高薪攬才計(jì)劃。

昨天，新智元報(bào)道的圣母大學(xué)計(jì)算機(jī)系史弋宇副教授憑“貪心算法”秒殺美國警察，讓人們認(rèn)識到算法的重要性：原來算法不僅能解決計(jì)算機(jī)問題，還能在關(guān)鍵時(shí)刻找回財(cái)產(chǎn)，幫警察抓劫匪。

認(rèn)識到算法的重要性之后，還需要認(rèn)識一下算法到底有多火。

前段時(shí)間，AI大廠字節(jié)跳動招聘收到的算法工程師的簡歷數(shù)量遠(yuǎn)超需求，而安卓、iOS簡歷卻十分稀缺；后端、前端、測試開發(fā)和大數(shù)據(jù)也供不應(yīng)求。

另外，新智元也從阿里巴巴、騰訊這樣的大廠了解到，今年的校招情況也出現(xiàn)了算法崗位供大于求的情況，熱門算法崗?fù)苁盏綗o數(shù)簡歷，競爭激烈。

前幾年安卓/iOS開發(fā)崗特別火，而最近深度學(xué)習(xí)起來了過后，不管前端后端都轉(zhuǎn)方向擠破頭去做人工智能，喜歡圖像的做計(jì)算機(jī)視覺，喜歡文本的做自然語言處理，所以造成了當(dāng)前大家的同質(zhì)化競爭。

因此，算法大軍突起后，AI當(dāng)前及未來就業(yè)環(huán)境到底怎么樣，薪酬是否很高？

熱門崗位100：1，別想上個慕課就做AI

先來看看字節(jié)跳動的廣告算法工程師的招聘：

看到這個條件，估計(jì)少不了人躍躍欲試。但可能正因如此，才出現(xiàn)了“分母過多”而真正符合崗位需求的人較少的情況。

在知乎《如何看待字節(jié)跳動招聘收到的算法工程師簡歷的數(shù)量遠(yuǎn)超需求？》話題中，不少回答中都提到，算法簡歷和職位比較多，很多人都是看熱度想從事AI算法崗，但是公司原本崗位招聘有限，涌入求職的人變多。

甚至也有人稱，今年大廠的算法崗的投遞錄取比，都差不多達(dá)到一個很殘暴的數(shù)字：熱門算法100：1也不稀奇。

新智元拿到了去年秋季阿里巴巴和騰訊放出的 AI 崗位一手?jǐn)?shù)據(jù)：

騰訊AI崗位校招特點(diǎn)：

機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺崗位的投簡歷人數(shù)最多，合計(jì)超過所有申請AI相關(guān)崗位的80%。投遞AI崗位的學(xué)生里博士占10%，碩士85%，本科生數(shù)量小于5%。

投遞數(shù)量top5的院校是中科院、浙大、清華、北郵、北航，從候選人學(xué)校所在城市的情況來看，北京有壓倒性優(yōu)勢，隨后是西安、武漢、上海、杭州、廣州。

今年市場AI相關(guān)崗位的熱度很高，整體供大于求。計(jì)算機(jī)視覺方向供需嚴(yán)重不平衡，投遞/錄用比例比產(chǎn)品崗位都要高。做計(jì)算機(jī)視覺的實(shí)驗(yàn)室太多了，但市場上并沒有那么大的需求。這種情況預(yù)計(jì)會持續(xù)到明年，建議2020屆的同學(xué)早作打算。

從描述中不難看出，機(jī)器學(xué)習(xí)、機(jī)器人和語音、視頻等 AI 領(lǐng)域仍將是人才招聘和培養(yǎng)的重點(diǎn)。

阿里AI崗位招聘特點(diǎn)：

阿里收到的求職崗位，最多的是 NLP 算法工程師、計(jì)算機(jī)視覺領(lǐng)域的算法工程師。

阿里目前AI 崗位所呈現(xiàn)的具體趨勢是高端 AI 人才短缺，年輕的 AI 領(lǐng)域工程師總數(shù)增長較快。

在AI工程師畫像分析方面，碩士及碩士以上工程師占比 46%，博士及博士后占比 4%，本科以上占比達(dá)到 96%。

可以看出的是，在涌入AI崗位的求職大軍里面，實(shí)際上有很多并不能達(dá)到要求，要勝任這樣一個算法崗位，可能5萬行代碼是起碼標(biāo)準(zhǔn)，并非“上過幾節(jié)機(jī)器學(xué)習(xí)MOOC”就能匹敵。

AI薪酬高不高？首先搞清楚有哪些AI崗位

無數(shù)人涌入AI算法崗，認(rèn)準(zhǔn)了待遇高、前途好。但在談人工智能的待遇前，得先清楚人工智能崗位都有啥。

知乎用戶“曉飛”認(rèn)為，AI崗位可以分為以下幾部分：

AI research組

AI 應(yīng)用組 （研究，系統(tǒng)）

業(yè)務(wù)組 （算法工程師）

AI research組由科學(xué)家和工程師組成，科學(xué)家包含NB的博士+教授，而工程師協(xié)助前面的大牛加速研究進(jìn)程。

舉個例子，大牛A有了幾個NB的idea，于是面了1、2個NB的碩士工程師干活，最后發(fā)頂會paper。這些碩士工程師的背景，屬于名校名項(xiàng)目里最top的那些碩士，他們以碩士身份加入，但已經(jīng)具備很強(qiáng)的科研能力，只是沒有讀博罷了。

AI research 組做的都是最前沿的技術(shù)，而真正短期要落地到產(chǎn)品的還是AI應(yīng)用組。里面根據(jù)方向分自然語言處理，計(jì)算機(jī)視覺，大規(guī)劃機(jī)器學(xué)習(xí)平臺之類的，里面集結(jié)了各種有專才的牛博牛碩做深度學(xué)習(xí)模型算法+系統(tǒng)平臺優(yōu)化的工作，他們要么在某個特定領(lǐng)域有所積累，要么熟悉c++，分布式高性能計(jì)算。前者主要還是博士和教授，后者碩士就多了。

以上兩個組在公司里人都不多，但是這年頭學(xué)AI的人多了，高手云集，博士間競爭已經(jīng)特別激烈，碩士就更難了，于是大部分人其實(shí)是前往業(yè)務(wù)組做AI。

業(yè)務(wù)組里通常只是使用AI應(yīng)用組已有的模型和框架，加上自己對業(yè)務(wù)的理解，提出一定的優(yōu)化和個性化訓(xùn)練，大的公司有的組還是需要自己造輪子，比如廣告算法組，博士占比超過一半，各種個性化算法模型。但大部分組的算法工程師，大概率只是做特征工程+微調(diào)模型+業(yè)務(wù)邏輯就足夠了，一般不至于去到改深度學(xué)習(xí)模型的那一步。

最后回到題目，AI崗待遇：

AI research組大牛 > AI 應(yīng)用組大牛 ~ 牛逼業(yè)務(wù)組大牛 > 知道怎么改模型的小牛 > AI調(diào)包俠 > 普通產(chǎn)品組工程師。

所以想要提高自己的待遇，理想情況下就是名校名導(dǎo)讀博，發(fā)幾篇頂會，然后自然會被邀請到AI research組工作了。

全球大廠AI方向薪資及高薪攬才計(jì)劃大起底

另一位知乎用戶“留德華叫獸”比較認(rèn)同“曉飛”的回答，他還從職能上和部門上劃分了AI崗位。

從職能上劃分：

研發(fā)科學(xué)家(Research Scientist)

軟件內(nèi)工程師(Software Engineer)

通常1需要博士學(xué)位，2碩士甚至本科都可申請。

2在國內(nèi)內(nèi)一般會叫算法工程師。

從部門上劃分：

AI研究院(Research Lab)

公司研發(fā)部門(R&D)

公司產(chǎn)品部

1的代表：Facebook AI research Lab(FAIR)、微軟亞洲研究院(MSRA)、百度AI Lab等。

1中既有研發(fā)科學(xué)家“發(fā)明”全新的AI模型和底層的優(yōu)化算法，也有軟工協(xié)助科學(xué)家們實(shí)現(xiàn)算法跑實(shí)驗(yàn)，或是把這些前沿的模型做成Prototype(樣品)推銷給公司2和3的研發(fā)、產(chǎn)品部。

2和3有些功能更是沒有嚴(yán)格區(qū)分。

3的代表：微軟小冰、微信、騰訊王者榮耀等工資待遇一般情況下按上面的數(shù)字遞減。

案例一

國內(nèi)某一本自動化專業(yè)本科，國內(nèi)某985碩士(研究方向：動態(tài)優(yōu)化+并行計(jì)算)。

畢業(yè)于普通的一本院校，非985，非211，專業(yè)也是普通的工科專業(yè)，本科期間學(xué)習(xí)成績良好，但是也沒有學(xué)過任何與人工智能相關(guān)的內(nèi)容。碩士期間從事的是CUDA并行計(jì)算的研究，將一些優(yōu)化算法通過GPU并行加速。

Offer1：順豐科技，第一年16*15K，CUDA高性能計(jì)算，只招聘兩人，順利拿到Offer。主要工作內(nèi)容是將一些人工智能的相關(guān)算法并行加速。

Offer2：華為C++測試崗，第一年16*15K，由于具備良好的C++編程基礎(chǔ)，所以拿到大廠的Offer基本不成問題。

這個案例告訴我們，找到一份好工作對學(xué)歷是有一個基本的要求的，但是要求并不是很高，身邊很多的人也都是普通本科出身，通過自身的學(xué)習(xí)和努力一樣能得到好的工作機(jī)會。

另外對專業(yè)的要求也并不是很嚴(yán)格，因?yàn)閲鴥?nèi)目前基本還沒有人工智能專業(yè)，只要是工科相關(guān)專業(yè)，或者數(shù)學(xué)統(tǒng)計(jì)專業(yè)，乃至于經(jīng)管類專業(yè)都可以比較容易的轉(zhuǎn)行到人工智能。

案例二

國內(nèi)某985碩士（碩士課題研究方向：多目標(biāo)優(yōu)化算法）

Offer1：圖森，第一年22*15，參與自動駕駛的研發(fā)。

Offer2：Momenta，第一年20*15，參與自動駕駛系統(tǒng)的研發(fā)。

曾參與了并完成了優(yōu)達(dá)學(xué)城自動駕駛課程，并由此獲得了滴滴自動駕駛的實(shí)習(xí)機(jī)會。

這個案例告訴我們，碩士的研究課題其實(shí)很多時(shí)候和找工作關(guān)系并不大，因?yàn)槟壳皣鴥?nèi)的碩士教育依然是偏重學(xué)術(shù)研究。本案例中的同學(xué)碩士研究方向和自動駕駛沒有什么關(guān)系，但是他通過自學(xué)并參與了優(yōu)達(dá)學(xué)城自動駕駛課程并由此獲得實(shí)習(xí)機(jī)會。如果沒有參與課程的話僅僅依靠其碩士研究的內(nèi)容是很難找到好工作的。

案例三（我自己）

德國Top3 數(shù)學(xué)博士，申請博世（Bosch）集團(tuán)BCAI Lab，被拒。

Offer 1：Bosch Corperate Research（可以理解為研發(fā)部）機(jī)器學(xué)習(xí)組， 應(yīng)用方向有安防、機(jī)器人、自動駕駛，8W歐元左右/年。

Offer 2：某車廠自動駕駛系統(tǒng)部門（可以理解為產(chǎn)品部）機(jī)器學(xué)習(xí)組，產(chǎn)品為自動駕駛系統(tǒng)中的各個模塊，7W歐元左右/年。

P.S.，一歐元約等于8塊人民幣。

全球范圍各大廠人工智能方向薪資及高薪攬才計(jì)劃

人工智能、機(jī)器學(xué)習(xí)最近幾年有多火？

從各大互聯(lián)網(wǎng)公司先后創(chuàng)建人工智能研究院，以及以下這些高薪攬才計(jì)劃便可略窺一二。

阿里星計(jì)劃

年薪平均估計(jì)60w左右，上不封頂，本科生-博士生都有機(jī)會入，CTO直接面試，每年招10人，半年base美國office的機(jī)會

百度少帥計(jì)劃

IDL部門（機(jī)器學(xué)習(xí)、深度學(xué)習(xí)），年薪100w+，每年9人，30歲以下，工作地北京、深圳，一年后硅谷或常青藤名校訪問至少半年，三年后帶領(lǐng)20-30人團(tuán)隊(duì)。

滴滴新銳計(jì)劃

滴滴研究院，面向全球高校博士、碩士、優(yōu)秀本科生的精英人才計(jì)劃，研究方向包含機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、機(jī)器人、自動控制、汽車工程、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計(jì)算、圖形圖像、語音識別、語音合成、自然語言處理等。

騰訊技術(shù)大咖

要求，全球TOP100 CS相關(guān)碩士博士畢業(yè)，人工智能相關(guān)，待遇：上不封頂offer，深圳市還有“孔雀計(jì)劃”160w的獎勵。

Google/Amazon/Facebook/Apple等

硅谷科技公司巨頭，如斯坦福這樣的名校畢業(yè)碩士，去Google就有可能達(dá)到20W刀/年的package。

非名校+非大牛+轉(zhuǎn)專業(yè)做AI要謹(jǐn)慎

“曉飛”認(rèn)為，對于名校NB的碩士生，為了具備和博士競爭的資格，建議在一個細(xì)分領(lǐng)域(nlp, cv之類的)深入沉淀，出點(diǎn)論文，然后爭取去AI應(yīng)用組或者NB的業(yè)務(wù)組里去寫模型。

對于普通的AI背景一般的非博士生，如果想做系統(tǒng)還好，要是想做模型……努力提升自己爭一個好的業(yè)務(wù)組AI崗的機(jī)會。

對于非名校+非大牛+轉(zhuǎn)專業(yè)，建議甚至思考自己是不是要做機(jī)器學(xué)習(xí)。這是一個有門檻的，競爭非常激烈的領(lǐng)域，現(xiàn)在AI待遇高，但那是有泡沫的。一旦各種成熟的機(jī)器學(xué)習(xí)平臺搭建好了，就不再需要太多調(diào)包俠調(diào)參俠，業(yè)務(wù)組不需要那么多AI工程師。

所以，不是一定要在AI上面擠，去學(xué)分布式系統(tǒng)、云計(jì)算、移動端開發(fā)其實(shí)也挺好的。就算一定要搞AI，作為程序員的基本功還是得學(xué)好，在成為所謂的AI工程師之前，首先先成為一名優(yōu)秀的軟件工程師，寫出高質(zhì)量的代碼吧。

知乎用戶“張戎”認(rèn)為，人工智能領(lǐng)域肯定大有前景，至少從目前的發(fā)展趨勢來看是這樣的。不過計(jì)算機(jī)視覺、自然語言處理、語音、推薦系統(tǒng)等方向競爭激烈也是可以理解的，畢竟這些方向是人工智能的經(jīng)典方向。既然是經(jīng)典方向，那么就無法避免人數(shù)眾多，同質(zhì)化競爭激烈的情況。

如果是做人工智能領(lǐng)域的，其實(shí)大可不必完全把自己固定在某個方向上，并不是說在學(xué)校研究計(jì)算機(jī)視覺之后在工作中就只能夠做計(jì)算機(jī)視覺，也不是說在學(xué)校從事自然語言處理研究的到了公司之后就無法做語音識別，更不是說做推薦系統(tǒng)的以后就無法做其他業(yè)務(wù)線。

”個人感覺，用機(jī)器學(xué)習(xí)技術(shù)來改變傳統(tǒng)的一些業(yè)務(wù)，給傳統(tǒng)的一些業(yè)務(wù)帶來新的活力也是機(jī)器學(xué)習(xí)從業(yè)者的價(jià)值所在。無論是互聯(lián)網(wǎng)公司里面的安全、運(yùn)維、測試，還是金融公司里面的投資、量化、期貨交易，其實(shí)都可以嘗試著用機(jī)器學(xué)習(xí)的方法來改進(jìn)。

在機(jī)器學(xué)習(xí)競爭的下半場，估計(jì)不僅僅是計(jì)算機(jī)視、自然語言處理、語音、推薦系統(tǒng)等方向才能夠使用機(jī)器學(xué)習(xí)，而是會有越來越多的領(lǐng)域融入機(jī)器學(xué)習(xí)的大環(huán)境中，形成所謂的 Machine Learning +，或者 AI+，機(jī)器學(xué)習(xí)加上領(lǐng)域知識感覺才是未來機(jī)器學(xué)習(xí)從業(yè)者的競爭力?！?/p>