如果说2016年人工智能还处于上升期的话，那么2017年其毫无疑问是迎来了一场大爆发。
从各大巨头前赴后继地拥抱人工智能，到全球范围内人工智能企业一轮又一轮的新融资，无不标识着整个行业的欣欣向荣。
但这一波人工智能的大爆发，不只体现在巨头和融资上，也反应在相关人才的薪酬里。
近日，纽约时报调查指出——普通AI专家（刚走出校门的博士或硕士），有几年工作经验的人，一年可以拿到30万—50万美元（甚至更多）的薪水以及公司股票。
| AI人才薪酬水涨船高
随着这一轮深度学习的带动，人工智能这几年来高速发展，整个市场对人才的需求激增。
科技行业巨头们在人工智能上押了巨额赌注，从智能手机到物联网，从智能医疗到自动驾驶，无不寄予厚望。
在这种形势下，业内大牛收到的薪水和公司股份可以说一个比一个吓人。
即便在一个从来不忌讳在高端人才上花大钱的行业来说，也是令人震惊的。
举例来说，2016年6月底曾在微软研究院(MSR)效力多年的孙剑博士以“八位数年薪+两位数股权”加入国内人工智能创业公司Face++（旷世科技）。
再如，2016年底斯坦福大学人工智能实验室主任李飞飞加盟Google并将领导云计算集团旗下新成立的机器学习部门，据传年薪到了300万美元。
而在2014年加入百度的吴恩达，作为百度首席科学家，其主要负责百度研究院的领导工作，尤其是Baidu
Brain计划，据披露百度开出的年薪高达1200万美元。
但是相比其Google前员工Anthony
Levandowski，这些还只是算小数目。近日据Google披露，在其加入优步Uber之前，曾获得了超过1.2亿美元的奖励。
而对于一般性岗位而言，据拉勾网数据报告称：
5-10年工作经验的从事人工智能工作薪资达到3.05万/月，一般的开发岗位在2.3
万/月。
10年以上人工智能从业者的薪资平均达4万元/月，一般的开发岗只有3万/月。
| AI人才供不应求
这俩年来，随着云计算基础设施的强大和神经网络研究成本降低，人工智能正在走入更多领域。
但该领域的主导者为谷歌、Facebook、微软、亚马逊、百度、腾讯、阿里等巨头企业，但一批围绕着人工智能的初创企业也如雨后春笋般发展起来。
从国内来看，近几年来各大IT巨头相继布局AI领域。
百度研究院四大实验室硅谷人工智能实验室（SVAIL）、深度学习实验室（IDL）、大数据实验室（BDL）与AR实验室相继成立。
虽然此前已有优图实验室、What
Lab、微信北京研发中心、智能计算与搜索实验室，腾讯在2016年还成立了AI
lab，计算机视觉、语音识别、自然语言处理和机器学习为主要研究方向。
阿里核心AI基础技术的提供者iDST（数据科学与技术研究院）成立于2014年，阿里巴巴人工智能实验室成立于2016年，更多地偏向消费级产品。
与此同时，垂直领域企业也百花齐放，出门问问、face++、脸云科技、商汤科技、图森、蓦然认知等企业纷纷成立。
不过不管是巨头还是初创企业，它们都面临着人才短缺的问题，不管是大公司还是创业公司都在努力将尽可能多的人才招至麾下。
蒙特利尔独立实验室Element
AI称，在全球范围内，掌握必要技术能够认真从事AI研究的人不到1万人。
2014年，Google以6.5亿美元的价格收购了当时员工大约50人的AI实验室DeepMind。根据该公司最近在英国公布的年度财务账目，随着实验室扩大到400名雇员的规模，“员工成本”总计1.38亿美元，算下来一名员工34.5万美元。
2015年，Uber从卡内基梅隆大学的AI专业招聘了40人，参与其自动驾驶汽车项目。
过去几年里，学术界最有名的AI研究人员中，四人离开斯坦福大学的教授职位或请假。在华盛顿大学(University
of
Washington)，20名人工智能教授中目前有六人处在休假或部分休假状态，为外部公司工作。
但是，AI人才还是十分匮乏。
根据拉勾提供的数据显示，截至2017年7月底，拉勾平台上AI职位发布数量同比2016年全年增加25.8%，同比2015年增加2.7倍。
从供需方面来看，2016年，AI领域，岗位与求职者数量的比例为0.39，2017年岗位与求职者数量的比例为0.77。
据拉勾分析称，人工智能相关人才的增长远不及行业的招聘需求增长。
于是，顶尖人才的跳槽几乎成为业界常态，越是巨头企业越是常见。
业内人士表示，有段时间微软与亚马逊几乎是1:1的状态在互挖墙脚，中国的企业更喜欢挖国外巨头的墙脚，不少企业将实验室设立在美国的一大缘由就是为了方便收揽人才。
| 如何才能成为一名高薪AI人才？
当下AI领域人才招聘现状是分层的，各个大学和研究机构的顶尖AI人才，几乎被巨头包揽，而初创公司的人才招聘多以社招和定向培养为主。尤其是定向培养方面，越来越多的企业开始重视。
虽然说AI领域对于学历较为看重，但实际工作中还是可以通过自学来实现转行的。
如果是想往这方面转的话，智能君建议首先需要确立自己的职责，是算法开发还是算法应用，这两个差别很大。
如果工作的性质是通过算法去解决一些实际的业务问题，偏算法应用，那得需要更专注于了解业务以及算法的使用场景。
如果工作性质是去开发算法，提升效率，那么需要更多的关注数学推导能力以及编程技巧。
机器学习算法对数学的能力要求是非常高的，这就是为什么BAT很多算法开发工程师都是数学专业毕业的原因。
当明确了自己的定位，还需要有大量的数据在特定的场景下去不断磨练自己对数据的认知，对数据认知的过程就是将业务抽象成数学公式，将数据转化为特征的过程。
这个能力会比推导算法更重要，在这里给大家一些推荐：
1.首先可以去看吴恩达的关于机器学习的斯坦福公开课，还有一些相关书籍，比如：《机器学习实战》、《统计学习方法》、《机器学习实践应用》。
2.另外可以去参加Kaggle的比赛或者天池大赛，可以获得许多与高手切磋交流的机会，这些交流会让人快速成长。
3.此外多多实践，通过现成的开源工具：R、Spark-MLib、Sklearn等等。下载好数据，选定一个场景，自己用代码去跑跑效果。
| 写在结尾
李开复曾经说过：“做深度学习的人工智能博士生，现在一毕业就能拿到200到300万美金的年收入的offer，这是有史以来没有发生过的。”
虽然这个被大多数业内人士称为极个别现象，但这也侧面反应了整个市场的火热。
别的不说，就从普通职员一年可以的薪水或者期权来看，也是相当有诱惑力的。
那么问题来了，AI人才薪酬这么高，你想转行吗？
也许你还想看：
不想从事专业对口的工作怎么办
喜欢与人打交道适合从事什么工作
原来多数成功的人是抓住了这样的机遇
