從AI熱潮開始蔓延的一刻起，人才短缺問題就成了這一行業(yè)中的主旋律。數(shù)據(jù)顯示，中國人工智能人才缺口超過500萬，大數(shù)據(jù)人才缺口高達150萬。對于這篇有著良好的信息基礎建設和數(shù)據(jù)富礦的土地，人才的缺失仿佛已經(jīng)成了中國AI發(fā)展的唯一阻礙。

需求缺口出現(xiàn)，供給自然會補上去。有關AI人才的培養(yǎng)不僅上升成為國家級策略，讓各大高校爭相開辦相關專業(yè)，企業(yè)們也紛紛聲明表示支持人才生態(tài)發(fā)展，就連各種打著“三個月學習AI年入80萬”的培訓機構，也如雨后春筍一般冒出了頭。

尤其今年中國第一批共三十五所開設人工智能專業(yè)的院校正式開始招生，四年之后，中國第一批人工智能專業(yè)學生就將“投入生產(chǎn)”。在這種前提之下，我們可以重新審視AI人才這一話題，以及其背后的培訓產(chǎn)業(yè)鏈。

AI解渴？算法崗競爭為什么越來越激烈

每年一到校招時節(jié)，似乎都會有新聞夸張的渲染“今年共計有XXX萬應屆畢業(yè)生”，仿佛每個人都有畢業(yè)即失業(yè)的危險。而另一邊在企業(yè)里，我們看到的卻是人才荒，HC怎么都不夠用。這種用人單位需求和人才能力之間的常見的不匹配，在AI領域顯得格外突出。

就在社會各界都呼吁著“增強AI人才建設”的時候，另一種聲音也悄悄出現(xiàn)：從2018年起，就開始有了“CV方向人才供大于求”、“19年/20年校招算法崗競爭異常激烈”的說法。一些企業(yè)官媒或個人員工，例如京東白條、格靈深瞳，也發(fā)布過類似“簡歷數(shù)量多、競爭較大”的言論。同時在BOSS直聘出具的《2019前三季度新一線城市技術人才洞察》中也提到，今年“算法工程師”一崗的平均薪資下降了9%。

雖然從以上的數(shù)據(jù)無法證明AI人才飽和，但可以肯定的是，2016-2018年間那種過熱式的人才荒，似乎已經(jīng)得到了一定的緩解。其中原因，首先是和整體資本市場走勢有著密切的聯(lián)系，用人需求整體縮減，自然各個領域的需求都會呈現(xiàn)出不同程度的縮減。

但除此之外，這幾年以來還發(fā)生了什么，緩解了AI領域的人才渴求？

第一， AI企業(yè)向服務型轉變。

這幾年AI企業(yè)，包括大量以往的科技互聯(lián)網(wǎng)提到的最多的就是“賦能”、“產(chǎn)業(yè)互聯(lián)網(wǎng)”等等關鍵詞。服務產(chǎn)業(yè)、服務傳統(tǒng)行業(yè)，已經(jīng)成為了一種主旋律。尤其這些企業(yè)已經(jīng)將種種AI能力打包成“軟、硬、云”一體的解決方案，AI能力的獲取已經(jīng)不再那么困難。就算是小型企業(yè)，往往也能通過AutoML式的工具方便的制作自己需要的模型。

成熟企業(yè)的服務意識增強，自然截胡了其他產(chǎn)業(yè)“AI自強”式的人才需求。

第二， AI領域熱度的下降。

和任何一個“風口”一樣，AI領域的熱度，尤其是資本關注度會呈現(xiàn)出自然下降趨勢。據(jù)投中研究院與崇期資本聯(lián)合發(fā)布的《2019中國人工智能產(chǎn)業(yè)投融資白皮書》顯示，2019年前三個季度中國人工智能領域的總體融資規(guī)模僅僅為577億人民幣，但去年這一數(shù)字達到了1189億。在2017年，騰訊研究院和IT桔子聯(lián)合發(fā)布《2017 年中美人工智能創(chuàng)投現(xiàn)狀與趨勢研究報告》中就提到，截止到2017年中，中美兩國倒閉的AI企業(yè)就高達50家，這種趨勢在類似自動駕駛這樣的高投入領域中尤為如此。

產(chǎn)業(yè)規(guī)模的緊縮，帶來的自然是人才緊縮。

第三， 海量其他領域人才轉崗。

正如前文所說，AI行業(yè)誘人的薪資引來了大量“offer狩獵者”，一些以往從事JAVA、C++開發(fā)的編程人員開始轉型，包括以往火熱但后來畏縮的iOS、Android開發(fā)也加入了AI行列。不僅如此，雖然人工智能專業(yè)剛剛開始招生，但統(tǒng)計學、計算機科學、物聯(lián)網(wǎng)、智能科學等等專業(yè)同樣也屬人工智能對口專業(yè)。

這樣看來，AI領域自然不會缺乏新鮮血液。

培訓機構的暴擊：區(qū)別于移動互聯(lián)網(wǎng)時代的非勞動密集型技術

這種現(xiàn)狀在對于剛剛進入AI專業(yè)的FreshMeat形成影響之前，先對市面上的海量AI培訓機構造成了暴擊。

關于AI培訓機構的套路，行業(yè)里已經(jīng)有了諸多介紹。其中的槽點都大同小異，比如廣告上說的是學算法開發(fā)，實際上課程表里只有基礎Python。良心一點的培訓機構也會提供后續(xù)不同方向的算法課程，只是需要學生繼續(xù)付費。

在“拉人頭”時把就業(yè)案例講的天花亂墜，可當學生真正開始找工作時才發(fā)現(xiàn)，成功的就業(yè)案例不僅在培訓機構上過課，還擁有對口專業(yè)和優(yōu)秀的學歷。而機構里承諾的“包就業(yè)”，往往是讓學生去遠在貴州的大數(shù)據(jù)企業(yè)做標注員，或在爬蟲企業(yè)做數(shù)據(jù)挖掘。

針對這種現(xiàn)象，筆者也采訪了一位曾在2018年參與過AI培訓的程序猿，對方表示這種短期培訓班更適合的是已經(jīng)有了一定工作經(jīng)驗和開發(fā)經(jīng)驗的“老司機”，而且很多人參與培訓的目的以及最終實際就業(yè)的去路，也并非是AI算法崗或機器學習工程師，而多半是和推薦算法、數(shù)據(jù)分析等等相關的崗位，累積經(jīng)驗再向更好的職位沖擊。

他也提到，由于一線城市的開發(fā)者對于就業(yè)情況已經(jīng)相對比較了解，培訓機構很少真的能“忽悠”到人，于是很多培訓機構開始專注于在新一線或二線城市進行地推，向剛剛走出高校學生推薦價格高昂的住宿式封閉課程。在他所在的求職群里，甚至看到過這樣的經(jīng)歷：受培訓者在交了高價“學AI”后，很快發(fā)現(xiàn)以自己的學歷并不能獲得一份很好的工作，開始向培訓機構爭取退款甚至要求發(fā)生維權，最后的解決方案是，培訓機構“贈送”了他UI開發(fā)課程，如今這位學生已經(jīng)在成都當上了一名UI設計師。

其實如果我們拋開“培訓亂象”這一表象之后，會發(fā)現(xiàn)所謂培訓機構對于AI就業(yè)的定位和現(xiàn)實情況是極為不符的。培訓機構對于AI崗位的定位或許和移動互聯(lián)網(wǎng)時代的“UI設計”、“iOS開發(fā)”等等概念一樣，普適性強、需求高。就像現(xiàn)在每個品牌或機構都需要一款App，有App就意味著需要iOS開發(fā)和Android開發(fā)、需要UI設計等等。但現(xiàn)狀卻是AI本質(zhì)上不是勞動密集型技術，相反這種技術極易SDK化，就算未來每一家企業(yè)都需要應用AI，但并不是每一家企業(yè)都需要算法工程師或機器學習工程師其實這也是上到BATH，下到AI獨角獸們所期望的畫面。

需要人才，而不僅是“人”

有了培訓機構的“前車之鑒”，是否也意味著今年這些人工智能專業(yè)只會加重AI領域的供不應求？現(xiàn)在甚至有人戲謔調(diào)侃，說AI專業(yè)就是當年的“生物科學”，聽起來高大上，可真到就業(yè)的時候卻不夠接地氣。

但我們也要注意，在前文所有表示“競爭激烈”的崗位，往往都是算法工程師，而“AI科學家”的HC卻永遠向整個社會打開。AI不是勞動密集型技術，而是頭腦密集型技術，因此AI需要的不是“人”，而是人才。開發(fā)者像“人”一樣從GitHub復制粘貼，不斷調(diào)參之后呈現(xiàn)結果很容易，但像“人才”一樣對于技術創(chuàng)新卻很難。

因此不論是高校還是學生自己，都應該注重AI創(chuàng)新型的人才塑造，而非匆匆打造一批投放于勞動力。而培訓機構也應注意，與其將目光總放在“AI專崗培訓”這塊難啃易翻車的硬骨頭上，不如轉向泛崗培訓，教會各個崗位的工作者如何與AI共事。比如教會售前工程師如何向客戶解釋AI技術，又比如教會HR如何與研究型技術人才溝通交流，或是內(nèi)容從業(yè)者如何更好理解推薦算法等等。AI雖然不需要勞動密集，卻因其普適性而需要“認知密集”?；蛟S培養(yǎng)認知，會和培養(yǎng)勞動力一樣重要。