人工智能就業(yè)前景越來越嚴峻了，你還在堅持嗎？

一年前入學的時候吧。那個時候國內(nèi)ml火得一塌糊涂，然后美帝這邊選方向基本清一色的機器學習。到美帝找工的時候就被教做人了，美帝找機器學習工作學歷基本底線phd。不是phd在讀根本就找不到工，到現(xiàn)在一個個全部和機器學習撇清關(guān)系。。。都在找sde碼工工作，關(guān)于機器學習基本就是。。。你別亂說啊，你別亂講啊，我和機器學習沒關(guān)系哈。?！，F(xiàn)在都在寫代碼，老老實實leetcode先刷個五百道，系統(tǒng)設計，分布式系統(tǒng)raft，2pc協(xié)議先學起來，web application后端從Java Spring到Go，前端React搞起來，sde全棧開發(fā)真香。。。package也給的巨大。。。還比ml好找工。。。真香真香

牢騷發(fā)完了。下面說點干貨。ml一直以來最要命的問題就是怎么賺錢的問題。賺錢這個東西分兩種，一是做輔助，而是做輸出。推薦系統(tǒng)基本屬于輔助類，相當于互聯(lián)網(wǎng)加ai，首先你得有互聯(lián)網(wǎng)產(chǎn)品，然后基于產(chǎn)品做改進，這部分目前其實商業(yè)化做得還是很成功的，但是既然是輔助，也就決定了他的招聘規(guī)模不可能大過sde開發(fā)。所以真正能提供大規(guī)模崗位招聘的其實是擔任輸出角色的ai，這樣的企業(yè)的代表就不是互聯(lián)網(wǎng)大廠了。代表的話，?？低曌霰O(jiān)控的，圖森科技做高速無人駕駛貨運的，waymo做無人車的等等。這塊商業(yè)化做得比較好的我個人認為是海康威視和圖森，關(guān)鍵是很切實得能看到他要怎么賺錢。?？岛陀嘘P(guān)部門合作，收入來源比較穩(wěn)定，圖森因為高速路況簡單，并且不做端到端的系統(tǒng)，不完全依賴于深度學習而是主要靠雷達結(jié)合一些人類可以理解的邏輯，取代的是卡車司機的工作，目前在美國一些州也獲得了運營批準，所以盈利也是可以預期的。但是除此以外的話，很多ai公司怎么賺錢這個問題就是搞不太清，有一個說法說，業(yè)務有2b，2c，現(xiàn)在很多startup搞的既不是2b也不是2c，而是2vc，說白了就是騙投資人錢。或者說是賺錢的第三種方式，炒作噱頭，吸引資金。

說一句題外話，創(chuàng)業(yè)這個事情，以我自己有限的見識來看，科技公司可能還是要有工程師創(chuàng)業(yè)比較靠譜。想法其實是廉價的不值錢的，關(guān)鍵是要把想法變成現(xiàn)實的可行計劃，如果科技創(chuàng)業(yè)不熟悉技術(shù)的話，能不能作出可行的計劃真要打上一個大大的問號。但是投資人又迫切希望看到愿景，很多時候愿景和可行性是背道而馳的。希望以后投資人砸錢的時候，先花點錢去找個技術(shù)團隊，好好對startup做一下全方位的技術(shù)論證。技術(shù)上不具備可行性光有ppt是賺不到錢的。

總結(jié)來說，ml其實是很好的技術(shù)。但是大家目前還沒有找到很好的把它大規(guī)模變現(xiàn)的手段。很多需求看起來很炫，但是賺不到錢的需求都是偽需求。如果ml還是一直變現(xiàn)不了的話，可能未來招聘會越來越嚴峻。然后我個人認為比較靠譜的幾個企業(yè)，互聯(lián)網(wǎng)企業(yè)做推薦系統(tǒng)的其實都很靠譜，然后純粹做ai和互聯(lián)關(guān)系不大的話，我個人了解的，?？岛蛨D森還是比較靠譜的。可能還有一些其他公司，但是由于我個人眼界限制看不到而已。至于不太靠譜的企業(yè)，我就不點名了，總的來說就是能不能看到變現(xiàn)的可能。

再更。。。如果你想搞機器學習理論，老老實實先念個phd吧。連個phd都不肯為它念，你還好意思說愛它？（狗頭）