今年AI大厂的算法热门岗位100：1都不稀奇，BAT、字节跳动的算法求职简历供大于求，竞争异常激烈。2019学转行AI还来得及吗？先看全球AI大厂薪资及高薪揽才计划。
编辑：三石、文菲、张乾
昨天，新智元报道的圣母大学计算机系史弋宇副教授凭“贪心算法”秒杀美国警察，让人们认识到算法的重要性：原来算法不仅能解决计算机问题，还能在关键时刻找回财产，帮警察抓劫匪。
认识到算法的重要性之后，还需要认识一下算法到底有多火。
前几年安卓/iOS开发岗特别火，而最近深度学习起来了过后，不管前端后端都转方向挤破头去做人工智能，喜欢图像的做计算机视觉，喜欢文本的做自然语言处理，所以造成了当前大家的同质化竞争。
因此，算法大军突起后，AI当前及未来就业环境到底怎么样，薪酬是否很高？
看到这个条件，估计少不了人跃跃欲试。但可能正因如此，才出现了“分母过多”而真正符合岗位需求的人较少的情况。
在知乎《如何看待字节跳动招聘收到的算法工程师简历的数量远超需求？》话题中，不少回答中都提到，算法简历和职位比较多，很多人都是看热度想从事AI算法岗，但是公司原本岗位招聘有限，涌入求职的人变多。
新智元拿到了去年秋季阿里巴巴和腾讯放出的 AI 岗位一手数据：
腾讯AI岗位校招特点：
投递数量top5的院校是中科院、浙大、清华、北邮、北航，从候选人学校所在城市的情况来看，北京有压倒性优势，随后是西安、武汉、上海、杭州、广州。
今年市场AI相关岗位的热度很高，整体供大于求。计算机视觉方向供需严重不平衡，投递/录用比例比产品岗位都要高。做计算机视觉的实验室太多了，但市场上并没有那么大的需求。这种情况预计会持续到明年，建议2020届的同学早作打算。
从描述中不难看出，机器学习、机器人和语音、视频等 AI 领域仍将是人才招聘和培养的重点。
阿里AI岗位招聘特点：
阿里收到的求职岗位，最多的是 NLP 算法工程师、计算机视觉领域的算法工程师。
阿里目前 AI 岗位所呈现的具体趋势是高端 AI 人才短缺，年轻的 AI 领域工程师总数增长较快。
在AI工程师画像分析方面，硕士及硕士以上工程师占比 46%，博士及博士后占比 4%，本科以上占比达到 96%。
可以看出的是，在涌入AI岗位的求职大军里面，实际上有很多并不能达到要求，要胜任这样一个算法岗位，可能5万行代码是起码标准，并非“上过几节机器学习MOOC”就能匹敌。
AI薪酬高不高？首先搞清楚有哪些AI岗位
无数人涌入AI算法岗，认准了待遇高、前途好。但在谈人工智能的待遇前，得先清楚人工智能岗位都有啥。
知乎用户“晓飞”认为，AI岗位可以分为以下几部分：
AI research组
AI 应用组 （研究，系统）
业务组 （算法工程师）
AI research组由科学家和工程师组成，科学家包含NB的博士+教授，而工程师协助前面的大牛加速研究进程。
举个例子，大牛A有了几个NB的idea，于是面了1、2个NB的硕士工程师干活，最后发顶会paper。这些硕士工程师的背景，属于名校名项目里最top的那些硕士，他们以硕士身份加入，但已经具备很强的科研能力，只是没有读博罢了。
AI research 组做的都是最前沿的技术，而真正短期要落地到产品的还是AI应用组。里面根据方向分自然语言处理，计算机视觉，大规划机器学习平台之类的，里面集结了各种有专才的牛博牛硕做深度学习模型算法+系统平台优化的工作，他们要么在某个特定领域有所积累，要么熟悉c++，分布式高性能计算。前者主要还是博士和教授，后者硕士就多了。
以上两个组在公司里人都不多，但是这年头学AI的人多了，高手云集，博士间竞争已经特别激烈，硕士就更难了，于是大部分人其实是前往业务组做AI。
业务组里通常只是使用AI应用组已有的模型和框架，加上自己对业务的理解，提出一定的优化和个性化训练，大的公司有的组还是需要自己造轮子，比如广告算法组，博士占比超过一半，各种个性化算法模型。但大部分组的算法工程师，大概率只是做特征工程+微调模型+业务逻辑就足够了，一般不至于去到改深度学习模型的那一步。
最后回到题目，AI岗待遇：
AI research组大牛 > AI 应用组大牛 ~ 牛逼业务组大牛 > 知道怎么改模型的小牛 > AI调包侠 > 普通产品组工程师。
所以想要提高自己的待遇，理想情况下就是名校名导读博，发几篇顶会，然后自然会被邀请到AI research组工作了。
全球大厂AI方向薪资及高薪揽才计划大起底
另一位知乎用户“留德华叫兽”比较认同“晓飞”的回答，他还从职能上和部门上划分了AI岗位。
从职能上划分：
研发科学家(Research Scientist)
软件内工程师(Software Engineer)
通常1需要博士学位，2硕士甚至本科都可申请。
2在国内内一般会叫算法工程师。
从部门上划分：
AI研究院(Research Lab)
公司研发部门(R&D)
公司产品部
1的代表：Facebook AI research Lab(FAIR)、微软亚洲研究院(MSRA)、百度AI Lab等。
1中既有研发科学家“发明”全新的AI模型和底层的优化算法，也有软工协助科学家们实现算法跑实验，或是把这些前沿的模型做成Prototype(样品)推销给公司2和3的研发、产品部。
2和3有些功能更是没有严格区分。
案例一
国内某一本自动化专业本科，国内某985硕士(研究方向：动态优化+并行计算)。
毕业于普通的一本院校，非985，非211，专业也是普通的工科专业，本科期间学习成绩良好，但是也没有学过任何与人工智能相关的内容。硕士期间从事的是CUDA并行计算的研究，将一些优化算法通过GPU并行加速。
Offer2：华为C++测试岗，第一年 16*15K，由于具备良好的C++编程基础，所以拿到大厂的Offer基本不成问题。
这个案例告诉我们，找到一份好工作对学历是有一个基本的要求的，但是要求并不是很高，身边很多的人也都是普通本科出身，通过自身的学习和努力一样能得到好的工作机会。
案例二
国内某985硕士（硕士课题研究方向：多目标优化算法）
Offer1：图森，第一年22*15，参与自动驾驶的研发。
Offer2：Momenta，第一年 20*15，参与自动驾驶系统的研发。
曾参与了并完成了优达学城自动驾驶课程，并由此获得了滴滴自动驾驶的实习机会。
这个案例告诉我们，硕士的研究课题其实很多时候和找工作关系并不大，因为目前国内的硕士教育依然是偏重学术研究。本案例中的同学硕士研究方向和自动驾驶没有什么关系，但是他通过自学并参与了优达学城自动驾驶课程并由此获得实习机会。如果没有参与课程的话仅仅依靠其硕士研究的内容是很难找到好工作的。
案例三（我自己）
德国Top3 数学博士，申请博世（Bosch）集团BCAI Lab，被拒。
Offer 1：Bosch Corperate Research（可以理解为研发部）机器学习组， 应用方向有安防、机器人、自动驾驶，8W欧元左右/年。
Offer 2：某车厂自动驾驶系统部门（可以理解为产品部）机器学习组，产品为自动驾驶系统中的各个模块，7W欧元左右/年。
P.S.，一欧元约等于8块人民币。
全球范围各大厂人工智能方向薪资及高薪揽才计划
人工智能、机器学习最近几年有多火？
从各大互联网公司先后创建人工智能研究院，以及以下这些高薪揽才计划便可略窥一二。
阿里星计划
年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会
百度少帅计划
IDL部门（机器学习、深度学习），年薪100w+，每年9人，30岁以下，工作地北京、深圳，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队。
滴滴新锐计划
滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等。
腾讯技术大咖
Google/Amazon/Facebook/Apple等
硅谷科技公司巨头，如斯坦福这样的名校毕业硕士，去Google就有可能达到20W刀/年的package。
非名校+非大牛+转专业做AI要谨慎
“晓飞”认为，对于名校NB的硕士生，为了具备和博士竞争的资格，建议在一个细分领域(nlp, cv之类的)深入沉淀，出点论文，然后争取去AI应用组或者NB的业务组里去写模型。
对于普通的AI背景一般的非博士生，如果想做系统还好，要是想做模型……努力提升自己争一个好的业务组AI岗的机会。
对于非名校+非大牛+转专业，建议甚至思考自己是不是要做机器学习。这是一个有门槛的，竞争非常激烈的领域，现在AI待遇高，但那是有泡沫的。一旦各种成熟的机器学习平台搭建好了，就不再需要太多调包侠调参侠，业务组不需要那么多AI工程师。
所以，不是一定要在AI上面挤，去学分布式系统、云计算、移动端开发其实也挺好的。就算一定要搞AI，作为程序员的基本功还是得学好，在成为所谓的AI工程师之前，首先先成为一名优秀的软件工程师，写出高质量的代码吧。
知乎用户“张戎”认为，人工智能领域肯定大有前景，至少从目前的发展趋势来看是这样的。不过计算机视觉、自然语言处理、语音、推荐系统等方向竞争激烈也是可以理解的，毕竟这些方向是人工智能的经典方向。既然是经典方向，那么就无法避免人数众多，同质化竞争激烈的情况。
如果是做人工智能领域的，其实大可不必完全把自己固定在某个方向上，并不是说在学校研究计算机视觉之后在工作中就只能够做计算机视觉，也不是说在学校从事自然语言处理研究的到了公司之后就无法做语音识别，更不是说做推荐系统的以后就无法做其他业务线。
”个人感觉，用机器学习技术来改变传统的一些业务，给传统的一些业务带来新的活力也是机器学习从业者的价值所在。无论是互联网公司里面的安全、运维、测试，还是金融公司里面的投资、量化、期货交易，其实都可以尝试着用机器学习的方法来改进。
在机器学习竞争的下半场，估计不仅仅是计算机视、自然语言处理、语音、推荐系统等方向才能够使用机器学习，而是会有越来越多的领域融入机器学习的大环境中，形成所谓的 Machine Learning +，或者 AI+，机器学习加上领域知识感觉才是未来机器学习从业者的竞争力。”