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 :)

現在國內人工智慧的人才缺口還是很大的，缺口大，薪水自然也不會低，現在BAT這些大廠都在玩人工智慧，可見前景肯定是很光明

這個差距是肯定有的。這就跟你選擇購買東西一樣的，買同一個東西，牌子貨肯定要貴些，雜牌貨肯定便宜些。做人工智慧領域的也很多，當然做的最好的可能就是百度，下來的阿阿里和騰訊，如果你進入這些單位的人工智慧領域，那肯定沒的說。有經驗的年入幾十萬是可以的！而且人工智慧領域專業性越強，工資可能要高些！不要進那種只把人工領域作為其中一個小產業發展的小公司。

補充一下2019年校招大廠情況

國內現在人工智慧方向工資的確是高，有點像賺快錢性質，國內除了BAT巨無霸，其他大部分的公司，特別是中小規模的人工智慧公司，大家技術都差不多，那靠什麼能脫穎而出呢？就是“速度”，誰先做出來產品誰佔領市場。所以AI高階人才，比如中科院清華這種，你學這個的就可以來，來了就是高薪。 雖不可能一直這樣，但現在真的是缺人。

所以人工智慧這一塊還會持續火一段時間。但我們也談到了一個問題，就是基本只要本科名校及以上（我說的名校不止限於清北中科院，211學校及以上的大學都有自己強勢的專業，也是很有機會的），但普通學校的計算機，很難進來。

其實我們學計算機方向的畢業生從總體上看是供大於求的，但符合公司預期的，是供小於求的，所以招不到靠譜的人是HR們常用的口頭禪，但其實這是一種正常現象，求職就像相親，雙向選擇就會出現這樣的問題，你看上的對方看不上你，能看上你的你又看不上人家。

現在人工智慧方向的本科生及研究生平均工資，是高於決大部分行業的，這是事實，前面我也說過，是因為投入高，現在是不計成本搶市場的階段，但人工智慧公司也是良莠不齊，在蓬勃發展的背後湊熱鬧的也不少，過兩年透過市場選擇會倒下一批融不到資的企業。所以進大企業是較為穩妥的選擇，進小企業，風險大，說俗點看運氣，如果能跟著企業做起來，沒準作為元老還會有額外收入，如股份等，但如果公司倒閉了，可能會浪費您的寶貴時間。

崗位薪酬狀況更多的是偏向於薪酬的外部公平，也就是這個行業的薪酬情況。而人工智慧的薪酬差別也較大，比如BAT公司，薪酬水平和福利待遇一定高，處於上層。中小型企業中的薪酬情況可能就要差一點，尤其是公司規模偏小，薪酬更不會樂觀。主要還看公司在行業中的水平。

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。所以想要提高自己的待遇，理想情況下就是名校名導讀博，發幾篇頂會，然後自然會被���請到AI research組工作了。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

下午好呀，我是茂名華圖，這個問題圖圖來回答一下。

雖然目前一小部分高校在本科階段開設了人工智慧專業，但是人工智慧領域的人才培養依然以研究生階段為主，從近些年人工智慧相關方向研究生的就業情況來看，整體的就業情況還是不錯的，包括計算機視覺、自然語言處理、深度學習、機器人等方向都有不錯的就業表現，不少畢業生的崗位薪資待遇也非常可觀。

從人工智慧的整體發展趨勢來看，當前人工智慧領域依然處在行業發展的初期，所以在人才需求上依然以具備創新能力的研發型人才為主，所以透過讀研來進入人工智慧領域是比較不錯的選擇，也是比較現實的選擇。人工智慧領域的研究方向還是比較多的，不同高校會根據自身的資源整合情況，來設定不同的學習方向。隨著目前不少大型科技公司陸續開始佈局人工智慧領域，未來人工智慧領域的崗位需求量將會不斷得到釋放。所以，當前選擇學習人工智慧方向，也是順應時代發展的選擇。

對於基礎比較薄弱的初學者來說，如果想進入人工智慧領域，應該規劃一個系統的學習計劃，比較現實的學習路線是從程式語言開始學起，然後透過程式語言進入到大資料領域，然後再進入人工智慧領域，這也是目前不少人工智慧領域從業者的發展路線。

最後，由於目前人工智慧產品尚沒有完成大面積落地應用，所以整體的崗位需求量並不大，要想增強自身的崗位競爭力，應該豐富自身的知識結構，以便於能夠適應更多的崗位需求，比如從軟體開發崗位開始做起，然後再逐漸轉向人工智慧領域也是比較不錯的選擇。

自然語言處理的平均薪資為 25553 元，機器學習崗位的平均薪資為 27652 元，語音識別崗位的平均薪資為 24037 元，深度學習崗位的平均薪資為 27516 元，語音/影片/圖形開發崗位的平均薪資為 22979 元。

當然，每個地方的標準都不一樣。現在人工智慧領域就像一個大蛋糕，人人都想去分，現在已經不同以前，自學一點python都能找到不錯的工作。現在網際網路更新換代很快，如果不深入去學習，肯定會被後起之秀淘汰。

人工智慧是一個新的風口，但能不能在風口上飛起來，得看自己到底有沒有實力了。