「AI人才市场尴尬现状调查」专访猎头，揭秘AI百万年薪真实清单
新智元报道 微信公众号：新智元（AI_era）
【新智元导读】人工智能行业的百万年薪话题从来都是自带流量的头条热点，相关报道给求职者留下了诸如此类的刻板印象：行业薪酬水平极高，竞争激烈工作难找。时至年底，各大互联网企业、创业公司的员工薪资相继出炉，更是片面将这一认知强化。AI大浪潮席卷而来，就业市场的薪资情况到底如何？新智元分别采访资深猎头、名校毕业生、研究院院长，并整理了Google实习生的能力清单，多维度剖析行业薪资背后的人才核心竞争力。
作为连接人才和企业的桥梁，猎头公司的从业人员是最了解行业动态的敏锐猎手。
人工智能领域薪资高涨背后的深层逻辑是什么？目前最抢手的人才有哪些共性？首席大牛科学家真的是千金难求吗？中端技术人才职业晋升路径如何？如何辨别一个好的offer，人才市场的泡沫究竟有多大？我们将在下文一一揭晓答案。
从业七年的猎头：
30岁、3-8年经验的核心技术工程师销量最佳
Tiger 是上海一家猎头公司的CEO，2010年至今，他和公司曾经历了互联网各大时期生态的起伏发展，累计为百万互联网求职候选人提供过咨询服务，并对接超过10万家IT企业，以下为访谈摘要。（T为Tiger简称）
1、当下人工智能人才市场，哪一类候选人最受欢迎？
T: 30岁以下，在某个细分领域有3至8年工作经验，大中型公司的核心部门，工程师级别，毕业学校是不错的一本，即使不是清北复交。
只要简历出现以下关键词：机器学习，图像识别，语音识别，自然语言算法，数据分析，计算机视觉，并参与过项目实践，被约面试的几率极大。
2、跳槽后薪资会涨多少？
T: 如符合上述条件，十个岗位抢一个优质候选人这种现象不足为奇。我们接触过的候选人最高Offer年薪接近200万，这是极端少数个例，是算法稀缺人才，绝大部分跳槽后薪资平均分布在30-80万之间，谈的好能力非常出众的能过百万。
3、AI薪资被大家热议背后的深层原因是什么？
T: 行业的大热是一切高薪的前提，而在行业风口上公司发展最大的筹码无疑是人才，商业战场对核心人才的抢夺异常凶猛，巨头把薪资线拉高以增加获胜筹码这是其一。
融到钱的小公司为了发展业务或者为了下一轮融资顺利，更是需要业务骨干支撑估值，人才的价格自然被炒作高到令人不解。
4、首席科学家真的是千金难求吗？
T: 哈哈，有钱是聘得到的，只是看企业觉得有没有必要花这个钱。到那个层面，除了薪资，更多的是双方的契合度，企业发展的战略和技术大牛的个人追求是否一致。
5、中端技术人才职业晋升路径是什么？
T: 在创业公司，毕业2年能做到经理、总监级别，晋升速度相对快一点，但公司发展风险很大，A轮融资时会淘汰一大批初创公司，B、C轮更加惨烈。
中大型公司，毕业5年内，不出意外应该要升到组长、经理级别，具备管理能力，幸运儿3年也是可以达到的。毕业8年可能目标岗位更高一级，总监角色，管理人数也相应更多。这是要看不同公司的具体情况。
有一点可以肯定，30岁之后人的体力心力是走下坡路的，如果职级没有太多提升还未开始当领头羊，之后在事业上难有发展。
6、谈谈近两年人才市场升温、降温的岗位变化趋势？
T: 互联网某些岗位慢慢降温：安卓、ios工程师，企业不招了，人才比岗位多。升温最快的是算法、机器学习，所以候选人需要有意识的观察市场变化，多参与项目，增强热点技术能力。
7、AI人才市场泡沫大吗，候选人如何识别公司好坏？
T: 其实互联网泡沫最大的时期是14至15年，5000家团购公司，之后无数的O2O企业，想想就可怕，这些公司几乎没有门槛，公司倒闭什么都没有。
而人工智能对岗位的需求并没有那么夸张，毕竟它是有技术壁垒的，市场上确实存在泡沫，当一些公司开出高于行业平均水平数倍的薪资，候选人一定要再三调研公司质地。
创业公司岗位五花八门，人才远远没有满足企业全部需求，找工作简单，找好的稳定的有发展前途的工作不容易，企业找人比找工作难。
AI人才市场尴尬现状：
应聘人数大增，但企业招人更难
根据互联网招聘平台拉勾网报告： 2015 年到 2016 年，人工智能招聘岗位的数量翻了一番，投递量增加了近两倍，平均薪酬也有温和增长。
2016 年到 2017 年，职位数增长了 27 %，投递量则翻了一倍不止，平均薪酬基本保持不变。
下图可见投递量比值增速迅猛，大量人才青睐人工智能领域。
尴尬的是，虽说投递量出现大幅增长，但从 2016 年到 2017 年，人工智能岗位与求职者数量比值实际上是下降的，从 2.6 个求职者到 1.3 个求职者对应一个职位，岗位数量种类增加是其中的原因。
也就是说：企业招人难，人工智能的人才市场现状是人才的供给满足不了用人企业的需求。
应届毕业生的offer薪资真如表中所列吗？学生在校所学的知识能否满足企业的需求，应该努力增强自己哪些核心竞争力？为了得到这些问题的答案，新智元专访了一位名校毕业生A（被访者要求隐去真实姓名）。
名校毕业生自述：30万年薪是当下市场价，有顶会的候选人更贵
1、你收到的offer都超过30万年薪了吗？
A: 我16年校招收到的offer年薪绝大多数都比图表中对应的职位年薪略低3-5万，有的甚至少了10万。
这并不是说图表中数据不可靠，这算是行业大热水涨船高，给18年入职的应届生开30万＋的薪资算是平均水平了，很多公司都给得而且必须出次价才能吸引人，背后的深层原因是各大公司招聘策略不一样。
比如，融资迅速的创业公司在抢夺人才时，一定会比体量大的巨头开价略高。而互联网某些公司由于拍板薪资的决策流程慢，也觉得自己平台大资源广，他们给出行业平均水平薪资很合理。
最终的offer薪资和同学自身实力有关，也看终面和老板谈的缘分。
2、你是如何拿到offer的？
A: 我就是通过网络投递简历，没有任何背景，16年的12月顺利进入现在入职的公司实习了，算是经典靠谱的求职路经：实习留任。
我一共面了两轮，部门领导和大Boss，最终拿到offer。学长内部推荐、参加校园宣讲都是高效可行的办法。
3、应该努力加强哪些技能让自己在求职时更具竞争力？
A: 企业最看重的是实践能力，具体体现在作为一作发表的论文，比如CCF（中国计算机学会）A类期刊会议，参加ACM竞赛是否取得奖牌。
除了书本知识之外要涉猎业界的前沿技术，自学能力，会编程、数学好都是必备的。有没有相关实践经历，要很硬的真本事。
4、其它同学都了哪儿工作？
A: 大概七成同学还是选了企业，喜欢冒险有闯劲的会挑创业公司，想要稳定和户口同学，国企、运营商、银行都很有吸引力，只不过薪资水平降了不少，之后跳槽市场化程度高的地方也难有竞争力。
5、从实习中收获最大的是什么？
A: 举例来说，深度学习入门容易，细节的深挖还是要在企业中锻炼，小组内有经验的前辈的指导是必不可少，这些都是书本不能给的。
企业的硬件资源，例如好品牌的显卡，其数量和质量相较于学校实验室，简直是豪华，这对提升训练模型速度，验证自己的研究假设太有帮助了。
6、现在任职公司的人才结构？
A: 我们组成员从本科到博士都有，不久前看你们的报道，行业内甚至还有人大附中的高中生来创业公司实习。博士差不多是当leader带其他实习生，本科生多为最顶尖高校里实验班的绝对精英。
7、如何看待AI行业的高薪？
A: 我还是比较理性的，高薪的前提是自身能力的不断加强，盲目追求高薪往往短视，关键要看入职的公司能不能带给我想要的学习机会和项目实践锻炼，刚毕业的学生议价能力不高的。
A同学的经历也许是个例，但绝对具有代表性，一线求职者的真诚经验之谈或许能从人才供给端的一个方面呈现AI薪酬的真实面貌。
World Class人才能力清单：
谷歌 AI 中国中心全职＋实习申请要求
12月13日，Google Cloud 人工智能和机器学习团队的首席科学家李飞飞宣布，谷歌 AI 中国中心在北京成立。
该中心由李飞飞和 Google Cloud 研发负责人李佳博士共同领导。与此同时，谷歌AI中心面向全国各大院校招收全职及实习岗位。
关于面试，最大的噱头莫过于候选人需要办理签证，飞去美国进行面试。但我们不妨来看看这些人工智能世界级就业职位的申请要求。
国内AI人才市场应理性降温，为从业者专注科研提供健康的招聘环境，真正聚焦技术，推动整个行业可持续发展。
Student Research Collaboration - Beijing
(AI Research Intern - Beijing)
目前正在攻读计算机科学或相关技术学科的本科、硕士、博士学生。
具备自然语言理解、神经网络、计算机视觉、机器学习、深度学习、优化的算法基础、数据科学、数据挖掘和/或机器智能（人工智能）方面的课堂或工作经验。
熟练使用 Python。
在ICML、NIPS、ICLR、AAAI、IJCAI、CVPR、ACL或NAACL 等研讨会上至少发表一篇论文（列为作者）。
有Tensorflow/ Torch/ Pytorch/ Caffe/ MXNet 等深度学习框架的经验。
Research Scientist, Machine Learning -
Beijing
计算机科学或相关机器学习专业博士学位（或具备同等水平的实践经验）。
拥有在人工智能/机器学习方面发表论文的经验，在CVPR、ICCV、ECCV、NIPS、ICML、ICLR等研讨会上发表过论文。
拥有以下任何方面的经验：计算机视觉、视频处理与解析、图片处理、语音识别、自然语言理解、机器学习、深度学习、优化的算法基础、人机交互、数据挖掘、人工智能与医疗保健、计算基因组学、其他机器智能/人工智能相关领域。
拥有使用以下一种或多种语言编程的经验: C、C++、Python。
加分项：
已达到高校助理教授级别 (或具备同等资格)。
拥有解决机器学习方面的现实问题的经验。
拥有分析复杂的动态模式的经验。
熟悉 Google 内部的机器学习平台、解决方案和基础设施。
Software Engineer, Machine Learning -
Beijing
计算机科学或相关技术专业文学/理学学士学位（或具备同等水平的实践经验）。
在机器学习或人工智能领域拥有 2 年工作经验。
熟练使用一种或多种通用编程语言，包括但不限于: Java、C/C++ 或 Python。
在以下一个或多个领域拥有相关经验：自然语言处理、文本理解、分类、模式识别、推荐系统、定位系统、排名系统或类似领域。
加分项：
计算机科学、人工智能、机器学习或相关技术专业的硕士或博士学位。
拥有大规模机器学习方面的经验。接触过深度学习、神经网络或相关领域，并且对这些领域具有浓厚的兴趣，渴望从事相关工作。
拥有图形处理器 (GPU) 编程经验。
拥有分析复杂的动态模式的经验。了解算法的复杂性及优化算法的方法。
非常熟悉机器学习平台、解决方案和基础设施。
具备出色的沟通能力，能够与外部客户协同工作。
颜水成：人才的考核最终还是结果导向
笔者与新加坡国立大学副教授、360人工智能研究院颜水成院长闲聊此话题：当下正是毕业生的求职季，各大研究院愿意招聘什么样的毕业生？名校和学历真的那么重要吗？
颜院长笑答：其实都欢迎，会用在不同岗位上，发挥每个人最大的价值。
笔者追加了一个彩蛋问题：老板考核新老员工最看重对方什么品质？
颜院长的回复，言简意赅：考核还是结果导向。
