人工智能的行業(yè)情況是怎樣的？

AI行業(yè)看似熱火朝天，實際上是大部分公司之間的模仿和重復(fù)，噱頭多，落地少。真正的技術(shù)突破很少很慢，只有幾家AI巨頭在做創(chuàng)新，湊熱鬧的居多。而且現(xiàn)在AI行業(yè)的熱錢有了流出大于流入的趨勢，AI行業(yè)不會一直這么火熱，也會進入正常的行業(yè)周期。這是現(xiàn)在的AI行業(yè)背景。

下面談?wù)勅斯ぶ悄苄袠I(yè)的待遇和工作分類。

要談人工智能的待遇，得先清楚人工智能崗位都有啥，基于我的理解，我個人覺得分為以下幾個：

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。我簡單看了一下這些碩士工程師的背景，屬于名校名項目里最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，計算機視覺，大規(guī)劃機器學(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++，分布式高性能計算。前者主要還是博士和教授，后者碩士就多了。

以上2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。

對于名校NB的碩士生，為了具備和博士競爭的資格，建議在一個細分領(lǐng)域(nlp, cv之類的)深入沉淀，出點paper，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崗的機會吧。（什么是好的？要么發(fā)展快可以升值，要么牛人多可以學(xué)習(xí)）

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（我發(fā)現(xiàn)很多業(yè)務(wù)組里就1個做AI算法的……）

所以，不是一定要在AI上面擠，去學(xué)分布式系統(tǒng)，云計算，移動端開發(fā)其實也挺好的。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 :)

最后附上AI行業(yè)的相關(guān)調(diào)查統(tǒng)計圖，以供參考??