“人工智慧”這個詞在近年來大熱了起來，其實早在上世紀五十年代，“人工智慧”概念就已經被提出，只是在之後的許多年發展過程中，並沒有出現舉世矚目的成就。

人類的許多發明創造都來自於對自身或者是對自然界其他動植物的模仿，比如說我們渴望像鳥一樣飛上天空，於是有了飛機，渴望走得更快，於是有了汽車、火車、高鐵等交通工具，不想再動手洗衣服，於是有了模仿人洗衣服的洗衣機，等等這些，大多源自對人的模仿，但是對人大腦的模仿、思考的模仿，卻是直到計算機的誕生於發展，才慢慢出現並日臻完善的，這也就是人工智慧的發展過程。

阿爾法狗戰勝人類圍棋高手，微軟小冰能說會場，亞馬遜智慧音箱能聽懂人類的語音指令，智慧機器人能端茶送水、端盤子上菜，還能守家護院、算賬寫文，甚至還可以教書育人、寫詩作詞，幾乎人類可以從事的職業，人工智慧都可以“染指”，人類甚至還期望人工智慧有一天能夠發展出像人類一樣的感情。

所有這些，都向我們昭示著，人工智慧未來應用與發展前景一片向好，因此，對於學習人工智慧專業的同學們來說，你未來可以從事的關於人工智慧的研究與操控等的工作，不僅會越來越多、越來越龐雜，還會是一個擁有高薪與較高社會地位的高大上的職業。

人工智慧有很多基礎崗位，就像修房子，有木工、泥工、混泥土工、鋼筋工一樣，人工智慧同樣有很多的崗位，資料採集、資料標註、資料分析、資料錄入、資料清洗、軟體程式設計、運維等眾多的細分化的崗位。其實簡單一點來說，人工智慧和修房子沒有什麼區別，需要很多的崗位共同來完成的。

作為一名科技工作者，同時也是一名計算機專業的教育工作者，我來回答一下這個問題。

首先，人工智慧領域目前已經逐漸形成了一個龐大的產業體系，整個產業體系結構中也涉及到大量的工作崗位。從人工智慧領域的研發方向來看，目前計算機視覺、自然語言處理、機器學習（深度學習）、機器人學這幾個領域的熱度相對比較高，相關的從業人員也比較多。

機器學習是人工智慧技術體系的一個重要基礎，大量人工智慧領域的技術研發都離不開機器學習的相關知識，所以機器學習領域的崗位頗具代表性。機器學習的具體步驟涉及到資料採集、演算法設計、演算法實現、演算法訓練、演算法驗證和演算法應用，其中就涉及到資料工程師崗位（資料採集、資料整理）、演算法工程師崗位（演算法設計、演算法實現）和軟體工程師崗位（應用），這些崗位的細分方向也比較多，比如演算法設計和演算法實現通常就是兩個不同的崗位。

隨著產業網際網路的快速發展，大型科技公司紛紛推出了自己的人工智慧平臺，所以近幾年有很多計算機專業的研究生都選擇了人工智慧平臺的相關研發崗位。由於不同公司往往有不同的側重點（計算機視覺、自然語言處理等），所以也會有不同的崗位側重，前幾年演算法崗位的人才需求量比較大，而目前開發崗位的人才需求量更大一些，這一點在2019年的秋招上有比較明顯的體現，不少畢業生也都從演算法崗位轉向了開發崗位。

隨著產業結構升級的持續推進，以及5G通訊的落地應用，未來人工智慧領域的發展前景還是非常廣闊的，也會持續釋放出大量的人才需求。

這個崗位不同行業，不同公司都有不同的需求，因為沒有規則，所以定義不相同。

但有一點相同，就是現階段，這個崗位都是需要為之前的產品或模式附加新的能量。比如L工業人工智慧，就是需要讓傳統自動化，增加演算法，讓機器更加智慧。

所以，人工智慧崗位，太模糊，可能是需要演算法工程師，也可能是需要方案設計人員

還有可能需要資料分析師。模型訓練等等。

人工智慧目前在近100年內不會出來，目前市面上所有人工智慧都是半人工，比如自動駕駛，以前火熱的下棋機器人AlphaGo。另外也不建議人工智慧出來，這玩意就像潘多拉魔盒，人類極有可能因此滅絕，或者銳減。人工智慧前期會替人類完成他們的工作，上班，做飯，等等