近几年“AI”(Artificial Intelligence，人工智能)这个词被媒体大肆宣传，无论在国内还是国外，AI的关注度逐年增高，下面是近5年Baidu和Google中关键字“人工智能”或”AI”的趋势，

无论国内国外，最近5年人们对AI的热情上涨了数倍。XX AI公司拿到B轮X千万融资，AI工程师毕业生年薪XX万等博眼球的新闻屡见不鲜。

虽然AI目前大热，但是笔者隐隐的担忧存在泡沫。最近处于招聘季，发现今年与往年最大的不同在于AI相关职位的申请供大于求。以前校招，最热门的职位是后台服务开发，面试官挑花眼，AI相关的申请非常少，有时甚至招不满。简直是旱的旱死，涝的涝死。但是今年完全相反，成百上千的学生申请AI相关职位，一些地球物理，测绘，光电通讯，工业工程，甚至是生物工程教育背景的学生都申报AI相关的职位。简历泛滥成灾，质量参差不齐，给筛选简历工作带来许多困难。趋利避害是人的天性，近几年媒体过度鼓吹AI的作用和“钱途”，秋招出现此现象也不足为奇。

无论外界如何鼓吹，每个人应该有自己的判断，尤其是目前正在求职的莘莘学子。职业生涯很漫长，正常情况是40年。每位同学应该长远打算，根据自己的兴趣和优势有的放矢，而不要因为一时热度影响自己的判断，盲目跟风。 AI是一个很宽泛的概念，最早可以追述到1955年，定义是“制造智能机器的科学与工程”。最近几年，媒体将推荐系统，广告点击预估，图像识别，语音识别，问答机器人等等都归纳到AI范畴。前面提到的应用场景，虽然目前的AI技术取得了一些不错的效果，但是离真正科幻电影中的人工智能机器人还有很长的一段路要走。

无论求职者多少，挑选的标准是客观存在，且不会改变。最近，笔者一直在思考工业界真正需要什么样的AI人才？求职者应该具备怎样的能力，才能够胜任相关工作？最后总结出，求职者应该大致具备下面几大能力，

  • 沟通与协作 工业界的问题，往往不能单打独斗完成，需要联合多方团队协同完成，孤胆英雄在这里并不受欢迎。所以，应该具备沟通和协作能力，才能够胜任工作，以及获得更好的发展。

  • 业务敏感 需要对应用场景和指标数据有非常深刻的洞察，才能有效找到问题，或者发现新的增长点。

  • 产品抽象 工业应用中，需要尽量避免重复工作，提高工作效率，所以需要具备将重复工作抽象成产品的能力，用于构建平台，提高生产率。

  • 工程-系统开发 构建应用平台，需要具备系统开发能力，包括前端，后台，或智能终端。

  • 工程-算法应用 能够创造价值的算法才有意义。应该具备端到端将算法从需求到线上部署的能力；并且不断总结问题，迭代优化算法效果。

  • 数学与算法 需要具备扎实的数学和算法功底，才能够正确的应用现有技术，并且快熟掌握新的技术。

针对上面的技能项，笔者总结了部分工业界需要的AI职位，

  • 项目经理 负责处理和梳理问题，协同多方单位合作解决问题。需要对AI的工作流程，以及算法可以解决的问题有大致的认识。有计算机等相关专业背景的同学往往很受欢迎。
  • 产品经理 负责抽象和提取AI产品特性，并且推动产品构建和部署。往往有开发经验的求职者比较受欢迎，因为相比于没有开发经验的求职者，他们更加理解“有所为有所不为”的含义。
  • 数据分析师 负责从海量数据中，提取有意义的信息，给出有价值的结论。需要具备一定的开发能力，但是更重要的是需要具备业务洞察力。
  • 应用工程师 负责将业界成熟算法，根据业务场景定制。对算法，工程，业务敏感，以及沟通能力都有较高要求。
  • 平台工程师 负责将产品经理提出的想法付诸实施，需要具备扎实的系统开发能力，并且对AI相关技术有大致了解。
  • 算法研究员 负责观察AI业界最新动向，对团队内部提供咨询服务，需要具备扎实的数学和算法功底。并且，能够开发和沉淀业界成熟算法，以算法包的形式提供给团队。此职位可以更加细分，关键在于大团队需要什么领域的能力，比如CV，NLP，知识图谱等。

根据上面的能力和职位，结出职位能力模型，每个职位对应的能力要求从1到5，

按照系统架构的方式，各个职位结构如下，

所以，其实工业界需要的AI职位分布比较广，广大求职者可以根据自己的特长和兴趣，选择可以长久发展的职位。不能简单的认为，自己跑过最新的深度学习模型，动手刷过一些机器学习竞赛，参与发表过几篇学术论文，就可以理所应当的获得AI职位的Offer。

最后，希望广大求职者理性对待AI职位，找到适合自己的职位才是正道，不要盲目跟风。并且可以长远的在AI工业界做下去，成为独当一面的人物，为整个AI工业界贡献自己的一份力量。腾讯游戏数据挖掘团队目前正在寻找优秀的AI相关的毕业生，有兴趣的同学可以将简历发到bourneli at tencent dot com。