如何看待 2022 年秋招算法崗人間地獄？

來源：知乎

文章轉(zhuǎn)載自知乎，著作權(quán)歸屬原作者，侵刪

Dr.Wu（NLP搬磚師，就職于微軟亞研）回答：

結(jié)合最近幾天的熱點(diǎn)，所謂的“AILab”名存實(shí)亡，和在工業(yè)界Research Lab 實(shí)習(xí)+工作8年的經(jīng)歷，我好想好好答這個(gè)題。

一切的最開始，請(qǐng)明白你自己想成為研究員還是算法工程師，對(duì)于junior的同學(xué)們兩個(gè)角色并不互通，對(duì)senior是互通的，可能因?yàn)橹饕抗芾砑寄馨?= =

研究員：追求關(guān)鍵問題突破，希望研究出Resnet、BERT。影響力大于一切。優(yōu)點(diǎn)：壓力小一些，聽起來酷一些，有退路去高校。缺點(diǎn)：門檻太高，對(duì)公司沒啥用，可能會(huì)被砍。

算法工程師：追求應(yīng)用已有算法在業(yè)務(wù)。業(yè)務(wù)價(jià)值大于一切。優(yōu)點(diǎn)：崗位門檻低，如果核心業(yè)務(wù)做的好，上升通道快，帶團(tuán)隊(duì)機(jī)會(huì)大。缺點(diǎn)：辛苦，容易擁抱業(yè)務(wù)變化，業(yè)務(wù)的運(yùn)氣因素很影響個(gè)人發(fā)展。

如果選定了，請(qǐng)堅(jiān)定不移的為之努力，并且盡量避免去業(yè)務(wù)部門發(fā)paper，或者在研究部門做雜活這種角色，那樣很擰巴也不持久。也避免來回橫跳，職業(yè)生涯是一場(chǎng)投資，一步步積攢。如果是研究員要追求業(yè)界的同行之間的影響力，算法工程師請(qǐng)選對(duì)業(yè)務(wù)，選對(duì)業(yè)務(wù)成功了一半多。

我其實(shí)對(duì)中國(guó)未來ailab們的發(fā)展是有信心的

1、因?yàn)閲?guó)際關(guān)系問題，對(duì)技術(shù)的投資是政治正確的。

2、其實(shí)也花不了多少錢養(yǎng)一個(gè)research team，相比大公司的營(yíng)收

3、Research team對(duì)公司的廣告效應(yīng)，和吸引人才還是有幫助

4、技術(shù)是顆科技樹，很多時(shí)候摘果子的時(shí)候，是因?yàn)闃涓梢呀?jīng)足夠粗壯了。

所以，新畢業(yè)的同學(xué)們完全不要聽風(fēng)就是雨，覺得各個(gè)公司ailab都黃了。想成為researcher的同學(xué)們，完全可以去ailab認(rèn)真做研究（別灌水）。

千萬不要被最近幾天AILab都名存實(shí)亡的錯(cuò)誤輿論影響。雖然有些公司的lab據(jù)我所知是發(fā)展的不好，但業(yè)界還是有很不錯(cuò)的ailab。

最后給大家個(gè)工作2年多的感想吧，對(duì)于走研究員track的，想掙錢去阿里、字節(jié)，很有競(jìng)爭(zhēng)力；想踏踏實(shí)實(shí)做做研究，去騰訊和微軟。Follow your heart，不要被輿論影響，公司Ailab的興衰更多的和公司本身的發(fā)展相關(guān)，如果公司一直盈利，業(yè)務(wù)沒問題，ailab不會(huì)掛的。

最后，我不太喜歡ailab這個(gè)名字，research lab可能更正確。

謝流遠(yuǎn)（深度學(xué)習(xí)優(yōu)秀答主）回答：

好像沒人提一個(gè)事：算法部門的人地矛盾越來越激烈了。

ai發(fā)展依賴算力增長(zhǎng)，但是近年來單卡算力增長(zhǎng)放慢，大家開始擴(kuò)大分布式，結(jié)果是調(diào)研需要的資源越來越多。同時(shí)算法工程師也越招越多，每個(gè)人能分到的實(shí)驗(yàn)次數(shù)越來越少，有的地方一個(gè)人平均一個(gè)月開不了一次實(shí)驗(yàn)，人地矛盾突出，能有多少產(chǎn)出取決于能搶到多少資源。

求職卷，進(jìn)來了做實(shí)驗(yàn)也卷，卷翻天。

鄭華濱（商湯CV研究員）回答：

看到解大

@謝流遠(yuǎn)

的回答提到了算法部門的“人地矛盾”，我也來貢獻(xiàn)一個(gè)觀察到的矛盾點(diǎn)：匯報(bào)宣傳時(shí)高大上的算法模型，與實(shí)際干活時(shí)主導(dǎo)成敗的臟活累活之間的矛盾。理解了這個(gè)矛盾，一定程度上就可以解釋，為什么一方面很多學(xué)生覺得算法崗很難找，另一方面企業(yè)又總是吐槽算法崗很難招了。

有很大一部分算法從業(yè)人員，在尚未深入一線業(yè)務(wù)落地的時(shí)候，接觸到的最多的信息就是各種高大上的算法模型。大家喜歡興致勃勃地談?wù)撟罱殖隽艘粋€(gè)什么魔改變形金剛，又出了什么即插即用的漲點(diǎn)神器，ImageNet又被刷爆了，XXX又被屠榜了，PapersWithCode某個(gè)Leaderboard右上角又冒出一個(gè)新的SOTA散點(diǎn)了，超大模型的參數(shù)量破萬億了……他們對(duì)于AI技術(shù)的理解主要來自于一篇篇頂會(huì)論文上的漂亮故事，或者是各大公眾號(hào)上花團(tuán)錦簇的PR稿。其中功力較為深厚者，對(duì)各種網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練技巧如數(shù)家珍，能對(duì)某個(gè)領(lǐng)域近年來代表模型的演進(jìn)路線侃侃而談，各種設(shè)計(jì)的insight也能闡述一二。

我說的這部分從業(yè)人員，不僅僅包括實(shí)驗(yàn)室里的學(xué)生，還包括一部分已經(jīng)身在企業(yè)、但是偏中后臺(tái)技術(shù)支持的算法工程師。事實(shí)上，一兩年前的我也是這樣的認(rèn)知。

但是當(dāng)這部分從業(yè)人員深入一線業(yè)務(wù)之后，就會(huì)發(fā)現(xiàn)，算法模型在實(shí)際工作中可能只占20%，剩下80%的時(shí)間都在圍繞著數(shù)據(jù)做很多臟活累活。在一些成熟任務(wù)上如簡(jiǎn)單的圖像分類，算法模型占據(jù)的比例可能會(huì)更少。他們會(huì)發(fā)現(xiàn)自己熟知的那些”黑科技“其實(shí)作用有限，有時(shí)候費(fèi)了很大勁，把三年前的技術(shù)換成上個(gè)月的技術(shù)，性能也就提升了一小截，而且就到此為止了。當(dāng)然，有野心的算法工程師會(huì)想，我上我也行！我也要來魔改網(wǎng)絡(luò)結(jié)構(gòu)，拼湊訓(xùn)練技巧，在自家業(yè)務(wù)上提點(diǎn)！不過這種嘗試往往不是以失敗告終，就是只提升了可憐的零點(diǎn)幾個(gè)點(diǎn)，也許還不如毫無技術(shù)含量地調(diào)調(diào)幾個(gè)超參數(shù)。

與之相反，對(duì)數(shù)據(jù)的處理往往可以帶來大幅度的、持續(xù)的提升，可行的手段除了粗暴地標(biāo)注更多樣本，還包括重新審視原有的標(biāo)注規(guī)則是否合理，現(xiàn)有數(shù)據(jù)集標(biāo)注質(zhì)量如何，要不要定義一些細(xì)粒度的類別來輔助模型學(xué)會(huì)更微妙的語義，當(dāng)前的模型經(jīng)常在哪些場(chǎng)景下出問題，能不能從其他數(shù)據(jù)渠道補(bǔ)充這些場(chǎng)景的樣本……上面列舉的還只是一些粗糙的思路，很多一線干活的算法工程師肯定還能舉出更針對(duì)具體任務(wù)、具體場(chǎng)景的操作，比如做NLP的朋友就告訴我實(shí)際工作中”正則表達(dá)式y(tǒng)yds“，當(dāng)然這種經(jīng)驗(yàn)在CV任務(wù)上就沒什么大用了。

于是，實(shí)事求是的算法工程師開始深入一線之后，頂著業(yè)務(wù)指標(biāo)的壓力，很快就會(huì)用腳投票，不再花費(fèi)過多精力在算法模型上，而是老老實(shí)實(shí)把一些數(shù)據(jù)上的工作做好，因?yàn)樗麄冎?，算法模型不關(guān)鍵，follow最新的黑科技只是錦上添花，唯有數(shù)據(jù)才決定了業(yè)務(wù)落地的成敗。

但是問題就來了，算法工程師做完這些臟活累活，達(dá)成了業(yè)務(wù)指標(biāo)，等到向上匯報(bào)、對(duì)外宣傳的時(shí)候卻傻眼了。有些領(lǐng)導(dǎo)并不關(guān)心你做了多少實(shí)在的工作，只想聽到你用了什么最新技術(shù)；有些領(lǐng)導(dǎo)盡管明白業(yè)務(wù)落地的關(guān)鍵在哪里，精力應(yīng)該放在什么環(huán)節(jié)，知道但架不住總還有更上面的領(lǐng)導(dǎo)，要求在匯報(bào)中體現(xiàn)出「技術(shù)水平」；就算上層領(lǐng)導(dǎo)確實(shí)很懂行，但又架不住對(duì)外宣傳的時(shí)候，也沒辦法把那些實(shí)際的工作講出花來，必須包裝成花里胡哨的先進(jìn)技術(shù)，才能體現(xiàn)自家的技術(shù)壁壘，對(duì)群眾秀肌肉，對(duì)同行放煙霧彈。

這樣一層層壓力傳導(dǎo)下來，一線的算法工程師難免就會(huì)動(dòng)作走形，甚至?xí)纬伞鸽p重思想」：實(shí)際干活時(shí)用的都是簡(jiǎn)單粗暴有效的東西，匯報(bào)宣傳時(shí)又要強(qiáng)行包裝出一個(gè)又一個(gè)fancy的故事。

既然形勢(shì)如此，很多聰明人就會(huì)慢慢擁抱這種評(píng)價(jià)體系，不管實(shí)際干活的時(shí)候怎么玩，最后一定會(huì)想方設(shè)法講故事、發(fā)論文，企業(yè)會(huì)拿著這些「先進(jìn)技術(shù)」出去宣傳，各種AI自媒體也樂見其成。于是很多尚未深入一線的從業(yè)者每天看到的，就都是各種高大上的算法模型，為了跟上潮流，他們也卯足了力氣卷這些東西，湊成一份份光彩奪目的簡(jiǎn)歷送到面試官手上?？墒沁@個(gè)時(shí)候，一線出身的面試官可能又開始「雙重思想」了：業(yè)界平常大力鼓吹的是這些東西沒錯(cuò)，但你是要來實(shí)際干活的，我得考察你實(shí)際干活的能力如何，不然來了拖后腿，團(tuán)隊(duì)業(yè)績(jī)不達(dá)標(biāo)，我們也有壓力啊！

于是，招人時(shí)實(shí)際考察的，與平日里大力鼓吹的，就產(chǎn)生了脫節(jié)。

而且這種脫節(jié)有愈演愈烈之勢(shì)，因?yàn)樽非蟾叽笊系臉I(yè)界輿論影響匯報(bào)宣傳的導(dǎo)向，匯報(bào)宣傳的壓力又反過來誘導(dǎo)出更多高大上的算法模型，會(huì)形成一個(gè)正反饋的閉環(huán)；而另一方面，即使算法工程師從業(yè)務(wù)中打磨出了簡(jiǎn)單粗暴有效的方法，也缺乏匯報(bào)宣傳這兩條重要的內(nèi)外渠道獲得足夠的激勵(lì)，形不成正反饋，散落的單點(diǎn)進(jìn)步無法連成一片，就會(huì)被一直雪藏在算法工程師自己的腦中。

可以把上述邏輯總結(jié)為這么一張圖：

當(dāng)然，這些只是我的一家之言，有不同觀察或意見的話，歡迎在評(píng)論區(qū)留言。

匿名用戶回答：

很快大家就會(huì)用腳投票選不選算法。

如今互聯(lián)網(wǎng)顯然已經(jīng)進(jìn)入紅海期，人快手字節(jié)都不大小周了，你以為真是人大發(fā)善心嗎？是過了無腦增長(zhǎng)，處于內(nèi)部改進(jìn)增效的時(shí)候了。（怎么增效呢？精簡(jiǎn)機(jī)構(gòu)和人員，我相信你學(xué)過。）

算法現(xiàn)在無非就搜廣推還有些cv，分單什么的?，F(xiàn)在dnn發(fā)展到transformer階段，提升的點(diǎn)其實(shí)已經(jīng)越來越少。之前的算法，隨便搞個(gè)數(shù)據(jù)喂一喂就能有很大提升，現(xiàn)在呢？有些人可能會(huì)說，高深的算法工程師結(jié)合業(yè)務(wù)，嘻嘻，那跟你發(fā)了多少論文，擼模型多強(qiáng)有啥關(guān)系？結(jié)合業(yè)務(wù)的，開發(fā)工程師就不能做？

現(xiàn)在基本上已經(jīng)算法開發(fā)同酬了。你搞算法，要頂會(huì)，要比賽，要清北，要博士，何必陷入這種機(jī)致內(nèi)卷的環(huán)境中？算法就業(yè)地區(qū)也很受限制，你做算法，就意味著以后要在一線買房生活工作。無他，很多二線算法崗都沒有。開發(fā)哪里都需要，很多業(yè)務(wù)系統(tǒng)都要有人維護(hù)，實(shí)實(shí)在在的常青樹，以后還可以上岸考公對(duì)口。

現(xiàn)在ai四小龍都活的很艱難，對(duì)于我們普羅大眾來說，何必跟這些清北，博士卷來卷去，自討苦吃？你看著現(xiàn)在小盆友個(gè)個(gè)頂會(huì)難道心中不慌？

看看國(guó)外，做算法的屬于research scientist，基本就博士做。別的都是做sde的。

再看看今年zhihu熱榜，清北博士一年畢業(yè)人數(shù)，以及各大人工智能班畢業(yè)人數(shù)，我相信你知道怎么辦。

當(dāng)然，你要是什么icml nips pami隨便發(fā)，那你選啥都不要緊，因?yàn)槟闶菑?qiáng)者，沒有的話就另當(dāng)別論吧。

夕風(fēng)Twilighty(布朗大學(xué)，理學(xué)碩士）回答：

算法崗這個(gè)東西在國(guó)內(nèi)互聯(lián)網(wǎng)IT業(yè)界不是新事物了，像MSRA和百度這種老牌AI勁旅，從本世紀(jì)初就已開始深耕所謂的AI“算法”領(lǐng)域。但是就畢業(yè)生市場(chǎng)的“火熱”程度而言，2015-2018年算是第一次需求高峰期，這一是得益于DL在全球工業(yè)界實(shí)打?qū)嵉貏?chuàng)造了一波收益，各大名企紛紛“搶人”以建立技術(shù)后備軍；二是以AlphaGo, Transformer為代表的一眾學(xué)術(shù)突破刷爆了存在感，從2015年開始，用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)炒菜幾乎就是各大工科細(xì)分領(lǐng)域（不限于純粹的計(jì)算機(jī)界）的財(cái)富密碼；三是硬件算力提升以及隨之而來的Theano, Tensorflow等DL框架的出現(xiàn)大幅降低了入門學(xué)習(xí)乃至后續(xù)深入研究的時(shí)間成本；由此，算法崗以毋庸置疑的高門檻和高待遇，躋身校招技術(shù)崗的就業(yè)鄙視鏈頂端，并逐漸成為內(nèi)卷紅海，是自然而必然的事情。

據(jù)我觀察，自18年之后網(wǎng)上對(duì)算法崗“勸退”和祛魅的聲音就逐漸多起來了，這一方面是由于工業(yè)界的蘿卜坑不再大幅增長(zhǎng)，15-18年以AI四小龍（主要是搞CV的商湯曠視等）和阿里達(dá)摩院為代表的一眾“高純度”蘿卜坑提供商，在2021年的今天看來都有些后勁不足的味道[1]；另一方面，當(dāng)下學(xué)術(shù)界和工業(yè)界所看重的能力矩陣也出現(xiàn)了一些不同，一般地說，學(xué)術(shù)界更看重碩博同學(xué)將idea的故事講好、并將這個(gè)idea用嚴(yán)謹(jǐn)專業(yè)的實(shí)驗(yàn)結(jié)論支撐起來的能力，而工業(yè)界則愈發(fā)注重實(shí)際工程中落地、處理“臟”問題的能力。這種能力要求的不同，在前些年是可以忽略的，因?yàn)樵诋?dāng)時(shí)所謂“神經(jīng)網(wǎng)絡(luò)”對(duì)絕大多數(shù)在校生還是個(gè)新鮮玩意，一個(gè)候選人有基本的代碼能力、合格的ML\DL知識(shí)儲(chǔ)備就已經(jīng)很了不起了。而現(xiàn)在的同學(xué)要去競(jìng)爭(zhēng)算法崗，要么需要用足夠分量的paper來為自己的學(xué)術(shù)水準(zhǔn)背書，要么則需要拿出很有說服力的實(shí)習(xí)經(jīng)歷、工程項(xiàng)目經(jīng)歷，這些都不是在學(xué)校實(shí)驗(yàn)室里“按部就班”就能做到的。

但是有必要唱衰算法崗，有必要無腦勸退嗎？沒有必要。因?yàn)閸徫坏倪x擇說到底都是一個(gè)小馬過河的事情，科班出身、coding能力過硬、實(shí)驗(yàn)室經(jīng)歷豐富、同時(shí)也有大廠算法實(shí)習(xí)經(jīng)驗(yàn)的同學(xué)，面前仍然擺著大量的機(jī)會(huì)。但對(duì)于基礎(chǔ)知識(shí)不很牢固（比如臨時(shí)轉(zhuǎn)專業(yè)方向）、相關(guān)經(jīng)歷比較欠缺，但眼下又面臨就業(yè)窗口的一些同學(xué)而言，建議還是冷靜看待算法崗與非算法崗之間的差異。這既不是“勸退”也不是“打雞血”，只是說要實(shí)事求是，穩(wěn)扎穩(wěn)打。

其實(shí)仔細(xì)分析目前的行情，算法崗明顯存在著“理論”和“工程”的兩極化，“理論”性高（也就是上面所說“高純度”）的崗位，一是需求基本見頂，二是門檻水漲船高，曾經(jīng)碩士生卷一把就能來的崗位，現(xiàn)在可能都是在那些手握一眾頂會(huì)的博士中篩選了。而至于更偏向“工程”的崗位，CV和NLP崗經(jīng)歷了15-18年那個(gè)時(shí)期的野蠻生長(zhǎng)之后，目前可以說處在一個(gè)整合和沉淀的階段，未來一段時(shí)間內(nèi)的崗位增長(zhǎng)和內(nèi)卷下降，恐怕會(huì)是很有限的。而更靠近一線業(yè)務(wù)的搜廣推（搜索、廣告、推薦）作為互聯(lián)網(wǎng)的cash cow，還是提供了不少的就業(yè)機(jī)會(huì)，對(duì)于那些實(shí)際項(xiàng)目經(jīng)驗(yàn)豐富，同時(shí)也具備過硬知識(shí)基礎(chǔ)的同學(xué)而言，仍然是一個(gè)值得進(jìn)入的賽道。

參考

^https://www.jiemian.com/article/5889079.html

地址：

https://www.zhihu.com/question/453325429

——The  End——