在各公司全面數(shù)據(jù)化智能化的當下，算法崗本該更受青睞，為何突然成了就業(yè)重災區(qū)?除了暴力勸退，本文將從幾個不同角度來分析當前算法崗的求職就業(yè)情況。

作者：皮皮魯?shù)腁I星球

?

與前幾年媒體報道的人工智能畢業(yè)生高薪難求形成鮮明對比，現(xiàn)在很多候選人在各大社交平臺上抱怨今年招聘季競爭異常激烈。其中競爭最激烈的要數(shù)“算法崗”了，有人說各大公司算法崗已經(jīng)縮招，甚至達到上千人投幾個崗位的情況，有人說算法崗出現(xiàn)了候選人比面試官還厲害的情況，也有人干脆勸退那些投算法崗的候選人。在各公司全面數(shù)據(jù)化智能化的當下，算法崗本該更受青睞，為何突然成了就業(yè)重災區(qū)?除了暴力勸退，本文將從幾個不同角度來分析當前算法崗的求職就業(yè)情況。

市場的周期調(diào)節(jié)作用

學生時期，我曾經(jīng)堅信個人努力必有回報，但這幾年隨著個人閱歷的增長，我開始意識到市場環(huán)境的力量之大，個體幾乎難以抗拒整個社會的進步。

9月初，我聽了一場李沐的演講，對深度學習有所了解的朋友可能都對李沐有所耳聞，他是美國卡耐基梅隆大學博士，現(xiàn)為亞馬遜首席科學家，曾在大規(guī)模深度學習領域提出了一些新方法。李沐的演講中提到了Gartner技術成熟度曲線。Gartner技術成熟度曲線是技術領域著名的推論，該理論認為，大多數(shù)技術都有五個階段：技術萌芽期會受到小眾投資機構和媒體的關注，一旦技術走入大眾視野后，開始快速膨脹，受到大眾媒體的瘋狂追捧，此時大量的投資機構也將入局，但當大眾發(fā)現(xiàn)該技術沒有媒體宣揚的那么美好，尤其是投資機構發(fā)現(xiàn)該技術不能帶來足夠的收益時，幻想泡沫破裂，人們的期望從波峰跌倒谷底，但是隨著技術的成熟以及大眾的接受，這項技術不再是噱頭，已經(jīng)能夠轉(zhuǎn)化為普通大眾用得上的科技產(chǎn)品，最終進入可量產(chǎn)的成熟期。

2019年8月Gartner技術成熟度曲線

上圖為2019年8月，Gartner公司發(fā)布的新一期技術成熟度曲線。大眾所熟知的5G技術登頂，部分人工智能相關技術仍然在技術萌芽期，而2017年大火的區(qū)塊鏈卻不見蹤影。區(qū)塊鏈這個案例可以說完美闡釋了技術成熟度曲線。早在2008年，比特幣技術的論文就已經(jīng)發(fā)表。2011年到2013年部分專業(yè)機構開始關注比特幣這項技術，比特幣開始由一項小眾技術走入專業(yè)人士的視野。其后比特幣以及區(qū)塊鏈技術被各大媒體報道，投資機構、創(chuàng)業(yè)者蜂擁而至，各國政府也開始關注這項技術。2017年比特幣價格開始飆升，在2017年末達到了頂峰，也就是達到了期望膨脹的頂點。記得當時很多公司都開始宣稱發(fā)力數(shù)字貨幣，區(qū)塊鏈創(chuàng)業(yè)公司遍地。很多只有一年工作經(jīng)驗的區(qū)塊鏈候選人就可以拿到年薪50到100萬，且跳槽率極高，兩三個月就換一份更加高薪的工作。隨后比特幣戲劇性地暴跌，各中小機構倒閉，創(chuàng)始人跑路，員工工資拖欠，區(qū)塊鏈不再是各大媒體追捧的技術。但區(qū)塊鏈這項技術并非胎死腹中，包括Facebook在內(nèi)，很多公司還在繼續(xù)推動它的發(fā)展，各國政府也非常重視這項技術。就在本文撰寫的當天，中央高層集體學習區(qū)塊鏈技術，并決定推動區(qū)塊鏈技術和產(chǎn)業(yè)創(chuàng)新發(fā)展。我相信區(qū)塊鏈最終將慢慢走入屬于它的成熟期。

比特幣價格趨勢圖

Gartner技術成熟度曲線其實并非描述的是技術本身的發(fā)展，而是資本市場對于一項技術的價值預估。這里面包含一個非常樸素的市場經(jīng)濟運行原理：在一項技術被發(fā)明之處，資本期望通過風險投資，來獲取未來成百上千的杠桿回報，很多人都想在金融泡沫中撈上一筆，但是技術本身并不值這個價錢，因此會有極速膨脹和泡沫破裂的過程。同樣，人工智能行業(yè)也難逃這樣的周期宿命。

人工智能算法的成熟度曲線

李沐在他的演講中將人工智能算法做了一個類似的曲線。人工智能算法的興起源于2012年深度學習在計算機視覺領域上突破性的進展，經(jīng)過了幾年的發(fā)展，計算機視覺這項技術正在趨于成熟，基于深度學習的計算機視覺很可能馬上跌入谷底。這就不難解釋為何現(xiàn)在正在找工作的計算機視覺碩博應屆生求職艱辛，雖然他們身傍屠龍之術，但是卻很難找到心儀的工作，甚至出現(xiàn)候選人比面試官還厲害的情況。因為潮水正在褪去，資本正在撤離這個領域，已經(jīng)沒有當初那么多的工作崗位了。

與區(qū)塊鏈的情形相似，在機器學習算法崗位上，同樣的事情正在上演。早在2014-2016年，如果你是211或985計算機碩士畢業(yè)生，或者名校理工科博士，只要略懂一點點機器學習，有過一些數(shù)據(jù)分析和處理的經(jīng)驗，很容易拿到中小公司的機器學習算法崗offer;編程能力稍強的應屆生，可以很容易拿到大公司優(yōu)質(zhì)offer。而近兩年，一方面其他學科學生正在瘋狂轉(zhuǎn)型機器學習，一方面計算機相關學科學生也在積極備戰(zhàn)算法崗位，水漲船高，技能貶值，對新人來說，算法崗的競爭正變得異常激烈。對于很多面試官來說，以他們現(xiàn)在的招聘標準來說，當年的自己很可能是進不了這個行業(yè)的。

了解了技術成熟度曲線，就不難理解當前算法崗競爭日趨激烈的現(xiàn)狀了。

人工智能行業(yè)具有規(guī)模化和標準化特點

人工智能行業(yè)依賴三大資產(chǎn)：算力、數(shù)據(jù)和人才，其中，算力和數(shù)據(jù)正日益被頭部公司壟斷，因而會導致人才向頭部公司集中。

人工智能三要素

算力是人工智能研發(fā)的基石。幸好云計算形式的出現(xiàn)，降低了算力的成本，中小公司不用自購服務器，只需要在幾大平臺上購買云服務即可。但前沿的研發(fā)依然非常依賴算力支持，比如計算機視覺和自然語言處理等領域，訓練一個前沿的模型需要上千臺服務器，僅服務器價值可能在千萬級別。訓練一個前沿模型并部署到線上環(huán)境的成本極高，即使租用云服務，中小公司仍然可能擔負不起這個費用。巨頭公司擁有自己的云計算資源，有足夠的實力承擔這部分研發(fā)成本。

如果說算力是基石，那么數(shù)據(jù)決定著人工智能效果的上限。Garbage in, Garbage out! 同樣一個算法，使用更大規(guī)模、更優(yōu)質(zhì)的數(shù)據(jù)訓練出的模型更精準。當前，數(shù)據(jù)的收集主要依賴幾個方面：用戶自發(fā)上傳、收集用戶行為數(shù)據(jù)、收集傳感器等各類輸入設備數(shù)據(jù)、爬蟲爬取。大公司的用戶量大，數(shù)據(jù)收集設備多，在收集數(shù)據(jù)上具有天然的優(yōu)勢。算力可以去云服務商租用，但是數(shù)據(jù)就沒那么容易獲取了，這點將嚴重制約中小公司在人工智能方向的研發(fā)。

因為大公司的算力和數(shù)據(jù)的壓倒性優(yōu)勢，頂尖AI人才更加希望加入大公司：在大公司的算力和數(shù)據(jù)加成基礎上，AI研發(fā)人員才能有更優(yōu)質(zhì)的產(chǎn)出，有利于其個人職業(yè)生涯的發(fā)展。大公司的門檻正變得越來越高。

最近發(fā)現(xiàn)另一個比較有意思的事情是：部分人工智能領域業(yè)務高度標準化，該行業(yè)的資源容易向頭部公司集中。業(yè)務標準化指的是該業(yè)務要解決的問題容易用一個規(guī)范的標準來定義，給定數(shù)據(jù)集，只需要在其上提高精準率即可。比如人臉識別這個領域，問題很容易被定義，可以將其包裝成一個標準化的接口對外提供服務。很多公司的產(chǎn)品依賴人臉識別這項技術，對于這種標準化的服務，一般采取調(diào)用成熟的第三方接口的方案，沒必要另起爐灶自己造輪子。與標準化服務對應的是個性化非標準服務，比如推薦系統(tǒng)。盡管推薦系統(tǒng)形成了一套技術體系，但各家公司的業(yè)務不同，推薦系統(tǒng)最終要與自家的業(yè)務高度契合。幾乎所有的互聯(lián)網(wǎng)產(chǎn)品都有自己的推薦系統(tǒng)，但抖音、淘寶、小紅書這三個不同的產(chǎn)品，其內(nèi)部推薦機制可能有很大差異：抖音比較依賴一個精品內(nèi)容池，淘寶則依賴用戶之前的點擊、搜索行為。假如我是手機淘寶的老板，手機淘寶需要推薦系統(tǒng)和人臉識別兩個模塊，因為推薦系統(tǒng)將帶來商品銷售的直接收益，而人臉識別只是一個輔助增強功能，我絕對會自建推薦系統(tǒng)團隊，人臉識別則直接購買第三方標準化服務。

人工智能行業(yè)的規(guī)模化和標準化意味著這個行業(yè)的資源會向頭部公司聚集，頭部公司能夠提供的工作崗位有限，應聘頭部公司時競爭更加激烈。舉個例子，高速公路收費員的飯碗已經(jīng)岌岌可危，以前這樣的崗位遍布全國各地，可以創(chuàng)造大量的工作機會，而現(xiàn)在隨著一些收費站改用ETC和車牌識別支付能技術，高速公路不再需要那么多收費員，只需要一個幾十個研發(fā)團隊開發(fā)一套信息系統(tǒng)，并將其推廣到大量的收費站即可。對于資本家來說，養(yǎng)一個小的信息系統(tǒng)開發(fā)團隊遠比養(yǎng)一大批收費員團隊帶來的利潤更高。

計算機視覺行業(yè)的資源正在被頭部公司壟斷，并進入泡沫破裂期，兩個坑都被踩中，因此求職形式非常不樂觀。

普通人應如何應對

其實，無論是技術周期論還是規(guī)模效應論，本質(zhì)上都是逐利的資本在背后搗鬼。對于普通人來說，我認為應該從兩方面來應對：一是順勢而為，二是苦練內(nèi)功。

雷軍一直堅持“順勢而為”的行事準則，他的投資公司也被命名為“順為資本”。作為普通人，我們不一定要追逐風口，但一定要經(jīng)常思考大趨勢是什么，在市場周期之前布局。

在風口上，豬也能飛起來!大家都只記住了這句話，其實雷軍后面還有更重要的一句：稍微長一個小的翅膀，就能飛得更高。無論是順風還是逆風，我們都應該苦練內(nèi)功，磨練出自己的小翅膀。很多求職朋友抱怨面試太難，競爭太大，但是忽略了自身努力程度的問題。在任何時代，機會總是留給那些有所準備的人。

閱讀目錄（置頂)(長期更新計算機領域知識）

閱讀目錄（置頂)(長期更新計算機領域知識）

閱讀目錄（置頂)(長期科技領域知識）

歌謠帶你看java面試題

?

總結

以上是生活随笔為你收集整理的第三十七期:为什么2019年人工智能算法岗求职竞争如此激烈？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。