現在的大數據、AI 這麼火，會不會像曾經的 Android 和 iOS 一樣，五年後也回歸平淡？

01-08

大學學的文科，後來畢業參加了當時特火的移動培訓，幹了有四年了吧，都是基於應用開發，不能說應用開發沒前途吧，至少都是業務業務，干好了就架構架構。但是從去年開始吧，感覺AI方向越來越火，簡單了解了一下，轉AI開發和現在工作完全不太沾邊，本人想以後的職業方向以技術為主，所以想找個靠譜的方向，一條路跑到黑，所謂術業有專攻吧，先精通一門，在涉獵其他。向各位大神請教一下，是繼續堅持移動應用開發，還是轉AI的方向呢？請指教，多多給些建議，先謝各位

補充，我個人其實覺得，ai工程師更像是傳統工程師的存在，經驗在很大意義上佔有非常大的比重，也就是某種意義上，可以吃老本，同時也是要深入行業挖掘需求。好多人都聽過德國專家在壞掉的機器上畫了一個圈就拿了三萬美金的故事，ai從業者其實可以是往這個方向上走。這樣的話，從傳統行業的發展來看就很明確了，後續要麼繼續搞技術，努力當總工，也就是現在所謂的研究員，首席研究員之類，要麼就是轉成車間主任往管理方向發展。這是和正常研發相比，最大的不同，研發的技術棧，總體更新換代太快，很難靠吃老本活下去，這也是為啥好多人說年紀大了就不好當程序員的原因。

————————————————————————

大數據也好，ai也好，智慧城市也好，智能醫療也好，各種鼓吹起來的概念，在我看來，這些技術其實一直存在，也一直有很強需求，只不過之前沒被吹上風口而已。

就像提到神經網路，好多老師估計都知道，換個名字變成深度學習了，很多人就覺得高大上了。

大數據是燃料，演算法是鍋爐，產出就是各行各業的應用，實際上，這些東西都是互通的。

就以cv為例，人臉識別搞檢測切割和檢索，換到行人再識別里依然是檢測切割檢索。無車人里做檢測切割跟蹤，無人機里依然是這些東西。醫療影像到現在主要關注點也同樣是切割和檢測。

推薦系統這些年大火特火，說白了依然逃離不出信息檢索的範疇，搜索引擎實際上都培養出多少知名公司了。甚至包括廣告系統在內，核心演算法始終是逃離不出那麼些東西的，相互轉換簡直不能更容易。無非就是再結合行業應用的深入挖掘。

安卓也好，ios也好，包括前端也好，說白了就是某個平台上的工具，平台崩了，就只能去學新東西了，君不見塞班和flash崩了之後多少工程師轉行學別的。所以前端圈好多人說要做大前端也是這個原因，一個端崩了，換個端就行唄，面向用戶的開發，永遠都是那麼一套思路，折騰了這麼多年，mv*還不是照樣是最常用的方案。

而ai不同，大家換平台換框架甚至換語言都是家常便飯，至於究竟是在伺服器跑還是嵌入式跑，手機跑還是平板跑，根本沒有啥影響。演算法照樣暢通無阻。

就算五年後這些東西炒作的差不多了，自然又有新的風口了，什麼精準醫療啊，精準房地產啊，輔助決策啊，換個說法而已，依然還是老技術結合新領域做深入挖掘。

所以現在入行的人，一定要深入把基本功打好，不是說隨便會幾個框架，能跑開源代碼，調整調整就行的。緊跟新論文，有獨立復現能力，抱著終身學習的態度，積極探索和領域深入結合，這才是正道。

謝邀，我認為人工智慧能否火下去是偽命題。相反，現階段的AI技術的落地能力還很有限。

對比來看，移動端開發本身就是落地的實用技術，你可以用來做手機遊戲，也可以開發拍照軟體，有豐富的業務需求。而人工智慧是學科、是技術手段、是通用框架，所以現在和未來最大的困難不是在於會不會火，而是怎麼更好的落地應用？沒有業務需求是很難撐起大量企業的，那個時候也就不存在人才缺口了。

不難看出，優秀的人工智慧企業都有實際的應用場景，不過主要是集中在視覺、語言上，而大部分企業其實是需要更加通用的業務場景。現在每個大一些的企業都在砸重金招聘機器學習工程師、研究員，美其名曰是為了業務擴展。但實際來看，很多公司只是在做人才儲備，它們只是需要這麼一個部門，而業務上是否需要機器學習、機器視覺、自然語言處理，還不是非常明朗。以金融服務類公司為例，不少公司都重金從學校挖了一批做機器學習的人，我們自己每天擔心的是無法為企業創造價值，而老闆總擔心我們要跳槽，雙方的體驗都不夠好。這其實指出了一個人工智慧的一個困境，就是現階段無法在大部分企業的業務中落地，對於很多企業來說人工智慧(機器學習)可能還太早了一點。

而管理層往往也缺乏對於其真實能力的理解，只知道很重要，必須成立這麼一個部門。老闆往往有兩種極端，一種認為人工智慧可以解決一切問題，一種認為我們什麼都做不了只是來裝點門面的。從另一個角度來看，很多企業需要人工智慧來講故事，來支撐良好的估值和獲得投資。試問各位看官，你們老闆有沒有發郵件說我們企業要紮根AI，大鳴大放？至於AI現階段到底能做什麼，大部分老闆其實是不大清楚的，但在一片郵件轉發中我們似乎已經實現了全面AI化。

換個角度來看，一個比較健康的狀況應該是企業有了業務需求，再去招聘相關人才，這樣的話員工有事做企業也獲利。然而現在不少的企業的是先去招聘人工智慧相關人才，來了再看看能幹點什麼。這種情況下，企業可能難以獲利而AI人才覺得自己每天無事可做，而其他員工覺得AI組光拿錢不干事，從各種角度來看不是一件好事。

那麼企業為什麼要做這麼出力不討好的事情呢？除了戰略性防禦以外，這其實是賭。賭的是AI必然有用，賭的是現在買進來的AI人才未來可能需要5倍10倍的價格才能引進。但是賭博就必然有贏有輸，如果大量企業引進的AI從業者無法在3-5年中為企業創造價值，那麼大家也會認為其中泡沫略大，而降低對於AI人才的重金策略。而如果因為各種原因，AI從業者能在大部分企業真的創造價值，創造落地應用，那麼3-5年只是AI起飛的開始，遠不是衰落。

從個人角度來看，我們每個人也都在賭，賭要不要轉AI，要不要all in深度學習，要不要全職考研考博。這些賭的都是AI未來，但其實賭的是AI能不能從現階段的人才儲備轉為業務驅動。如果幾年內這件事情無法發生，那我們可能需要蟄伏等待下一個機會了。所以已經「上船」的朋友們要努力嘗試把AI應用於各個領域，為企業創造價值，這樣才可以維持現在的高薪。而還在準備的朋友們不妨還是結合自己的專業，想想如何把AI在你所了解領域應用，不然即使上了船也不會有高薪了。我們現在還沒到保護泡沫不破的階段，而還在努力吹泡泡的階段。

我在另一個回答阿薩姆：未來 3~5 年內，哪個方向的機器學習人才最緊缺？中曾經提到過：

工業界未來需要什麼樣的機器學習人才？老生常談，能將模型應用於專業領域的人，也就是跨領域讓機器學習落地的人。有人會問現在我們不就需要這樣的人嗎？答案是肯定的，我們需要並將長期需要這樣的人才，現階段的機器學習落地還存在各種各樣的困難。這樣的需求不會是曇花一現，這就跟web開發是一個道理，從火熱到降溫也經過了十年的周期。一個領域的發展有特定的周期，機器學習的門檻比web開發高而且正屬於朝陽期，所以大家致力於成為「專精特定領域」的機器學習專家不會過時。
什麼是特定領域的機器學習專家？指的是你有足夠的機器學習知識，並對特定領域有良好的理解，那麼在職場供求中你肯定可以站在優勢的那一邊。

所以這是老生常談。對於個人來說，如果AI從業者有很好的技術能力和良好的領域結合能力，三年五年絕不是職業的瓶頸期，甚至十年都還太早。而對於企業而言，如何從「人才儲備」走向「業務驅動」才是重中之重。不然的話，人工智慧其實根本就不算曾火過，我們本身都還在嬰兒期。

答案是「會」，這個問題其實沒什麼意義。

技術人有個很大的問題，就是對行情判斷更追求技術上「牛逼」，而不考慮市場角度的「均衡」。

作為AI行業的鼓吹者，我還是要說一句「用不了五年就會回歸平淡」。

還拿前端舉例子吧，很多人對前端有個誤判，就是以為前端真的不好找工作了，但是我們小型企業在招人過程中招個「熟練使用Vue/React/Angular」的前端都沒找到幾個合格的，給的價碼雖然比不上一線大廠，也算中規中矩了。大家都說前端飽和了，飽和在哪呢？真正的飽和應該是「市場上充滿大量某方向的平均分級別人才，但是崗位數量小於人才數量」——可見沒什麼飽和的。只是低端垃圾選手太多了，污染了賽道。

AI也是一個道理，很多人在談AI「落地」，其實我覺得這個倒是無關緊要，因為現在市場上太缺AI人才了，這就造成了價格高（另一個因素就是硬體成本高、人才培養周期長）。我曾經做過一個估算，大致國內「能用」的AI人才數量在5-8萬，國內用人單位實際需求是25-35萬，這中間的大窟窿影響到了薪資水平。從經濟學角度來講，這個供應曲線的「彈性」太大了，必定一窩蜂地湧向AI，情理之中。用不了五年，兩三年後AI就會跟前端一樣，哪錢多就去哪，人之常情。AI這個風口遲早要過。

根據這幾年的趨勢，我們不難看出這樣的一個情況「Android和iOS」「前端」「AI」，整體是向「普適性」更好的方向挪移的，而不再囿於某些特定的平台。這一方面說明了「計算機學科」在不斷的成熟，另一方面也說明了「計算機通識」的重要性在不斷增加。

所以對於類似轉行的問題，我給出的統一建議是：

如果你能在某個方向做到大於平均水平了，還願意繼續做下去，當然可以一直做，因為某領域技術專家會賣個很高的價錢
如果你當下很缺錢，而且學習能力很強，很快上手一些東西，可以採取不斷追熱點的方式獲得更高的單位時間薪水
自我審視自己的能力和性格，選擇適合自己的道路，沒人能預測未來

正好和找我諮詢的朋友聊過這個話題。托個大給點個人看法，這些話過來人肯定都明了，入行不久的也許有幫助。

先給結論，只是會搭集群，會用MLLib，會用Tensorflow的大數據或者AI從業者，不管五年後行業本身會不會回歸平淡（大數據很可能會，AI應該沒那麼快），個人職業發展無法避免變平淡。到時候這樣的人就要困惑是否跟隨下一個熱點了。

但是如果你精通的是領域本身，而不僅僅是用好某個工具某個平台，那你會發現自己並不會隨著行業沉寂，或者你會發現你很快很自然能過度到下一個相關的熱點領域。

回歸平淡是一個熱門技術必然的趨勢，五年在IT領域已經是很長久的時間了。回歸平淡的未必是技術過時，反而可能是技術過於普及。但是如果你精通的不只是淺表，那是否回歸平淡對你來說就無所謂了。

趨勢和熱點肯定是對前途/薪水會有加成，比如大數據（其實火了很久了），或者AI。在幾年內會對從業者薪酬有不小的增幅。但是就如你所說，熱點和趨勢是會降溫的，比如慢慢社會上就會有越來越多會搗鼓Spark的人，能跑Tensorflow的人，熱點帶來的紅利會慢慢減少到消失的。有些人會迷茫，為什麼自身價值似乎越來越低，是不是要換一個熱點；但是有些人卻越做越深入，越來越資深，越走越順。

-----------------------------------------------------------------------------

我的想法是，工程師應該更重視「道」而不是「術」，才能保持競爭力。

什麼是「術」？

比如，「遣詞造句」，是術。如果你是一個作家，遣詞造句無疑是必備技能。

同樣，「熟悉編程語言」是術。作為一個程序員，熟悉自己常用的語言的特性，完全是必須的。

類比一下大數據，應用開發或者資料庫領域。如何配置Hadoop，架設集群；如何使用某個UI庫做出炫酷的界面效果；使用什麼參數可以調整某資料庫緩存大小等等，都是術。

那什麼是「道」？

比如，「一部小說如何謀篇布局」，是道。如果你是一個作家，那麼無疑這是比遣詞造句更影響你職業生涯的技能。

同樣，作為一個程序員，了解系統背後的原理，比熟悉一門語言一個框架對你職業發展會有更深遠的影響。

如果你做大數據，那你是否知道分散式系統的一致性保證有些什麼不同的設計和取捨？容錯又該如何實現？如果你做資料庫，又是否知道不同索引的數據結構有什麼樣的特性？抑或優化器背後的原理是什麼？或者你做業務邏輯開發，那你是否通曉了邏輯背後的業務流程以及相關的行業知識？

--------------------------------------------------------------------------------

術的特點是容易過時，或者附加值越來越小。如何使用工具在每天都有新發明的計算機領域無疑是非常容易過時的，公司也不會為使用工具的經驗投資太多錢，畢竟夠用就行。

誠然術是你必備的技能：不會寫代碼，不熟悉語言，根本找不到工作。但是並不是你修鍊的方向：公司並不會因為你精通一個語言的各種細節而特別青睞你。公司的確是招人寫程序的，但是公司並不僅僅是招人「寫程序」。

道是我們在領域內不斷精進成長的根本：只有了解背後的原理，你才可能在每天都有新系統新語言新框架誕生的科技領域存活；某個框架你並沒有摸過，但是你知道哪些指標和特性是選擇取捨的依據；某個系統你才聽說，但是看了架構設計，你就知道它在你的使用場景下會有什麼樣的表現，可能會有什麼樣的坑；再或者你看了某個論文，發現它的原創性設計能改進在你們現有的系統解決之前無法解決問題等等。這樣的你，往往比只是對語言熟悉，API精通的碼農更受歡迎和尊重。

有人可能會說，你看那些大神程序員，哪個不是對某些語言滾瓜爛熟。是的，我們看到的碼農大神們，往往寫的一手好C++，精通Go的上上下下左左右右，但那並不是因為他們專門修行這門語言，而是因為他們在不斷研習「道」的路上，順便磨練了「術」。為了更好的性能，為了實現構思的新設計，他們必須更熟悉所用的語言。

再你當然可以舉出特例：通曉一門語言的方方面面能成為參與制定語言規範的大神；哪怕寫字寫的好也能成為書法家。這樣說也沒錯。鐵砂掌練到極致，也能和五絕一拼，但這比修內功的路難多了。況且，某人能制定語言規範肯定不是因為她特別熟悉這個語言的細節；書法家之所以是書法家也遠不止寫字寫得好。

----------------------------------------------------------------------

回到正題。四年不短，如果你認為你在現在的領域除了「術」沒有什麼其他積累，那這樣的急轉彎換掉也不可惜，否則就慎重一點，因為你想換的領域和現在做的似乎沒有太多交集。哪怕再換，深入鑽研的話，熱不熱其實並沒有太多關係。

我覺得題主很明顯沒有區分一個概念：底層技術和面向用戶的產品。

底層技術就好比特斯拉發明交流電，瓦特發明了蒸汽機，他們對人們當時生活的影響可能並不大。

面向用戶的產品就好比愛迪生的電燈，哈格里夫斯的珍妮紡紗機，他們可以立即改變人們的生活，可以迅速席捲全球，但是如果沒有底層技術的支持，他們可能只能呆在實驗室里甚至無法被發明出來。

大數據和AI即是底層技術。

而iOS和android即是面向用戶的產品。

底層技術的發展和改良更多是隨風潛入夜潤物細無聲。

比如淘寶首頁的banner，今日頭條的廣告，抖音的推薦表單，都包含了大數據的技術。

而你用siri設置鬧鐘，汽車的自動駕駛自動泊車等技術，也是AI的底層應用。

就這問題我說得可能有點偏題，但都是肺腑之言。

前輩告訴我們「唯一不變的是變化」，教導我們要「擁抱變化」，你不要以為只有業務需求變化，整個技術生態都在變化。計算機行業的特性，就決定了必定不斷變革，不斷革自己的命，所以，沒有一門技術保證是鐵飯碗，所以，今天火的AI和大數據，過幾年肯定會因為技術發展編程另一種心態，那時候從業者如果不跟著變化，就會掉隊，而現在為了追趕所謂「火」的技術而改行的從業者，到時候可能會發現自己撿了芝麻丟了西瓜。

現在開始偏題。

為什麼這行業這麼多人糾結於什麼「火」，糾結於不甘心」平淡「呢？

因為付出太多得到太少，因為疲勞。

我的朋友不只是這個行業圈子裡的，也有很多圈外人，和他們聊天可以體會到圈內圈外的區別。

在計算機這個行業圈子裡的朋友都喜歡說一個詞「財務自由」，最喜歡說誰誰誰的公司快上市了，那就該財務自由了吧，誰誰誰去創業了，應該財務自由了吧，都是一個心態，人生贏家就是要「財務自由」，財務自由意味著就是TMD不用再幹活了，遠離這一攤shit，因為真的是累啊。

相反，其他圈子裡的朋友（尤其是經商的朋友），不管多大歲數了，不管賺了多少錢，最後想的還是怎麼更上一層樓，「財務自由」似乎不在他們的字典里，是他們不可能財務自由嗎？當然不是，只是因為他們知道持續努力和學習是必要的。

干計算機的人群太疲勞了，所以總想著這麼多付出，總能有一個穩妥的歸宿吧，於是就追求財務自由，追求有一項技術方向押寶押對了以後總有飯吃。

做計算機行業和其他行業有什麼區別？都是工作，別想太多，一邊工作一邊學習，好好享受人生才是主要的，不要浪費精力去糾結什麼火什麼平淡。

了解更多人生大道理請關注@程墨Morgan

過氣的Android開發從業者看到這個問題菊花一緊

會。

反正至少對我來說，成功才是目的，方法和手段並不重要。假如明天是生物的世紀，我今天晚上就會開始學習如何洗試管。

五年以後即使AI現在的幾大趨勢飽和，在AI框架下也會有其他的東西冉冉升起。人怎能原地踏步，老飯重吃呢？

另外個人感覺，AI對普通人，大眾的門檻相比Android好像要高得多（當然我可能是因為數學基礎中上的緣故吧，並不如此覺得）。說這話的其實都不太了解情況。最好找工作的，其實還是APP+前後端。

即使現在安卓，APP看似沒那麼火，只是貌似，你要找工作還是學Java+Android最快最好。說飽和的統統拉去偽化生實驗室勞改。但是你知道安卓培訓有多火么？我印象中幾家做安卓培訓的全部都去美國上市了。

國務院關於印發新一代人工智慧發展規劃的通知（國發〔2017〕35號）_政府信息公開專欄

人工智慧已經寫進國家戰略，可不是什麼Android和IOS能比的，國家畫的餅，哭著也要喊好吃。

首先題主問的這個問題就有不妥之處，AI、大數據與 iOS、Android 根本就是兩個維度的東西，iOS、Android、Web 我們統稱為前端開發，它們是一個領域的東西，而 AI、大數據基本都屬於數據挖掘領域。

然後再說 Android 和 iOS 回歸平淡的問題，雖然現在的市場需求確實顯示 Android 和 iOS 工程師不好找工作，但並不代表他們不稀缺，而是現在初級或中級 Android 或 iOS 工程師太多，高級工程師又缺乏所造成的矛盾。這與 UWP、Windows 開發又有著本質的不同，像 Symbian、Windows Phone 這些平台的市場佔有率逐漸下降，這些開發崗位的需求就在減少，所以即使你是有經驗的工程師，人家企業也未必需要，因為可能根本就沒有這塊的業務可做。

之所以 Web 前端開發現在很火，首先是因為 Web 前端確實可以彌補 native 開發、上線周期長的問題，很多電子商務類應用或訂單類應用，它們有很頻繁的節日或優惠活動，每每有新活動的時候都去更新 app 顯然成本太高，所以對於這些短暫的活動，Web 技術就能很好地應對。但這並不能代表，Web 技術可以替代 Native，這件事不可能。至少在 DOM API 和 HTML 標準沒有重大變化之前，現在的 Web 技術完全達不到良好的用戶體驗，不管是性能方面還是功能豐富程度方面。但 Hybrid 框架的日趨完善可能會替代一部分輕量級 app 的 Native 開發。

所以這裡我可以不談大數據和人工智慧了，因為前端、後端、數據挖掘、運維、產品、設計等等都是一個應用或平台不可或缺的組成部分，每個應用都離不開前端，雖然像前端領域裡有技術的廝殺，但前端這個大類永遠不會消失，數據挖掘也是如此。

總而言之，確定好自己的領域，然後一直跟上時代的變化總是沒錯的。

5年前，我北漂。

認識一個朋友，腦子很活，看到Android 和 iOS 特別火，迅速搜集資料，開了Android工程師和 iOS 工程師的培訓課程。不但狠狠地賺了一大筆，還不小心拿了4千萬的A輪融資。

5年後，遍地都是各種大數據培訓，是的，遍地，到處都是，費用從500到幾萬不等，重現了當年Android工程師與iOS 工程師的培訓的火爆。

我其實有點納悶，如果門檻那麼低，隨便培訓下就能上崗，這些崗位的薪資咋就那麼高呢？

任何技術在應用層都會這樣的，一方面底層框架各種庫會越來越成熟，另一方面人才培養會越來越多，不論是在學校學還是遇到問題找答案都會越來越容易。

你現在覺得寫安卓容易，你知道當年比如10年，舉個例子那個時候沒有viewpager，大家都是抄launcher源碼寫個這樣的效果，現在多簡單。

當年問個問題csdn上等半天，現在每天都有技術文章分享給你了，stack一搜解決方案就來了。

個人觀點，不會。

當然這個利益相關，難免有自己的主觀因素，也有說的不到位的地方，接受大家的批評指正與討論。

首先一個很現實的問題，AI的門檻和移動開發的門檻完全不同。當時玩移動開發時有Java的基礎，看了不到一星期安卓就輕鬆入門了，做了一些小App，研究了一些底層的東西都沒有啥太大困難；轉向機器學習時，雖然有Python的基礎，但是發現ML對你學習能力的要求遠大於傳統開發，問題不在於Python之類的工具的運用，而是你的知識儲備，更重要的是學習能力，學習能力差的不是入門慢的問題，將永遠涉及不了更高的層次，這就是人工智慧，儘管大學學習了高數線代概率論，但是還是需要不斷地複習才能跟上節奏，花了一個月的時間還是只是概念上的了解，明顯感受到兩者門檻的差距，門檻低才出現了培訓班批量生產模式，當然這裡絕不是說看低移動開發，移動開發的大牛多的是，最後的結果是整個行業水平參差不齊，當人才供應無法保證高質量時，整個領域無法注入源源不斷的強心劑，所以活力會降低。人工智慧培訓班能搞定嗎？怕是不能吧，面向工資編程不適合人工智慧，沒有內心深處的熱情驅動自己的學習，人工智慧是研究不深的，培訓班目前來看頂多是涉及到大數據平台的開發，演算法層面還是由碩士博士來搞的比較多。

其次應該關注一下整個招聘市場，明顯傳達的信息是，機器學習崗位需求量很大，但是所謂滿足要求的應聘者真的很少，很多碩士生也難達到標準，甚至說企業自己都不知道需要一個怎樣的AI崗位工程師，有的只是跟風，換句話說，中國的AI還在起步階段，還很年輕，我們電商還是傳統的互聯網公司是世界領先地位，但是涉及人工智慧的，像曠視，科大訊飛之類的國內優秀人工智慧公司，離Google,Facebook等國外巨頭還是有差距的。這是種矛盾，社會生活日益現代化智能化與國內人工智慧處於開始階段的矛盾，我相信這會推動AI在中國一個較長遠的發展過程，什麼時候滿大街能跑無人汽車，外賣快遞都能用小型無人機智能配送的時候，或者說隨便抓住個程序員都能輕鬆搞明白決策樹，SVM，貝葉斯這些玩意兒的時候，中國的人工智慧說明確實成熟了，會歸於平穩，但也絕不會消沉。

還有，人工智慧絕不是「巴鐵」。

會還是不會，要看你是從老闆的角度看還是從業人員的角度。

從老闆的角度，關於技術發展的周期，下面這張圖大家可能已經看膩了：

老闆看的是用戶需求，只要是有真實需求的技術，做出來是遲早能掙錢的，即使公司沒挺到最後，也能趁著泡沫賣個好價錢。

但是搞AI的公司股票大漲並不意味著你的工資會同步啊

普通員工看的是人力資源市場的行情，這個行情價與上圖不同的地方在於，基本上跨過高峰期就是一路下行，這主要在於技術門檻的下移。

放到二十多年前，一個學計算機的不懂編譯原理都不好意思跟人打招呼，現在上幾個月培訓班就敢去面試了。

任何一項技術發展的後期，各種框架，工具，庫都在讓這個領域的門檻不斷下降，這個趨勢是不可逆的。像google，FB這些大公司會不斷地把編程中相對有技術含量的環節組件化開源化，從而降低用工成本，所以長遠地看你要不去這樣的公司造輪子（有多少造輪子的工作崗位呢？），要不就是淪為純粹寫業務代碼。如果某個領域薪資走高，那就是這些大公司造輪子的工作還沒做足。有人說，門檻再低，往深里鑽就是值錢的高級人才。說這話的人，非蠢既壞，騙騙大學生還可以。

任何有工作經驗的人都知道，公司都是結果導向的。舉個例子，假如你有個需求需要用到page rank，你可以先看原理，明白了在動手實現，這個過程可能要一個小時吧，但如果直接搜代碼，或者調用某個庫，就是幾分鐘的事情了。也許在程序員看來，這樣有點LOW。但在老闆看來，這個有區別嗎？區別就是前者效率更低。

個人認為，不要去追什麼新技術，資本圈去追新技術，用的是錢，廣撒網地去追大概率能賺回來，即使現在虧了以後還能賺回來。程序員去追，耗費的是自己的青春，你不能把自己的青春放到多個籃子里，而且青春失去了就沒有了。

我身邊就有這樣的同事，去年看大數據很火，跳到我們組搞大數據，幹了一年覺得大數據也沒多麼高大上，整天處理各種數據需求其實繁瑣得很，數據處理又耗時，測試等結果的時間經常比編碼的時間還長，有點消磨意志，現在又跳槽去搞AI了。我只想說，祝她好運。專攻演算法的同學我也認識，一樣的問題，數據清洗會不可避免地佔掉大部分工作時間，這跟你技術牛不牛沒關係，除非公司單獨招個實習生幫你干這些「臟活」，否則這些時間是你必須浪費的。覺得搞這個可以整天跟數學打交道，經常能搞出些創新的東西讓老闆另眼相看的同學，可以洗洗睡了。

談個大問題，技術人員真正出路在哪，我認為在於要把手伸向業務，實現去螺絲釘化，就我目所能及，能在公司裡面能快速提拔的，不是做的東西有多麼高大上，而是做的項目能對公司的核心業務起到幫助的。比如你是做AI美顏的，你既不太可能，也沒有必要在早已成熟的AI演算法上有所創新，但是你注意到男人也有美顏需求，牽頭或者跟別人搞了一個男士美顏的產品，產品火了你也就上去了。進一步地，你有資格參與產品和運營層面的會議了，對這兩個方面有所積累，全面地了解了一家做美顏app的公司如何運轉，自然和基層碼農不在一個層面上。

Android 和 iOS 平淡是因為初級工作被前端搶了呀。

前端將統治所有 UI 層。

現在一個公司只需要招一兩個資深安卓，然後配一堆 JSer 就行了。

平淡或者過氣，這是肯定的，我們唯一不能確定的就是到來的那一天的時間。

任何技術都有一個擴散的過程，等到它擴散到一定程度，就變成平民化，人人可得可用，這種時候，技術紅利就結束了。在這個技術平台上，大家更關心內容的生產。

先說結論：大數據、AI，不會像 Android和iOS那樣三五年內迅速歸於平淡！

然後我們再來聊為什麼。

【1】 Android 和 iOS

Android 和 iOS ，本質上一種用於搭載和運行其他應用的基礎軟體平台，類似 Windows 、 Linux 、塞班（Symbian）那樣。每一種這類基礎軟體平台，都有興起、發展、成熟、衰落的過程。因為用戶的新需求總是不斷湧現，對基礎軟體平台的要求會越來越高，只要這些平台的更新、迭代速度跟不上用戶需求，就會有新的基礎軟體平台如雨後春筍般冒出來滿足新的需求和用戶，接管老平台的市場。

所以，這些基礎軟體平台，會有比較明顯的紅利期，一旦這類平台用於解決的需求被滿足，紅利期就結束，進入成熟期，用戶需求發展得再迅猛一些，這類平台就會迅速進入衰落期，那隻掌握這種平台相關開發技術的開發者，就會受到衝擊，必須學習新的技術或業務，才能開拓新的職場路徑。對開發者來講，這時就進入拼積累、拼內功的時候，那些精通技術或熟悉業務或兩者兼而有之的優秀人才，會更加搶手，同時，那些學習力更強、更能適應變化的終身學習者，也會非常搶手，並且能夠迅速在原有的基礎上嫁接新的發展方向，蝴蝶更多機會。而僅僅是靠著平台紅利進來，沒能很好修鍊出個人技能的開發者，會舉步維艱甚至出局。而在局外，腦子裡還閃現著紅利期的誘惑，想要進來的新人，則會發現，根本沒門——隨隨便便一個小公司招人都要求2年以上相關開發經驗。

【2】大數據和AI

在計算機和軟體領域，AI 的歷史非常悠久，搜索引擎、圖像識別、語音識別、自然語言處理，哪一種 AI 應用，都比 Android、iOS 的生命周期長。

大數據也一樣，僅僅從 2005 年 hadoop 誕生開始算起，都比 Android 和 iOS 早，更何況，大數據的伊始，是在 1980 年。（1980年，著名未來學家阿爾文·托夫勒在《第三次浪潮》一書中，將大數據熱情地讚頌為「第三次浪潮的華彩樂章」。）

大數據、AI 是各種解決問題的理念、思想、思維、方法、技術的集合，它們是動態成長的，會隨著問題的不斷發展和演進而不斷進化。它們可以一邊解決問題，一邊反饋自身，問題的解決會促進自身的進化。這樣就會形成良性循環，導致這種思想、方法、技術，能夠不斷豐富，像滾雪球一樣越來越大。大到一定時候，它們就成了各行各業的血液，即便進入了相對成熟的時期，常見的技術成熟了，還會引發應用的爆發——應用是無限的，隨著需求持續湧現。

【3】結論

將 Android、 iOS 和大數據、AI 這麼一比較，結論是顯而易見的：大數據和 AI 是抽象層面的思想、方法、工具，比具象的 Android 類軟體基礎平台擁有更長久的生命力，也比它們更容易生長出新的東西。

最後回到題主的問題上來，你可以先精通移動開發，但也應該在 Android 或 iOS 開發技術之外，學習其他的東西，比如業務，比如大數據和AI相關的方法、工具，這樣某個平台的興衰，就不會對你的職場發展有致命的影響。

這是必然的，中國的海量人口決定了任何行業，只要很賺錢，門檻低，就會吸引大批人湧入，然後供需失衡，供大於求，紅利下滑消失。

如果某行很賺錢，還能持續很長時間，那肯定是門檻高，不是普通人能入行的

現在正在搞學人工智慧，機器學習，大數據的的都告訴你不會。

當年他們吹移動互聯的時候也是這樣的。餅畫的比誰都大。

不信你現在去google搜搜關鍵字「移動互聯時代」。

後來大數據火了，生怕自己家少個雲。做點什麼都得跟「雲」沾個邊。

現在輪到機器學習，AI了，五年後會不會回歸平淡我個人說不好。

但是那些給你畫大餅然後說不會的，肯定是不靠譜的。

andorid和IOS是什麼，無非就是一種面向C端用戶的操作系統而已，和WINDOWS並沒有本質區別。這兩者並沒有帶來顛覆性的技術和社會形態革新。

大數據和AI可不一樣，他們是會對（其實已經對）整個人類社會產生重大變革的新技術形態。