一年过去了，25万月薪的AI工程师还存在吗？
http://5b0988e595225.cdn.sohucs.com/images/20181021/7bcd4c917ca944558227778c26412152.jpeg2017 年，凡人饮水处，皆言人工智能。当年社会各界、茶余饭后对于 AI 技术的追捧，颇有些类似今天的区块链技术。一年前，25 万月薪难招一名算法工程师。一年后，热度褪去、渐趋理性的行业，又是怎样的光景？一年前的 AI 行业 2017 年，某知名企业 CEO 发了一条微博吐槽招人难，8 万月薪 + 年底 14 薪 + 奖金的价码仍然求不来一位算法工程师。http://5b0988e595225.cdn.sohucs.com/images/20181021/ea34307bf608453ca3f4a5a24247e233.png 一年前，AI 技术有多火？AI 工程师薪资有多高？看看今天的区块链技术，你就懂了。年薪 50 万很夸张？ 假设你本科学的是计算机，研究生选择了研究人工智能，或者之后又一路读到了博士，2017 年面临毕业，你觉得作为一个应届研究生或者博士生，多少薪资最符合你的心理价位？ 我们先来看一看一般招聘网站上的数字：http://5b0988e595225.cdn.sohucs.com/images/20181021/c568db8d69a34c44a9571454e4add29a.jpeg图片：拉勾网看起来还不错是不是？ 连本科应届毕业生都可以拿到最高 25K 的月薪，研究生 / 博士毕业的肯定会更好。那么到底多少月薪才合适呢？30K？35K？No，no，no，套用一句现在最流行的话来说：贫穷限制了你的想象。来看看这家企业开出的价码：http://5b0988e595225.cdn.sohucs.com/images/20181021/405045ae9db745a1999be5fffa4adedb.jpeg 不，这还算不算夸张。请看下面这张图：http://5b0988e595225.cdn.sohucs.com/images/20181021/8f95f7153eeb48d7b67fffe4a280c87e.png那么有没有可能更高一些呢？ 有可能。经过我们在各大招聘网站的搜索，找到了薪资更高的一家企业： 2016 年开始，人工智能技术持续升温，AlphaGo 的成功标志着人工智能时代的开始。到了 2017 年，人工智能领域的热度保持着不断上升的态势，根据 AI 前线的调查：2000~2016 年期间，中国的人工智能企业累计增长约为 1470 余家，仅北京市，到 2016 年就有 450 余家人工智能初创企业出现。人工智能大火的同时，相关技术的人才需求也在持续增长着，但是据全球知名职场社交平台领英发布的《全球 AI 领域人才报告》显示，基于领英平台的 中国 AI 领域技术人才数量位居全球第七，相关人才总数却只有 5 万多。 也就意味着：全国将近 1500 家 AI 智能企业在疯狂争抢着 5 万多的人工智能领域人才。 2017 年，算法工程师的需求最大，涵盖机器学习算法、深度学习算法、自然语言处理等方向；同时，大数据工程师、芯片研发工程师、首席科学家等职位也是 AI 领域热招的职位。一年后的 AI 行业 今年，我们仍然以数据开场。 以下数据来自剑桥大学在 2018 年 6 月发布的一份全球 AI 全景报告。人才储备方面 全球约有 22000 名 AI 研究者和工程师拥有博士学位，这其中有有 5000 名高级 AI 研究者，然而，据该机构估计，仅有 3000 名可用的 AI 人才劳动力；亚洲市场紧追西方市场；中国同业互查公开发表数量超过美国。 此外，从地域上来说，美国是全球 AI 人才的温床，岗位空缺 10k，是人才交流最集中的地方，在美国的科技企业中，谷歌是最大的 AI 人才雇主，AI 研究团队超千人规模，居世界第一。薪资方面 最明显的变化是：机器学习工程师薪水持续上涨。 据《纽约时报》报道，一般来说，刚出校门的博士生或有若干年工作经验但教育水平低于博士的 AI 专家年薪可以达到 30 万 -50 万美元，或通过持有公司股票可能得到更高的薪水。 “在 DeepMind，员工规模扩大到 400 名，成本达到 1.38 亿美元，每名员工成本约为 34500 美元。” “OpenAI 2016 年为研究负责人 Ilya Sutskever 支付了 190 万美元的薪酬，为 Ian Goodfellow 支付的薪酬超过 80 万美元。” 据百度前主管 Thomas Liang 估计，AI 行业薪资水平较 2014 年翻了一倍。调研结果为了让国内的求职者们更加清晰地看到目前国内人工智能领域的招聘现状，我们采访了一些 AI、大数据企业的 HR，此外还有一些正在奔波求职的应届生们，希望有需要的读者能从他们的真实经历中，获得有用的经验。从求职者的角度来说，我们得到的反馈最多的就是：今年的工作更难找了！ 一位求职者告诉我们：“今年人工智能的发展明显上升了一个台阶，最明显的地方是我们参与的应届生人数更多了，哈哈，因为正参与秋招，感觉到了算法岗求职的压力，科班童鞋找算法岗，非科班童鞋也找算法岗，就业压力明显增大。” 他介绍说，自己本身的教育背景为某双一流 B 段学校的一枚计算机专业的硕士研究生，研究方向为推荐系统、机器学习等。目前正参与秋招，投了大概 30 份简历，只得到了 5 次面试机会，目前还没拿到心仪的 offer。 知乎上，用户“微调”讲述了自己的一段求职经历（已获得授权）：在介绍完自己发过的论文，开发过的库之后，面试官提问：“你的这个方向用深度学习怎么做？”他告诉对方这个方向暂时无法大规模应用深度学习，据说对方当时的表情略有失望，强调说他们希望每个人都做过深度学习研究。虽然机会泡汤了，但是微调君也意识到了一个深刻的问题：AI 领域的岗位正在朝精细化发展，而候选人的竞争力更多的将体现在与岗位的“锲合度”，而非你本身有多好。 最能印证这段话的是另一位求职者的反馈，他表示：在面试过程中，面试官更多考察算法技术功底，会问你一些算法的基本原理，以及在平常的项目中应用了哪些算法，为什么用这样的算法，相比于其他的模型，你的模型的优势在哪里，这些模型又有什么区别与联系等等，他说，企业对应聘者的侧重点更在于基础要扎实，应用要灵活。 就像微调君所说的那样：随着 AI 热潮逐渐趋于理性，企业也更加清楚自己想要的到底是什么样的人，AI 相关的岗位依靠的是员工的质量来取胜的。比如手机上的图片识别，目标候选人是明白如何把识别模型部署到手机上的人，不需要自然语言处理大牛，不需要对机器学习理论十分资深的专家，更不需要一百个程序员。不是说你不够好，而是你不合适。 他认为，大部分求职不顺利的人大都是在“锲合度”的问题上关注不够，经验或者经历不乏广度，但是缺少深度。某个候选人可能是：会用一些 TensorFlow，NLP 项目做过一两个，刷过几个 Kaggle、人脸识别教程，Cousera 上拿过几个证书，但是这些与他本人所要面试的岗位相关性不足，所以竞争力自然不高。对于上述情况的求职者，最重要的是先搞明白自己的特点、优势是什么，最重要的是你的长处，而不是你的技能有多均衡，在一些业内人士眼里，什么都会一点儿 = 什么都不擅长。对此，这位微调君给出的建议是：争取成为某一个领域的小专家。
[*]如果对某领域感兴趣，可以在这个领域多发一些有意义的论文；
[*]如果对某领域感兴趣，可以尝试实现在这个领域缺失的经典算法，封装供他人使用并获得关注；
[*]如果编程能力很强，可以尝试做一做偏向底层的设计，比如保证机器学习算法在移动设备上高效运行；
[*]要明白自己擅长的技能可以在哪些公司有用武之地，专注于这些雇主。
最重要的是记住一点，也是上面反复提及的问题：重点不在于你会多少武功，而是你有多少必杀技可以一招毙命。 当然，除了求职者我们也采访了企业的 HR，来自达观数据和 来也的 HR 给我们的采访提供了帮助。从招聘者的角度来说，人工智能领域与去年相比最明显的不同有以下几点：
[*]AI 技术及知识普及渠道增多，AI 不再“神秘”；
[*]人工智能技术应用更加广泛且更加落地；
[*]技术使用方的需求更加理性；
[*]高校、科研机构及政府对 AI 的重视程度更高；
唯一不变的是：行业竞争仍然激烈。 去年的抢人大战，让我们看到了人工智能领域的热浪到底有多高，经历了一年的“冷却期”，人工智能终于趋于理性。 从企业的招聘要求也能看出：与其说是要求严格，不如说是要求具体，大家都知道什么样的岗位要什么样子的人。比如社招 NLP 工程师，除了和去年一样重 点关注人选在 NLP、算法和机器学习领域的专业知识和思维方式之外，也会更关注他们在实际工作经验和产品方向的匹配度。 至于很多求职者都很关注的薪资方面，受访的 HR 告诉我们：薪资对比去年变化不是特别明显，但也呈上升趋势。今年的整体经济环境并不理想，所以会有所影响，但对比相对传统的行业，人工智能领域所受影响是相对较小的。 不过，这位 HR 同样也认为：抢人大战，只要战争不止，薪资肯定会不断提升的，尤其现在各家企业都很清楚地意识到，企业拼的就是创新和速度，这两点也都只有人才能实现，越是做人工智能的企业，越重视人才的价值。创新、速度（高效）不取决于数量，而是质量，所以大家对最顶尖优秀的人才需求越来越明确。从招聘者的角度，两位受访的 HR 也给求职者提出了一些建议：
[*]实习，建议从大三开始就找相关企业进行实习，现在各家企业都非常重视实习生，所以不怕找不到实习企业，实习可以很好的帮助学生，把理论知识和实际项目结合；
[*]不要盲目扎堆，认清自己的优势，发挥所长，产生价值；
[*]多关注这些产品以及公司的行业发展、商业逻辑和产品价值，结合自己的兴趣，早日选定某一个研究和工作方向，持续钻研不断积累，在某一领域成为专业人士。
写在最后 IT 技术圈，是一个日新月异的地方。数不胜数的新语言、新框架、新特性遍地开花，去年还在大肆吹捧人工智能，今年风向就转到了区块链，明年的风向是什么谁也不知道。 曾经有人分析过 Gartner 的技术炒作周期，从 20 年的数据里他发现了很多有意思的现象： 我们的预测能力非常差劲，尤其是预测未来的能力；昙花一现的技术趋势的数量多到令人震惊；许多技术都死掉了；技术见解往往是正确的，但并没有得到实施；一些技术一直在未来向我们招手；许多技术在取得进步，但没人关注。 未来一定会到来，但是什么样的未来却少有人能准确预测。InfoQ 只能建议各位工程师们还是要擦亮眼睛去分辨，到底是炒作起来的热度，还是真的未来趋势，不要去做些技术投机的选择。但有一点可以肯定，扎实的技术基本功和灵活的逻辑能力、开阔眼界和开放思维，不管在哪个时代，都能吃得开、吃得香。（前线公众号）
页:
[1]