現在學機器學習會不會成為下一個通信的犧牲品？

01-04

機器學習，數據挖掘，計算機視覺現在都是炙手可熱的方向，從NIPS, ICML, CVPR等頂會的投稿人數，參與程度以及研究熱度來看，都是達到了一個空前的高潮，相應地，工業界的薪水著實吸引人。這吸引了包括我在內的很多大學生，研究生想要投身其中，然而物極必反，如此多的人湧向其中，競爭激烈，供過於求也是很有可能的，等到你畢業的時候，未必有如今的高薪和發展，甚至一片蕭條也有可能。幾年前，通信行業大發展的時候，無數人擠破腦袋進通信，而現在呢，讀完研究生畢業發現，曾經的熱門高薪行業已經不再光鮮，又轉向了高薪的互聯網了。所以，機器學習到底會像通信一樣，熱了幾年之後，就沒有大發展了，還是會像互聯網一樣，在2000年泡沫破裂之後，重新成為下一個風口？置身於其中的我們應該如何作出理性的選擇？不同的行業，比如互聯網，通信，有沒有什麼本質的基因決定了他們各自的命運？

工業界的熱度也許會消退。

但是，從學術的角度看，機器學習領域要走的路還長著呢。

碼農火了多少年了，好的碼農現在依然難招，有點經驗和水平的年薪20萬一下肯定找不到。無它，有難度有門檻。機器學習是更有門檻的，這東西想真正工業界做出點東西，要求非常高。首先要讀很多書，特別是要有一定的數學基礎，這個很多人做不到，然後要能寫碼，這又刷掉一批，然後還要有sense，這個也許有點玄，但是據我觀察真的不是人人都是這塊料。

我不知道通信行業具體做什麼工作，也不了解通信行業現在的科技發展。但是it行業沒有什麼供過於求，說難聽點，現在其實很多都是勉強用，水平不夠也只能用，因為水平夠的人不夠招不到。

碼農是一個相當符合知乎」政治正確「的職業，在知乎的構成主體——高學歷的有進步需求的城市人口中，碼農算是中產里收入相當高，而且和」學習「這個主題最接近的職業了，之所以說這個，是因為我想告訴題主你，由於載體本身的限制，你會看到相當多的答案說——碼農永遠不會過時，或者——只要努力就好了，什麼行業都有精英（這也是知乎的政治正確——或者說某種傾向性）

下面開始簡述

到底什麼決定了行業的平均價格，這是個資源配置問題，而只要我們採用市場化的配置手段，那麼就是供需決定價格，從經濟學來看，人也是生產要素的一種，市場化的意義就在於，當某種生產要素過於昂貴時，會導致大量資本介入，比如假設由於某種原因——銅被大量需求，導致銅價暴漲，銅礦業獲得巨額利潤，那麼許多企業就會進入採礦業，在產能擴張後，銅價就會被抑平。

同樣的道理，同樣是付出巨大的努力，醫學生在中國的收益遠遠不如計算機學科，那麼醫學院就會逐漸招不到人，而信息科學的畢業生就會增加，最終抑平市場波動。

但是請注意以下可能發生的情況，會延緩這個趨勢

1.資源管制，假設只有政府有權開採銅礦，而非一個自由競爭市場，銅價可以被長期維持在高位，同理，如果政府只允許少數人學習信息科學，那麼，信息科學從業者也可以長期獲得超額收益。

2.信息行業大發展，假設我們在一輪產能擴張以後，又發現了銅礦的新用途，那麼在第二輪擴張之前，銅價也能維持在高位。通信行業也是經歷了若干輪大發展之後，才陷入衰退的。

上面講的都是比較易懂的簡化模型，我想和題主說的是，從行業來看，什麼樣的行業，也就是題主所謂本質基因，擁有長勝不衰的力量呢？

我們都知道，有一些行業是周期性的，永遠在產能擴張——無序競爭價格低下導致虧損——收縮產能——價格上漲——產能擴張這個循環里，為什麼？因為行業門檻低+產能建設時間長+基礎建設成本過高，比較典型的就是鋼鐵業，職業也有相似的道理，因為人在自由市場里也是生產要素的一種，對應來說好的職業要做到

1.行業門檻高，所以盡量選擇自己有天賦而非熱門的行業，一個簡單培訓的碼農就好像一噸鋼能賺2000時代的小高爐，貌似投入產出極高，等寒冬一到，基本逃不出破產的命運，盡量選擇自己能走得遠的路，不要被簡單重複建設打倒。建立屬於自己的護城河，就算鋼鐵大寒冬，寶鋼一樣盈利。

2.產能建設時間短，一個行業的產能建設時間越長，導致的問題是產能信號傳遞很慢，比較典型的就是醫學，由於醫學生的平均建設時間遠長於一般本科，最後會導致去產能化的時間也很長，行業的寒冬會持續很多年。

3.基礎建設成本低，為什麼鋼廠產一噸虧一噸還要產鋼呢？因為鋼廠是重資產公司，投入的成本很高，只能希望別人先破產來挽救行業，而且無法轉型，你能想像鋼廠轉型成服裝廠嗎？有一些行業產出高度特化的人，這種特化，是非常嚴重的成本，希望大家審慎考慮。

但是上面的優勢有一些是互相矛盾的，就好像資本市場好的企業往往昂貴，便宜的企業不怎麼好一樣，但只要綜合考量這三條，對職業就會有深一些的認識了。所以說說了這麼多，信息工程到底怎麼樣呢？

1.行業門檻一般，沒有極高的特定門檻

2.產能建設周期短，一年的特化培訓足以在業界找到工作

3.基礎建設成本低，高度邏輯思維是轉型保證

從純經濟的角度，綜合來看還不錯，其實題主舉得例子不錯，這個行業和若干年以前的通訊確實很像，通訊的問題是當年培養了很多人，現在在移動通訊普及之後，行業沒有大的發展來消化這些人，造成要素價格下降，但是由於轉型還算方便，其實也還能站住平均行業薪酬，至於互聯網現在的超額收益，我覺得很難保證，除非在你的有生之年，每隔十年左右互聯網一直能提供新的顛覆性的產品

@端木寧州

因為回複寫得長了一些，因此直接在這裡@您：

仔細閱讀了您的發言與回復，我發現我們的看法並沒有本質的衝突，只是我們描述在不同的方向。整體上，我認為您的觀察非常正確，每個行業都有它的興衰起落，前車之鑒用來印證互聯網的興衰是非常有道理的。我的經驗與您略有不同，我是從媒體生態學課程中學習的報紙、電台、電視等行業的發展歷史，並將它們用作我判斷互聯網行業發展的依據。

很抱歉之前的回復沒有完全表述清楚我的觀點，我並非認為機器學習未來將有幾十年的藍海期。我個人認為機器學習還處於初生期，方向、未來都十分不確定，甚至於有可能像生物專業一樣，畢業之後找不到相關工作。

但是對於整個互聯網產業而言，因為它降低了信息的通訊成本，特別是在移動互聯網設備和網路普及的現在，讓我們看到了「互聯網+」（「全行業信息化」）的可能性。「靠這個趨勢吃一輩子」就是將現有的互聯網技術作為一個基礎技術，幫助傳統領域提高效率、優化產能。

我不認為互聯網將來是一片藍海，甚至於在高競爭環境下，未來可能會極少存在藍海市場。互聯網行業一直進入/退出門檻和成本都不算高，導致了它存在很難建設起行業壁壘。即使是與傳統行業結合，依賴於傳統行業的知識儲備作為競爭優勢，這個優勢也只能保證這個企業領先三個月至半年的時間。

在這個環境下，我認為互聯網行業的工作會是高風險與高機遇持續並存。因為互聯網行業的產品生產（複製）並不需要額外成本，因此這個行業很容易形成壟斷。如果「互聯網+」導致互聯網行業繼續細分，可能最終結果就是每一個細分行業裡面都有2-3家公司，其中1家具有壟斷地位活得非常好，剩餘的1-2家可以保證穩中有進，而剩餘的幾百家乃至幾千家在這個細分領域進行競爭的公司，都面臨轉型或倒閉的命運。目前我們看到的高收益，已經是犧牲了非常多人的利益才獲得的。未來我們可能還會看到很多行業里「一夜暴富」的消息，但是我們從來沒看到過已經被犧牲的那一批人的信息。

我認為畢業後從事專業對口的工作，對於互聯網行業或者未來任何行業，本身就是一個偽命題。目前不光是國內，歐美也在反思當前教育制度只為了培養教授，而不是擁有高級工作能力的人才；畢業文憑也不再是工作能力的保證，研究和實際應用之間的鴻溝讓企業招聘畢業生後只能重新開始培養。因此，從參加工作的開始，我們就只能不斷的自我提高和改變，才能在未來的行業裡面擁有立足之地。

我的工作經驗一直在互聯網行業裡面，非常高興能看到您能從其他行業裡面介紹經驗來分析和討論。希望能更多的與您交流。

大熱只會讓人變多，人才的數量還是不變的

是研究熱，工業界還在跑線性回歸呢。

通信沒落了？碼農沒落了？

好駭人聽聞，碼農不知道，通信什麼時候沒落的？我怎麼不知道？

你家寬頻高峰期卡不卡？

你家寬頻下載速度能到10m/s嗎？

手機流量看視頻肆無忌憚不？

研發5g你沒聽說？

作為通信行業業內只聽說到處找人找不到，可沒聽說餓死業內人的。

即使有泡沫，倒霉的也是學藝不精的人，機器學習不是一幾個演算法和調參就能囊括的，真正學好的人有能力做任何和數據相關的工作。

說通信沒落的也蠻可笑。。。

5G,6G,7G這會有完？這種項目哪個不是各國政府大公司搶著往裡砸錢？

高鐵通信要實現3G,4G吧，鐵總沒錢嗎？

汽車通信對未來無人駕駛至關重要，各個大公司都在往裡砸錢。

不再舉例。

回答你最後的問題，決定一個事物的本質性東西。我的認識是，新的科技技術不是突然從石頭裡蹦出來的，都是在原有技術的積累上產生。更何況，很多所謂的新生事物只是換湯不換藥，炒概念而已。於你自己，本質性的東西就是，學科間的分界越來越模糊，也就是交叉學科大行其道的時代。這裡面不是對原來各個科目的基礎要求低了，而是更高了。所以啊，不要總是拿完學位，看到自己落後於時代，就想搞個大新聞，把我們通信界批判一番，你呀，拿衣服！

別看學界paper一堆堆的發，各種演算法不斷的提出，真正在工業界大量應用的還是經典的那幾個，工業界看重的是穩健可靠，就分類來說，好像數據集很大的條件下，效果都差不多。。。

我是來吐槽的

1.互聯網不是機器學習！互聯網不是機器學習！現在互聯網的面試很多時候都是考查學生的一些基本編程知識以及演算法知識，很多職位和機器學習沒關係。

2.機器學習不是熱了幾年，機器學習的研究可以追溯到很久之前。而且機器學習領域相當的雜，和很多學科都有交叉，比如統計學習，數據挖掘，模式識別等等。

3.最近火的是深度學習！是深度學習！為什麼深度學習火了，是因為現在的硬體條件好了，數據量大了，深度學習模塊化了。而工業界最喜歡這樣的東西了，他們有錢有機器有大量數據。而且使用這樣的深度學習可以防止數據泄露之後帶來的商業上損失。因為很多深度學習的數據量是million，billion級別的，即時泄露了幾個thousand，也相當於沒有泄露。

4.如果想掙錢與實現人生意義，最好是找個自己喜歡的行業。有興趣才能讓自己靜下心來。任何行業的發展都會有瓶頸期。不要盲目的隨大流。

5.我研究生期間是通信相關的院系，我們院的通信專業有相當一部分都去找了互聯網的工作。我個人認為這造成了很大的資源浪費。本科4年研究生3年學了7年通信後轉成了互聯網（注意不是機器學習，不是機器學習），那麼7年里學習的很多知識都沒有用了。雖然找了互聯網的工作，但競爭力是要弱於計算機出身的學生的。因為面試的時候只是考查一些基礎的知識，這是可以惡補出來的，但是別人對操作系統，編程思想（數據結構，面向對象）的理解是遠遠超過我們這些惡補的半路出家的人的。

6.通信，機器學習的研究的底層是數學！是數學！如果題主你數學夠好，那麼你從通信轉到機器學習是可以的。再次強調機器學習不是互聯網！機器學習不是互聯網。

7.最早期郵政分家，大家都不肯去運營商，然後運營商賺錢了；10年前大家不肯去華為，然後那個時候去華為的已成人生贏家。05年之前搞機器學習的喜歡SVM，不喜歡NN，然後現在深度學習火了。。盲目隨大流不好哦。找個自己感興趣的最好。

8.現在很多非互聯網出身的人擠破頭去互聯網的只是為了互聯網的紅利而去，如果互聯網哪一天呵呵噠了，那麼最先呵呵噠的也是這群人。題主你要想著我能為這個行業做出什麼貢獻而非這個行業能給我帶來什麼短期好處，那麼題主你在這個行業的道路上將走的更遠。

我專業是通信，現在在學機器學習，搞計算機視覺。我有點慌了

從通信轉到計算機，最近剛好在做機器學習。應該是有資格說兩句的。通信大體上是個政府導向的行業，基礎建設完成了也就不火了。計算機這個大方嚮應該能繼續火到下次科技革命吧。機器學習是學術界很火，工業界剛剛開始，一切都還是未知的。有可能出個顛覆世界的東西，也有可能是個填不滿的大坑。

如前排諸位所述，工業界機器學習並不火，火的是在科研（和ppt創業）里。

理性的選擇：1. 留下，搞科研，代價是頭髮和可能並沒有什麼成就（以及錢）；2. 走人，好好碼代碼。

決定行業命運的東西太複雜，決定你錢途的是供求關係。你的行業越偏向理論，需求就越少。

華為的財報好的很，去年上半年30%+的增長，然而內部裁人，校招繼續縮水。所以你看，你的錢途跟公司業績有關係，但也不是那麼單純的關係。

如果10k能招到合適的人，大概沒有老闆會給15k吧。如果兩個人能幹的事，大概也沒有老闆會招三個人吧。如果三個人裡面只有兩個人能有工作，相比沒飯吃大概只給10k你也能接受吧。本來三個人乾的活兒，現在只需要兩個人了，降工資也不太好，你們走一個吧。

我們來看通信。對於一個通信相關的公司，一個項目組需要的碼農可能是2個也可能是20個，然而需要幾個搞通信的？團隊有大有小，但是有那麼幾個能幹的工程師，把系統/板子設計好就行了，大多數人做的事情根本不需要他們懂通信，那當然是請碼農咯。

換成機器學習，基本上是一樣的。一個公司，有那麼幾個能幹的工程師，研究下演算法調個參數就行了，大多數人做的事情根本不需要他們懂機器學習，能夠碼好代碼才更重要。

總有一些公司例外，比如小研究所性質的公司，然而這種公司能提供的崗位數目有多少呢？

通俗地說，設計房子的就需要那麼幾個人，然而工地上搬磚的總是要一大堆；研究飲料配方的一個實驗室足矣，生產可樂需要成百上千的車間。這兩個例子里，我沒有看低碼農的意思，我是想說，這就是社會分工，碼農的需求量就是遠遠大於通信/機器學習。

（人工智慧多少還是有希望反殺的：哪天AI能夠自己碼代碼了……）

說說通信的悲慘故事。

09年入學，讀了四年本科，通信從朝陽變成了夕陽。畢業找工作的時候，我懵逼的一塌糊塗。

後來明白，這個變化一點也不奇怪。

08年下半年，天朝的3G才剛剛起步，通信專業一片大熱，我那一屆本科生就是這麼入的坑。我校雖然不是top3，據說那幾年也是畢業保底進華為的水平；到了12年，華為中興招人開始縮水，13年畢業時整個專業沒有一個去華為中興。13年底，國家開始發放4G牌照，據說下一屆的學弟學妹們又找到實習了……當然現在看來，他們的命也好不了多少。

上述都是體感，沒有找到數據支持（懶）。

值得注意的是，天朝從3G起步到今天，也不過7年多。國際上，3G標準發布是在2000年前後，08年的時候4G的研究已經開始，11年的時候已經在美國運營。

也就是說，通信大熱的那幾年，正是天朝大幅追趕的時候，協議專利都是人家的，原理也不是秘密，追起來快，應用起來需要大量的人。

而現在，全世界又站在同一起跑線上，5G鹿死誰手尚未可知，跟美國日本歐洲剛正面，本科生研究生又有啥用？而國內，基站也鋪開了，業內的公司也成熟了，工程師和業務員也都有經驗了，本科生的需求也就穩定了。不幸的是，由於之前的大熱，這個穩定的需求，遠遠小於應屆生的供應。

這個追趕的過程，相當於「把蛋糕做大」的工程，而且還是加速的。這時候整個行業看起來火的不行，豬都能飛。

而一旦飽和了，飛起來的豬就會重重地摔在地上，一大批跟風的會死掉，相應的對應屆生來說找工作就變得困難重重。

你看，這個事兒是不是理所當然，理所當然得機器學習的未來都能腦補出來了。

行業發展是很複雜的話題，需要站在業界頂端的人來分析一二。

我只是個人感覺，我認為互聯網帶來的工業革命不會停止，互聯網這個行業也還處在發展之中，日新月異。所以總體而言，這個行業還有很多潛力沒有被發掘出來，還有太多不成熟的地方，不斷地有新東西被挖掘出來，離衰退還遠著呢。

大數據、機器學習、雲計算三個行業，也還遠遠沒有成熟。（說行業當然就是工業界，學術界的大熱我認為是工業界的風向標）現在人才缺乏，供需關係擺在這，這個方向的薪資當然誘人了。

我認為可以與之對比的，是幾年前的移動互聯網大潮，也是高薪缺人，如今人才需求量仍然很大，但是薪資已經沒有那麼突出，就是因為移動互聯網行業已經日趨成熟，入行門檻低，行業規模大，擴張速度快，人才飽和趨勢明顯。

機器學習不是這樣，這個行業的人才需求量沒有移動互聯網那麼大，但是門檻非常高，這個行業的普通碼農也需要掌握scala編程語言，分散式原理，linux系統，幾個主要的分散式框架編程等基礎知識；運維工程師的要求是互聯網行業中最高的，當一個系統的輸入、計算、存儲全部都是分散式的時候，它的運維成本昂貴到前所有未有的地步；演算法工程師的要求就更高了，要求學術視野，要求很高的數學功底（尤其是概率論），還有一大堆聽起來就頭暈的機器學習演算法原理。

一言以蔽之，這方面只有普通碼農，有短期見效的學習途徑，而且瓶頸還是高於移動互聯網的普通碼農。

所以我個人看來：1、機器學習行業規模遠不如通信那麼龐大。2、它背後的龐大生態系統使得它短期之內不會衰退。未來前景：機器人行業、物聯網等未來產業都需要機器學習行業。即使機器學習行業供需關係飽和，發展停滯，我們也可以憑藉基礎轉入機器人、物聯網行業，這些未來產業現在還只是萌芽呢。3、行業成熟速度、人才飽和速度都相對比較低。適合長期投入學習。

總之，NO。

那我今年去通信了是不是很悲

是看你所參與的行業主流命脈握在誰的手裡。

互聯網如果也像通信一樣收歸國有，那還是換地兒吧。

如果一個行業不能自由生長，那麼我們認為它對普通從業者來說沒有什麼前途可言。安心做棋子，隨時做好當棄子的準備。

另外講一點人生的經驗，我不是長者，也見的不多。當你為了穩定或別的什麼（安逸，喝茶看報）放棄了自主權棲身於組織的庇護下的時候，生殺予奪也就由不得你自己了。只能如一葉入江，隨波逐流，起起落落任組織擺布

前大Boss剛被雙規了，合情合理合法。

（還好我跑的比記者還快，匿了

我覺得各領域高端人才也就那些吧。哪個行業火了多出來的人多數是水平沒那麼高的。所以自己技術足夠強就不怕泡沫。

通信沒落了？我司還指望著5G再發筆大財呢。互聯網才是多在燒錢盈利少好吧。

說實話你要是把ML玩6了，這智商不愁找不到飯碗了

既然都沒法預測准未來，那還不如著眼當下呢。別的不知道，今年cmu eoc，M$說我們碼農都差不多沒坑了，data science的坑挺多你要不要跳跳？

哪有一壓注就壓上的，又不是占卜。

建議題主，要麼選一個符合興趣CS分支，要麼隨大流。把計算機相關的基礎搞好，就算是機器學習也也有很強的工程的一面，到時候就算你弄不出什麼名堂，也能轉去做普通碼農。

丸

我大通信實力中槍。

還好我學了編程。