你會明確指出人的軀體運動☯是大腦哪個具體區點控制應用結果☯AI IM將徹底全面乾淨的觸及☯人類社會的全部空間☯只要人能想到的☯萬物互聯萬物一體

前途光明、道路曲折，有無限的機會，有無數的坑。

分類沒有標準：大致是語音類、影象類、工程類和智力模擬類

或是分為：工具類、營銷類、技術類、解決方案類。

或是按現有的行業分為：物流類、汽車類、機械類等等。

AI行業看似熱火朝天，實際上是大部分公司之間的模仿和重複，噱頭多，落地少。真正的技術突破很少很慢，只有幾家AI巨頭在做創新，湊熱鬧的居多。而且現在AI行業的熱錢有了流出大於流入的趨勢，AI行業不會一直這麼火熱，也會進入正常的行業週期。這是現在的AI行業背景。

下面談談人工智慧行業的待遇和工作分類。

要談人工智慧的待遇，得先清楚人工智慧崗位都有啥，基於我的理解，我個人覺得分為以下幾個：

AI research組

AI 應用組 （研究，系統）

業務組 （演算法工程師）

AI research組由科學家和工程師組成，科學家包含NB的博士+教授，而工程師協助前面的大牛加速研究程序。舉個例子，大牛A有了幾個NB的idea，於是面了1、2個NB的碩士工程師幹活，最後發頂會paper。我簡單看了一下這些碩士工程師的背景，屬於名校名專案裡最top的那些碩士，他們以碩士身份加入，但已經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，而真正短期要落地到產品的還是AI應用組。裡面根據方向分自然語言處理，計算機視覺，大規劃機器學習平臺之類的，裡面集結了各種有專才的牛博牛碩做深度學習模型演算法+系統平臺最佳化的工作，他們要麼在某個特定領域有所積累，要麼熟悉c++，分散式高效能計算。前者主要還是博士和教授，後者碩士就多了。

以上2個組在公司里人都不多，但是這年頭學AI的人多了，高手雲集，博士間競爭已經特別激烈，碩士就更難了，於是大部分人其實是前往業務組做AI。

業務組裡通常只是使用AI應用組已有的模型和框架，加上自己對業務的理解，提出一定的最佳化和個性化訓練，大的公司有的組還是需要自己造輪子，比如廣告演算法組，博士佔比超過一半，各種個性化演算法模型。但大部分組的演算法工程師，大機率只是做特徵工程+微調模型+業務邏輯就足夠了，一般不至於去到改深度學習模型的那一步。

最後回到題目，AI崗待遇。 AI research組大牛 > AI 應用組大牛 ~ 牛逼業務組大牛 > 知道怎麼改模型的小牛 > AI調包俠 > 普通產品組工程師。

對於名校NB的碩士生，為了具備和博士競爭的資格，建議在一個細分領域(nlp, cv之類的)深入沉澱，出點paper，然後爭取去AI應用組或者NB的業務組裡去寫模型。

對於普通的AI背景一般的非博士生，如果想做系統還好，要是想做模型……努力提升自己爭一個好的業務組AI崗的機會吧。（什麼是好的？要麼發展快可以升值，要麼牛人多可以學習）

對於非名校+非大牛+轉專業，建議甚至思考自己是不是要做機器學習。這是一個有門檻的，競爭非常激烈的領域，現在AI待遇高，但那是有泡沫的。一旦各種成熟的機器學習平臺搭建好了，就不再需要太多調包俠調參俠，業務組不需要那麼多AI工程師（我發現很多業務組裡就1個做AI演算法的……）

所以，不是一定要在AI上面擠，去學分散式系統，雲計算，移動端開發其實也挺好的。就算一定要搞AI，作為程式設計師的基本功還是得學好，在成為所謂的AI工程師之前，首先先成為一名優秀的軟體工程師，寫出高質量的程式碼吧 :)

最後附上AI行業的相關調查統計圖，以供參考

在校本科、碩博想入門AI或其他行業想轉行AI的童鞋，對於人工智慧的現狀很不瞭解且不知如何入門。其實目前AI在學術界是沒有權威的定位標準的，但工業界可以大致分為以下四大分類：硬體（專業是微電子、積體電路會學習演算法知識）、底層（關注計算機原理）、軟體工程（關注演算法執行效率，應用性是否耦合、合理）、業務應用（解決業務問題）（此處不明白的可以去看看菜鳥窩官網的人工智慧特訓營公開課）

目前華人工智慧行業缺口達到40萬，缺的就是業務應用領域的演算法工程師。它要求這類工程師既要精通演算法原理、懂得應用場景剖析，又要懂得模型上線部署，幫助企業解決實際業務問題，從而創造效益！故此企業真正需要的人是業務應用型的演算法工程師，如果你想真正入門AI，系統搭建機器學習技能，建議你去報下菜鳥窩的機器學習工程師就業班，他們不會一條一條教你怎麼去擼碼，而是全部會集中於業務應用。先從數學和python基礎開始，具體地講每一種業務場景中的常見問題，實際工作是用什麼方式去解決問題，上完整個菜鳥窩的機器學習vip課程，你就相當於獲得了一個公司中解決實際工作問題的思路和能力。