AI行業現階段最需要什麼樣的人才？

01-13

小弟明年研究生畢業，方向是圖像識別，但不想做技術，做什麼比較合適呢？

最需要的是「船長」！（發現業務方向的人）

由於深度學習的爆發，僅CV方向就有大量演算法在井噴：人臉、表情、動作、肢體、車輛、遙感、場景、通用物品、SLAM...

然而新的演算法就像從未被人嘗試過的新航道，沒有人知道到底有沒有新大陸...

對任何一種方向的錯誤投入，都可能導致一家創業公司成為炮灰。在這種情況下，能找出靠譜方向的人就顯得尤為寶貴。

技術從來不等於商業價值，只有被恰當利用的技術才可能帶來巨大的回報。

這裡面的關鍵點有兩個：1. 應用場景 2. 商業模式。前者需要在眾多可能的方向中發現需求最強烈、應用條件最成熟的那個；而後者則需要扼住業務鏈中最有價值的一環，使利益最大化。

網頁搜索技術最初只是通過網頁間相互引用判斷網頁重要性的演算法。如果當初只被用來計算科學論文的排名，那麼可能永遠都沒有Google。而如果不是李廠長一怒之下直接向C端用戶開放和競價排名，百度可能還是為門戶網站提供站內搜索工具的小公司。

演算法轉化到產品面臨的挑戰：

演算法到底有沒有達到可應用的臨界點？
哪裡有痛點強烈的場景？

就算找到一個應用行業，能不能賺到錢？
... ...

曾經有一篇論文是讓圖像識別技術幫助醫生看X光片。作為研究方向，這是值得加油的。但作為業務方向則是另一回事：

演算法準確性能達到醫生水平嗎？
是否只適用於特殊場景下？
看片對醫院來說，是否是一個亟需解決的痛點？
政策法規是否允許機器代替專業醫師？
節約出的人力成本，是否能帶來足夠的回報？
向醫院提供硬體設備，還是向患者提供在線自助讀片的服務？
... ...

每一個約束條件背後都是巨大的不確定性，而約束條件的交集，就是AI同行們正在嘗試的航向，隨時可能觸礁。

「船長」的必備素質：

開創業務方向並不是容易的事，而具備足夠素質的人尤其稀缺。這需要：

行業視野開闊
做導購APP還是圖像增強，是2C還是2B，做金融還是電商？

如果對各種行業運作方式沒有足夠的了解，是不可能找到適當的應用場景的。

能提出恰當的解決方案
這一方面要求對原材料（演算法）的邊界有足夠的了解，另一方面需要對應用場景和用戶需求有深刻的認識，同時還需要對構建解決方案的有清晰思路。只有這樣才能做出技術上可行，同時讓用戶相見恨晚的產品。
對商業有足夠認識
是做工具還是平台，做在線服務還是APP？
構成這個產品的要素有哪些，技術是否可能被繞開或替代？

如果不能讓技術再業務鏈上佔據最有價值的環節，即便找到應用痛點，最終也可能為他人做嫁衣。
足夠的心理準備
如果前3條都是能力限制，那麼這一條可能才是攔住優秀人才投身AI行業的最大障礙。
如前文所述，AI行業至今還沒有清晰、確定會帶來產業革命的模式。
目前所有的AI公司（我司、曠世、依圖、格靈深瞳...）都是探礦隊，聚在AI這座礦山上各展神通拚命挖掘。儘管偶有所獲，但心目中尋找的巨礦還遠沒出現。是堅持還是放棄？
離開熟悉的水域，撲向煙波微芒的大洋深處，沒有在業務忽起忽落中來回折騰過，在夜深人靜之時輾轉反側過的人很難面對這種不確定性。這麼看來，有過創業失敗經歷的人可能更適合。

個人覺得現在可能最需要的是兩類人吧。

1. 懂AI的PM或商業人才。這一點前面各高票答案已經說了很多了，這裡就不再重複。商業和產品的sense以及人脈是需要在行業中浸淫多年才能得到的，同時還需要懂得技術的邊界，技術的能與不能。完整的思考絕大多數時候才是決定成敗的因素。技術拼死拼活搶了3個月工期，不敵開始決策錯誤6個月返工。至於技術的壁壘，其實遠沒有想像得那麼高。

不過這一點應該99%的應屆畢業生做不到，這也就是為什麼我一直不甚看好校園創業，或者覺得大多數校園創業格局太小的原因。養家糊口也許可以，但是這樣和加入一個成熟的團隊又有什麼區別呢。

2. 懂AI的HR或獵頭。其實這一點可能大家一般都直接忽略了，然而現在在AI行業里稱職的HR和獵頭基本上是鳳毛麟角。能夠根據一份簡歷和之前的研究或項目經驗大致判斷一個面試者的能力和適合崗位並不是一個簡單的事情。

首先，研發崗位是一個非常"私人化"的職位，不像工程崗位，看到履歷和項目經驗就已經可以判斷個七八成。同樣一個問題，不同水平的研發人員可能有完全不同然而都可以解決的方式，評價其優劣和適合程度，這件事情能做好本身就已經可以PhD畢業了

其次，研究是一個收益沒那麼快的工作，其實有很多潛力非常不錯的"璞玉"，沒有著光鮮的教育背景，也沒有著閃亮的paper，但是研究的思維和學習的能力都很優秀。如何通過之前一些相關經歷和一些簡單的問題快速篩選出這樣一批人就更加考驗HR或獵頭了。

一財君對AI相關職業的研究是這樣滴~

首先，互聯網公司都在搶奪AI方面的人才。主攻大數據招聘的e成科技發布的《BAT人工智慧領域人才發展報告》顯示，目前百度的AI人才儲備量占員工總數的2.54%，為BAT之最。但2015年到2017年，起步稍晚的阿里巴巴和騰訊的AI人才增幅分別為325%和285%。

除了BAT，網易的人工智慧實驗室的規模已經超過100人。在7月15日的網易未來科技峰會上，網易發布了3款人工智慧產品——定位於增強現實的瀏覽器「網易洞見」，一站式智能對話開放平台「網易波特」以及基於神經網路機器翻譯技術的內容智能編譯平台「網易見外」。此外，滴滴出行、餓了么、小紅書等創業公司也在搶奪人才。

作為新興技術，AI的人才市場開始出現供不應求。「平均每個AI候選人會有5到10個工作機會。」人力資源服務公司任仕達的高級經理楊亮說。楊亮在AI獵頭領域已有3年工作經驗，據他觀察，隨著AI的普及，未來兩三年內供需不平衡可能會逐漸緩解。這意味著至少兩三年內，AI行業都是一個高薪且低競爭的行業。

所以，如果你對AI行業有興趣，眼下或許是加入的好時機。

A 進入AI行業，你可以做哪些工作？

人工智慧領域的研究跨度較廣，包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。其中，現階段需求量最大的3個領域分別是語音識別、圖像識別和自然語言處理。

這些工作的共同點是都需要大量數據和深度學習功能。因此，演算法策略和數據分析稱得上是人工智慧的兩大核心崗位。

演算法工程師主要有視頻演算法工程師、圖像演算法工程師和音頻演算法工程師。「如果把AI看作學生，演算法工程師就是老師。」曠視科技市場部負責人謝憶楠說。演算法工程師的任務是制定一套合理的演算法邏輯，讓AI快速、準確地習得某個指令。這個職位需求的基本技能是編程，因此需要很強的邏輯思維能力。

人工智慧深度學習的基礎是大量的數據輸入，數據分析師要做的不僅是獲取海量數據，還要從數據中找出規律，給出解決方案。可以說，「演算法工程師給的是學習方法，數據分析師負責提供教材。」數據分析的另一個崗位是數據標註。大規模的數據里難免會出現「污染」數據，但AI不能自己判斷輸入數據的正誤。「如果輸入1000張照片並告訴AI這是貓，但其中混入了一張狗的照片，那麼AI會強制認為這是貓。」謝憶楠說，這時候就需要數據標記將錯誤信息剔除。

除了這兩類核心的研發崗位，AI行業還需要大量應用型人才。AI是一門技術，最終落實成產品才能具備商業價值。在謝憶楠看來，解決方案是未來比較有潛力的崗位。因為未來AI會和許多行業結合，如何把AI核心技術和行業需求綁定是一個很大的考驗。因此，制定解決方案的不僅要了解AI技術本身，還要了解哪些行業對AI有需求。

B 除了BAT，還有哪些公司在招人？

創業公司

一些AI垂直領域的創業公司在AI人才爭奪戰中表現出不輸大公司的競爭力。謝憶楠所在的曠視科技的大多數研發崗位人才的待遇並不比大公司低。此外，滴滴出行、餓了么等公司也在布局人工智慧調度，湧現了大量工作機會。

除了提供超過大公司的薪資水平，創業公司也在完善自身的人才培養體系。曠視科技會為剛進公司的新人提供為期3個月的培訓，並讓他們儘早接觸項目。3個月的培訓結束後公司還會配備一對一的導師leader，幫助新人適應崗位，解決一些基本問題。

傳統行業

隨著AI技術進一步發展，它將與越來越多的傳統行業結合。據楊亮觀察，目前與AI結合較為緊密的行業有金融、汽車、醫療、零售和教育。

為企業提供人力資源服務的e成科技也在招聘AI人才。「以前網路上一個職位對應幾萬份簡歷，現在可能是上百萬份，如何篩選信息成了關鍵問題。」e成科技合伙人劉謝榭說。利用AI可以讓篩選更加準確高效。

同樣需要AI人才的傳統行業還有媒體。今日頭條於2016年成立了人工智慧實驗室，研究人工智慧演算法在移動端的應用。計算機視覺演算法、移動端圖像演算法、底層優化演算法等研發崗位都是其需要的人才。

C 進入AI領域需要什麼能力？

學歷很重要

AI研發崗位屬於計算機科學中的高端崗位，對從業者的技術功底和學習能力都有很高要求。語音識別、圖像識別和自然語言處理等專業在本科階段研究不夠深入，楊亮推薦的AI人才中，2／3是研究生，1／3是博士生。「我們接到的AI訂單裡面有80%來自研發部門，更看重研究的深度。」楊亮說。

e成科技招演算法人才時最看重的也是學歷而非經驗。「學歷至少在研究生以上，如果有BAT、Google等大公司背景可以是一個好的背書。」曠視科技更看重人才的能力——某種程度上，能力和學歷可以畫上等號。「如果連最簡單的應試學習都做不好的話，那你能力肯定有問題。」謝憶楠說。

計算機、數學、統計學專業最熱門

此外，人工智慧的研發涉及大量數據，因此數學能力是這些公司最為看重的能力。e成科技超過半數的AI人才是數學專業出身。根據《BAT人工智慧領域人才發展報告》，BAT的AI人才庫中，數學、統計學專業的人才佔比僅次於計算機類。

綜合能力

與傳統計算機行業不同，AI人才不僅要懂編程，還需要具備更強的綜合能力，比如AlphaGo的研發者自己也要懂圍棋。網易旗下的智能雲客服產品網易七魚在招聘AI產品經理時，不僅要看應聘者是否具備AI技術的基礎知識，產品和商業市場思維也被納入考核標準。「AI產品經理也要跑客戶，了解市場和客戶需求，入職後還要接受客服培訓。」網易七魚產品總監段毓錚說。

海歸不一定佔優勢

相對國內，海外針對AI的教育體系更加成熟，很多人會選擇出國攻讀碩士和博士。楊亮發現，AI人才典型的簡歷情況是在國內讀完本科，出國讀研讀博，畢業後留在矽谷或者回國。

但從企業招人的角度看，海歸併不一定佔優勢——e成科技的AI人才就主要來自清華、北大、中科大等國內一線高校——相比之下，研究方向、學習成績和競賽成績是更能體現AI人才研發能力的指標。楊亮認為，中國的AI人才不輸海外人才的原因之一，是中國企業擁有足夠多的數據。「AI產品需要數據訓練，企業提供的數據越多，越能為AI人才提供更好的平台。」

D 這個領域的薪資水平都不低

AI人才屬於互聯網行業的尖端人才，市場需求量大，供給少，薪資水平自然水漲船高。即便是在薪資水平普遍較高的互聯網行業，應屆畢業的AI人才與普通程序員的收入差可達300％。

根據任仕達提供的數據，進入AI行業核心研發崗位的應屆博士生起薪一般不低於50萬元。如果有5到8年的開發經驗，年收入大部分在100萬元到200萬元之間。同樣是研究生學歷，AI行業的起薪在30萬元左右，也比普通的應屆研究生薪資水平高出至少3倍。

但如此高的薪資水平會不會一直持續？楊亮和劉謝榭都持保留態度。楊亮認為，未來AI普及之後人才供求比會趨向平衡，劉謝榭也認為隨著資本逐漸冷靜下來，未來AI人才未必能產生這麼高的價值。但眼下還是窗口期。

E 進這一行你需要做哪些準備？

應屆生：深造和實習

高學歷和大公司的工作經驗都會為應聘者帶來優勢。楊亮建議博士生在讀博期間多接觸一些跟AI相關的項目。微軟、阿里巴巴等大公司都有高校合作項目，抓住這些機會等於快人一步。本科生和研究生能接觸到的大公司資源較少，對這部分人來說，更重要的事情是打好知識基礎。

對於去什麼樣的公司實習，楊亮認為，最好是去一線大公司，因為「大公司無論是技術水平還是培養體系都相對成熟，實習的含金量高，更有利於拿offer。」

來自創業公司的劉謝榭也同意這個觀點，「創業公司或許能給出更高的薪資待遇，但對應屆畢業生來說，大公司帶來的成長更加全面。」

如果對自己的專業能力有信心，但又覺得讀博周期太長，參加競賽或許是一條捷徑。曠視科技每年都會從ACM程序設計大賽中選拔人才，一些高校舉辦的學科競賽也是企業尋找AI人才的重要途徑。此外，內推也是AI企業常用的招聘方法。多和身邊的技術大神交流，無論對專業知識提升還是日後找工作都有好處。

跳槽時想好去大公司還是創業公司

對有工作經驗的公司人來說，擺在眼前的選擇會更多。在行業整體薪資水平都很高的情況下，薪水不再是決定AI人才去留的決定性因素。

在跳槽到AI行業之前，最好先想清楚自己更適合研究型還是業務型。研究型人才專業能力要求高，跳槽難度相對更大。如果你本身就是互聯網行業的研發人員，通過一定時間的學習或許能達到AI行業的要求。但對於非互聯網研發人員來說，很難「半路出家」。謝憶楠建議，先從事業務型工作，比如產品經理和前文所述的解決方案是更加穩妥的選擇。

至於跳槽方向，對公司人來說，大公司和創業公司各有利弊——大公司平台大，但條條框框多，不夠自主，小公司更能發揮個人價值，但許多創業公司在人才戰略方面還很迷茫。「一方面AI人才培養周期長，另一方面不知道如何留住這些高級人才，」劉謝榭說，「比如一個有5年經驗的演算法工程師在創業公司算是資深，沒有人能再培養他，但在BAT可能只是中級。」

選擇創業公司還是大公司更多看個人需求。但就行業來看，目前AI技術的應用更多是在C端產品服務，比如金融軟體、購物網站、搜索引擎等等。這類公司未來的發展潛力更大。

無論是應屆生還是有工作經驗的公司人，在進入AI行業之前最好都做好思想準備。畢竟與高薪資對應的是高強度的工作壓力和高難度的工作任務。「這個行業是非常苦的，來之前最好了解清楚，」劉謝榭建議，「做好思想準備，其次才是技能方面的準備。」

缺既懂AI技術又懂實際業務的人才。

懂AI技術含義是較為系統深入地學習過機器學習，能講清楚神經網路訓練過程，用過Caffe或者TensorFlow或別的框架。

懂實際業務是深入理解某行業、知道某行業商業模式和痛點。

對於還沒有畢業的研究生，要懂實際業務不太現實。改為能迅速學習、為現實業務提供機器學習方案並能動手實幹的人。

如果你想做產品，那就往人機交互方向靠，未來這個行業收入超碼農的存在；

如果你想做市場，那就多玩玩美圖秀秀、去銀行體驗一下刷臉開戶、支付寶體驗一下人臉支付、自己家門口裝一個人臉識別門禁、買一個螢石之類的看家寶、多看看視頻監控行業的信息、逗一逗弱智的交互機器人們；

如果你想做項目管理，那你最好往偏產品的項目管理上靠；

如果你想做公關，那你多看看新智元、機器之心和AI那點事；

如果你想做創始人，現在已經沒機會了。這個領域的路已經堵死了，你已經趕不上前人了。

AI應用產品經理。AI會改變當前的信息結構、產品形態、交互方式……這將形成應用領域的「代際」變化（參見智能手機與功能機）我們只知道它會趨向簡單，但到底在不同領域、不同場景下呈現什麼面貌，所有人都在探索，亦無一定之規。

產品經理

AI行業並不缺少一般意義上的技術大牛，FLAG、BAT、Microsoft、科大訊飛，等等一大票的公司的科學家都在攻克AI底層，各類頂級研究人員的論文、著作、演算法充斥在GitHub、google學術上，可以說這是歷史上首次全世界人民聯合起來搞一項技術。

從一定意義上講，現在的技術在一定程度上已經達到了商用標準，而之所以沒有步入千家萬戶，並不是人們接受度差，而是技術沒有得到有效合理的利用，應用層面上沒有將底層技術的商業價值體現出來。

而做到這一點，這個行業缺少的是極具創造力和洞察力的產品經理，可以將技術自然的運用到應用層面，從而發揮出技術的商用價值，就像Xerox PARC拼死拼活搞出來GUI，最終的發揚光大靠的是喬布斯這個「小偷」。

你好,AI行業現階段最需要什麼樣的人才？這一直是一個長期討論的話題，不同的時期需要的人才的標註不一樣，這篇文章我會從當下AI的大環境入手，去分析時下什麼樣的人才更被人工智慧青睞，管理型人才是否會滿足AI 的需求。

希望這個回答能夠對你有所幫助。文章原創，嚴禁任何單位或個人進行轉載！

文章來源真實，其中涉及到關鍵步驟已列好並歸類，請重頭慢慢閱讀,喜歡就Mark吧！

大街小巷人人熱議AI，至少也有小半年了，近期「換行」者中，創業、投資及互聯網幾個方向的熱度明顯也被人工智慧壓了下去。

七月初，國務院關於印發新一代人工智慧發展規劃的通知不僅將這個行業列到了國際競爭、經濟發展和社會發展的戰略級新高度，更是被很多人解讀為「舉國之力」，大力發展。

人工智慧帶來的「新挑戰」中，以與人類爭搶就業機會最值得關注，職業安全性的隱憂持續蔓延。之前討論過汽車等傳統製造領域已頻遭重創，其實教育醫療等千年長青行業也在陸續受到衝擊。

商業管理型人才的機會

01. 一張圖看懂AI行業的結構

下面這張圖，稍微看看，行業結構也就基本清楚了：

-基礎層，關乎計算能力，硬體涵蓋晶元、感測器與中間件，如寒武紀、深鑒科技；雲計算有老3A（AWS、Azure、Aliyun），也有七牛雲和青雲等後起之秀；

-技術層，有幾個原本屬於人類行為的動詞說得很形象：compute, sense, comprehend, act; 計算機視覺和語言識別兩個領域最熱門，商湯科技、曠視科技、雲從科技已經是獨角獸級別；

-應用層，一方面是智能硬體，另一方面可以統稱「智能+」。這些消費終端里機器人最火、無人機及其他硬體很酷，如 Rokid 等智能音箱；智慧金融里一直很熱的機器人智能投顧已經熱了好一段時間，像雅森科技等醫學影像公司在智慧醫療領域確實也在醞釀厚積薄發。

02.資本狂熱追逐，科技巨頭是實力主角

先看一張表，這是過去一年，獲得融資量最大的幾家人工智慧企業如下表。

這不僅是真金白銀的真實投票，也是各大實力集團的戰略押注，所以數據的可參考性會更強。

從IT桔子上我們獲得了一些統計數據，看到大多數 AI 初創企業集中於通用 AI 技術；消費級終端是很大的投資熱點，如智能機器人、無人機和智能硬體等。行業場景應用方面雖然公司的絕對數量不少但65%集中於自動駕駛、智慧醫療和智慧金融。而自動駕駛、計算能力平台、計算機視覺及智能機器人這四個領域的初創公司幾乎瓜分了大半的 AI 行業融資。

真金白銀和各派實力角逐下的股權市場的數據對高潛公司的選擇非常有幫助，跟進最新數據，可以捕捉到一些高潛力企業和團隊。

資本界在人工智慧的角逐，猶如武當少林的華山論劍，各派各系本輪戰績如下：Google 系有出門問問和品友互動等獨角獸而穩獲第一；百度系因陸奇帶來的調整，大牛流失紛紛獨立門戶，目前斬獲融資已超 30 億元人民幣；來自於微軟及微軟亞洲研究院科學家團隊的初創公司位列第三，代表作如小魚在家、億航智能和自動駕駛Momenta；阿里系交出了Face++依圖科技和 Rokid 兩張成績單，估值排在第四；獨留騰訊系本輪墊底。

03. 行業人才需求強烈，供給嚴重不足

一方面是人才嚴重不足，連人民日報都在海外發文「中國人工智慧人才缺口超500萬，供求比例僅為1：10」；Linkedin的數據也顯示，過去三年全球範圍內該平台上發布的AI職位數量從5萬上升到44萬。

AI領域人才供需失衡主要集中在：

-基礎層：軟體、演算法和機器學習等幾大發展迅猛但又是行業瓶頸的領域；

-技術層：計算機視覺和自然語言處理領域首當其衝；

-應用層：機器人行業恰在最風口；在「人工智慧+」領域，既是原行業專家，又懂人工智慧的交叉型人才尤其供不應求；

另一方面，各行各業的人才都迫切參與到這一歷史洪流中來。

中美兩國都將人工智慧定位國家戰略級發展產業，展開了對現有人工智慧頂級人才的全球搶奪，不僅加速了全球範圍的人才流動速率，也大勢推高了人才的市場價值；

同時，兩個鄰近領域也被嚴重滲透：

-科研機構對人工智慧商業領域的人才補給：對國內外頂級科研院所的教授博士的圍獵兩年前就開始了，這個渠道基本被竭澤而漁；

-互聯網和信息化等技術上最接近的領域的人才轉型：每個個體都積極主動，不是在學習培訓，至少也在看書或聽喜馬拉雅，都迫切希望能快速證明原有知識和技能對的「可轉移性」。

這時，不懂技術的商業管理型人才愣住了：

高科技，不懂啊；管理技能作為看家本領，貌似正是人工智慧的替代目標啊；何況整體產業都處於初期，絕大部分企業也都還規模尚小，即使有機會加入，那這些牛人肯定也不服外行人管啊。

04.非技術型商業人才如何做好職業及事業的準備？迎接人工智慧時代的到來

1.敏捷學習以求快速適應，重點準備「人工智慧+」

關於人工智慧，必須得多學習了解，大勢面前，最優策略一定是融合適應。管理和技術最大的差異就是，管理是更容易跨行業的。所以商業管理型人才一定不要認為AI是不可了解和認知的行業。商業管理型人才的轉型重點應該是在應用層，而非對技術和專業要求都極高的的基礎層和技術層。與上一輪的「互聯網+」類似，「人工智慧+」核心是要完成各產業的智能化升級，實現融合創新。製造業、農業、物流、金融、商務、家居幾大重點產業已經開始人工智慧應用試點，規模化的應用或將很快鋪開。

我們來讀一下國務院文件里關於智能製造的那段話：

「圍繞製造強國重大需求，推進智能製造關鍵技術裝備、核心支撐軟體、工業互聯網等系統集成應用，研發智能產品及智能互聯產品、智能製造使能工具與系統、智能製造雲服務平台，推廣流程智能製造、離散智能製造、網路化協同製造、遠程診斷與運維服務等新型製造模式，建立智能製造標準體系，推進位造全生命周期活動智能化。」

很多新詞，看起來意義宏達，其實就兩個層面：第一是實物的智能化，如裝備、軟體及系統等，第二是經濟活動的智能化，實現製造全生命周期的所有活動的智能化。

實物本身的研發創造門檻很高，隔行如隔山，但實物的生產運營以及市場銷售，基本的商業邏輯還是不會變的。經濟活動本身，具體的方法可以變，實現效率可以變，但價值的創造邏輯也是不會變的。

在原有行業背景的基礎之上，快速了解和學習AI對行業價值鏈當中的哪些環節發生影響和改變，以及怎樣的影響和改變，並且延展開來。AI的發展已經有了相當的時間，各種各樣的分析文章和研究報告也能夠比較容易的從公開渠道獲得，例如36氪，麥肯錫季刊等這些前沿的學術平台上都能夠找到相當數量的優質分析文章可供學習，此外，同行業內對AI有了解的人士交流也是快速學習最新知識的有效途徑。

2.技能盤點並重構核心壁壘

各種駭人聽聞的機器替代人類的故事，有人惶惶終日，有人置若罔聞。歷史上經歷過多次產業革命，大可不必如此。

第一步還是應該盤點一下自己以及現有的工作，明確一下自己有哪些技能及核心競爭力？現有工作需要哪些技能？哪部分是至少三年內機器無法輕鬆替代的？這部分的價值如何？價值的度量甚至可以從自己收益、公司盈利、產業發展和社會意義幾個維度多做衡量：

小概率被機器取代的工作，典型要求從業者具備：

- 對人性的深度把控，如社交融合、協商平衡、堅毅敏銳，移情共情等人情練達之術；

- 在人際上的遊刃有餘，如妥協包容，說服影響，激勵授權，遠見卓識及大局意識等；

- 對美的敏銳感知，在靈感和創意間長袖善舞，如文化創意，藝術文學和各種和審美相關的技巧。

大概率被衝擊的工作典型有如下特徵。

- 單一性：如工作中接觸的人、產品、項目、觀念、方法論、商業邏輯、收益渠道等變化很小；或即使社會變遷行業發展呼喚改變，而受制於職位，或妥協於慣性，也少有感知，乏有行動；

- 重複性：無論工作有多麼複雜看似高大上，或者商業關係中如何甲方貌似主動權穩握，但日久天長，難度降低，無需用心，甚至用腦漸少；

- 可替代性：無需天賦，不講創意，即使有一定門檻，但換個智商正常的其他人經過類似的技能訓練，讀類似的書，拿一樣的證，就可以直接替換；

而且人類培養一個人才，無論是18年的高中生還是25年的研究生，對於未來的AI物種，都是複製黏貼間的秒替。

如果你的工作符合以下一項或幾項特徵，建議這場工作革命最好自己率先發起，爭取更多主動性。

第二步，努力將這部分不能被替代而又價值明顯的技能放大一些，結合有些可以敏捷習得的新技能，划出虛擬邊界，構建人才競爭的核心壁壘。

當然，任何的邊界和壁壘都是可以被攻破的，但天下武功唯快不破。所以又回到第一點：持續敏捷地學習，並快速適應愉快融合。

3.摒棄大公司心態，擁抱創業生態

進軍AI的，除了上文提到的科技巨頭之外，很多都是創業公司，中國市場見證了人工智慧投資的熱潮。在蘇州，人工智慧公司可以獲得 80 萬美元的補助用於建立分支機構；而深圳為前來建立研究機構的企業提供了 100 萬美元的獎勵。目前，人工智慧已經吸引了絕大部分的天使輪/A輪投資，在 2016 年，這個數字超過了 90%。

如果還懷抱著大公司情節，就會錯失很多好的機會，所以儘早放下某些潔癖式的成見，擁抱創業公司。可重點關注在無人機、語音識別、圖像識別等我國優勢領域的企業，以及智能機器人、智能汽車、可穿戴設備、虛擬現實等新興領域快速發展起來的新銳企業。

所以，之於人工智慧，即使不懂高科技技術的商業管理型人才，雖然會承受一定的轉型壓力，但依然有廣闊的用武之地。

想要了解更多精彩內容，請關注微信公眾號（換行 ID:huanhangedu）！

換行君相關文章：

那些成功換行的人，都做對了什麼？|換行

打破35歲魔咒|換行

從技術男到管理精英，個人職業發展所需經過的關鍵階段|換行

連一汽都被強勢洗牌，汽車人該何去何從？|換行

AI人才奇缺，商業管理型人才有機會嗎？|換行

你以為那些牛校MBA的年薪是怎麼翻翻兒的？|換行

25歲，你過上自己想要的生活了嗎？|換行

換行edu（換行），是【北京換行教育科技有限公司】的簡稱。是中國務實高效的商業管理型人才發展專家。

藉助移動互聯網平台及共享社交化模式，為人才持續發展提供敏捷的學習方案，讓高潛力人才獲得無邊界提升，持續性成長；同時為商業管理精英提供私人定製的職業發展諮詢服務，高效助力每一次職場轉型和躍升，運維職業生涯全周期。

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

歡迎關註：

知乎機構號：換行edu

換行微信公眾號：huanhangedu

換行官網：www.huan-hang.cn

換行新浪博客：換行edu_新浪博客

我就不說別的，拿鎚子科技的手機發布會來說。

我相信做NLP的從來沒有把分詞這個技術能想到做出單獨的一個產品吧，只是把分詞作為nlp最底層的技術服務於後面的實體識別，關係識別、信息抽取等，然後再到產品。

然而鎚子的這次發布會讓我覺得這樣最底層的技術竟然可以做出一個產品，Bigbang（真的可以讓生活大爆炸）

所以AI需要啥人才啊，需要的是如何把技術變現，並且可以做出讓大家可以接受的產品。

從最笨的層面講，如果能十分清楚的了解從數據集→模型訓練→發布服務→數據迴流的技術實現過程，且十分了解該技術應用到業務方的具體場景（場景需求、介面封裝與個性化定製、機器資源、數據存儲與同步等細節問題），耐心趟過幾次河，再鈍也能培養出市場敏銳度了。如果沒趟過河就拍腦袋，告訴自己未來ai什麼人才最稀缺、哪個ai方向最有前景，不具說服力。憑孤勇，也可一試。

簡單來說是如果可以幫有大量數據的客戶找到應用場景，你就發了

一個大牛

懂技術並且知道客戶需求的來設計產品的。