男，985计算机小硕一枚，去争取算法岗位还是开发岗位？

我做软件开发已经20年，近10年都在做与AI相关的工作，近期也带了一些实习生（以985硕士为主）。

这两年AI大火，导致很多毕业生跨专业（例如自动化、光学等）转岗算法，这些人有个显著的特点就是羡慕IT的高薪，但普遍受没有受过通识的计算机教育（例如操作系统、数据结构、C/C++编程等），但人够聪明，数学不错（但大部分都没有学过高级算法），学编程吧，需要学的东西太多太杂，所以很多人都想抄“近路”来搞算法研究。这也客观上造成当前算法岗供大于求的局面。就参照我们公司今年招聘的算法工程师来说，“质量”明显不如以前了，原来名校的博士为基本要求，而今天985的硕士就可以了。

而且相比于软件开发，算法更吃脑力，对智力的要求更高，年龄越大挑战就越大。我本人是做系统集成的，包括一部分算法落地。实践中我的感觉是，随着脑力的下降，首先感到力不从心的就是数学，原来好多数学问题在脑子里过一遍就能想明白，但现在就需要画图才能理解。但编程就好多了，至少现在还没有感觉明显的衰弱，也可能是这多年已经积累了好多代码，很多时候把老代码复制过来改改就能work的原因吧！

其实，从去年开始，业界对AI的技术方向就已经达成了共识，也就是深度学习+大数据+大计算，其中尤其以数据为重。可以说只要数据足够，假以时日，大家的速度和精度都不会太差。现在大家比拼主要是算法变现的能力，也就是看谁能够把算法变成产品销售出去，因此今年我的感觉是，相对于纯粹的算法，综合性人才更稀缺，例如有既有产品思维，懂算法，懂编程的人。

AI在IT领域也不算个新鲜东西，我服务的公司对AI的研究积累至少20年，市场不小，但早先都集中在专业领域，更多是一些专家系统。感觉AI街谈巷议，突然大火也就是这两年的事，更准确的说应该是5年前，就在此时深度学习理论旧瓶装新酒，从而迎来AI研究的集中爆发。但在深度学习框架搭成之后，接下来更多就是调参数，喂数据。所以在相当一段时间内，算法的研发重点转向了数据的收集和清洗。也就在这个时候，我也发现公司新来的算法实习生很多的日常工作就是调下参数，编写一些数据收集工具（例如网络爬虫），甚至更倒霉一点就是每日用别人写好的工具收集数据，清洗数据。

深度学习框架搭建的早期阶段，对算法工程师的要求是很高的，既需要精深的数学能力，同时又需要超强的编程能力。但在当前，随着各大公司的AI框架逐渐成熟，以及一些深度学习框架的开源（例如谷歌的Tensorflow），AI技术下沉的趋势非常明显，早已从几年前的阳春白雪变成了下里巴人，甚至某种程度上变成了粗活笨活（例如数据收集、数据清洗）。

不幸的是，中国人干什么事都喜欢一哄而上，就像早些年全民学Android，学前端、现在又开始全民学算法。不是说人就应该逆趋势而行，但越是在大家都熙熙攘攘的时候，越是要保持冷静，越是要问几个为什么。一个很显然的道理是：如果一个行业突然涌进了这多人，至少有两件事可以肯定，一个是这个行业门槛肯定不高，二是根据供需平衡原理，这个行业的未来行情必然会下行，不信各位看看现在的Android开发是否还复当年的意气风发？

还是那句话：“只有在潮水退却的时候，才知道谁在裸泳！”