AI 行业发展趋势和人才需求预测

admin管理员组

文章数量:1594227

AI找工作必看，AI 行业发展趋势和人才需求预测

 

近几年AI行业的火热程度大家有目共睹，越来越多的人想要加入这一行业。但在开始之前，我们要有理性的分析，要了解AI行业需要什么样的人才，也要知道如何在AI行业中如何长久的发展立足，相信大家和小编一样会在这篇文章中找到自己的答案。

为什么写这篇文章呢？

 

一、是想为视角偏局限或者刚入局的年轻人提供一个参考，助其冷静，不悲观也不上头，因为最近很多网友都觉得AI劲头可能会过了，也有很多网友觉得AI热潮还早。盲目跟着风向走很容易迷路。

 

二、分析AI发展背后的driven force，预测下将来的市场导向和对人才的需求，给朋友们对自我的技术选型提供参考。

 

三、结合面试的经验，给想转AI，或者已经在这行了但担心没有竞争力的朋友们，提供一个自我竞争力培养的方向供参考。

 

四、最近很火一个话题，科班和培训派之争。我个人认为要理智区分两者差距，但培训派一样有做的比科班好的潜力，所以一切看人。我会剖析科班出身到底优势在哪儿？

 

五、不光局限于AI范畴，整个计算机领域的人才需求我也会综合分析，其实一切的都是相关的。不能脱离context谈一个东西。

 

一

横向分析：行业驱动和技术的风口

首先，我们横向的来看下整个计算机行业。即ABCD：

人工智能（Artificial Intelligence)、区块链（Block Chain）、云计算（Cloud）、大数据（Big Data）

 

可以说这是计算机行业发展到18年为止清晰出现的几大风口。到底这几大风口在整个计算机领域占了多大的份额我不确定，因为手头也缺乏数据。但是从增量的角度来看整个行业的增量怕是超过70%都是从ABCD这边引起的。

 

所以首先要明确一点就是，如果这几大风口趋向饱和，进入停滞期或者进入行业拐点（数学中拐点不是极值点，具体请查）。那么很大程度上会在整体计算机行业形成冲击和影响。所以需要整体去了解ABCD，才能同时明白计算机行业整体，以及ABCD中细分的某个领域将来的趋势。

 

二

纵向分析：以史为鉴，可知兴替

其实前一段只是希望给大家构筑一个概念，计算机行业，and它的子集（A,B,C,D）四大风口，不能分开去单独分析，需要作为一个整体来研究，才能摒除掉特殊干扰信号找到共性。这个过程类似于multi task training过程中用sharing weights来学习共有的特性，如果入了AI这行的朋友应该有这个feel。

 

那么具体来做分析，我以我所熟悉的AI行业举例。这里的以史为鉴先看过去几年AI领域的发展。从标志性的几大时间发生之后：CNN刷版CV各项记录，深度学习崛起，各大框架纷纷开源等等。AI进入爆炸发展阶段。但于我个人而言，我更喜欢将这个阶段叫做应用平台期。

 

何为应用平台期，当基础研究程度有一定的余裕，但工业上，或者商业上尚未全部把成果落地的这个阶段，普遍会有一批疯狂的资本涌入，推动应用加速与落地。在这几年中就会涌现大批的创业公司，造就大量的人才缺口，抬高行业的薪资水平，刺激大量的人才涌入。那么此情此景，和我们今天的全民转行做AI何其相似？（这里全民只是说很多计算机但非AI专业，或者非计算机专业的人因为行业红火都转了AI，这本身不可褒贬，纯粹是客观规律）

 

然而，AI门槛高吗？高，说的是深入难，要会数学，计算机，工程，啥都不能只懂一点点。但也可以说门槛很低，因为轮子都给你造好了，大家只需要在此之上应用，所以不论什么行业，可以不会python，但一样可以用tensorflow造个model出来。所以才有那么多初创公司出现，才会转行的人一样做的不错。但随着时间推移，一定会饱和。

 

关于这个推断我有两大依据：

 

依据一： 纵观深度学习的发展趋势，如果有关注几大顶会的朋友一定会有感觉。最开始两年CV方向的论文数量远大于NLP方向，更别说其他更小众的方向了。因为那两年正好是CV领域的应用平台期。随着CV方向应用的越来越成熟，其实这块平台期早就快饱和了。大家现在去看。其实发现大公司早就没那么关注CV这边了，而是几炮打红之后转战其他方面，只有后知后觉的或者实力受限的小公司还在一个细分市场上死磕。再然后的两年，看看NIPS,ICLR这些会，RL，和RNN系列独占两大山头，CV方面的网络基本探索到了大后期，数量仍然不少，但都是添枝加叶类型的研究。这段时间我认为是第二个平台期，就是CV应用的短期红利吃的差不多了，大家开始都来抢NLP和RL这块。那么平台期还有多远呢？NLP/RL这些吃完，下一步呢？迁移学习？贝叶斯网络？还是什么别的？难道大家都只去追逐风口做一个应用者吗？

 

值得一提的是今年的顶会。虽然是互联网寒冬的一年，但我觉得也是回归理性审视未来的一年。为什么？平台期福利吃的差不多了，不理智的资本退场了，但更可喜的是，学术界不浮躁了。今年的两大顶会，基础性的研究远远高于过去，譬如：

 

● google的On the convergence of ADAM and beyond, 在一阶优化称霸DL领域的年代，回归理性，让大家不再是沾沾自喜的同时，审视目前看着最好用的一阶梯度更新模式本质上有啥可改进。此外很多80、90年代盛行但近代几乎灭绝的AI技术，譬如进化算法做网络优化等，二阶quasi-newton族算法，非梯度更新模式的MC采样训练。都重新浮出水面。大家开始期待底层技术的革新

● 自nvidia和baidu的APEX 混合精度训练在年初提出开始，facebook一篇关于kulisch累加器和新的FP标准的文章，想用

本文标签： 需求预测发展趋势人才行业AI