第一批AI專業學生已經入學，可AI還是那麼缺人嗎？

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中的主旋律。資料顯示，中國人工智慧人才缺口超過500萬，大資料人才缺口高達150萬。對於這篇有著良好的資訊基礎建設和資料富礦的土地，人才的缺失彷彿已經成了中國AI發展的唯一阻礙。

需求缺口出現，供給自然會補上去。有關AI人才的培養不僅上升成為國家級策略，讓各大高校爭相開辦相關專業，企業們也紛紛宣告表示支援人才生態發展，就連各種打著“三個月學習AI年入80萬”的培訓機構，也如雨後春筍一般冒出了頭。

尤其今年中國第一批共三十五所開設人工智慧專業的院校正式開始招生，四年之後，中國第一批人工智慧專業學生就將“投入生產”。在這種前提之下，我們可以重新審視AI人才這一話題，以及其背後的培訓產業鏈。

AI解渴?演算法崗競爭為什麼越來越激烈

每年一到校招時節，似乎都會有新聞誇張的渲染“今年共計有XXX萬應屆畢業生”，彷彿每個人都有畢業即失業的危險。而另一邊在企業裡，我們看到的卻是人才荒，HC怎麼都不夠用。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。

就在社會各界都呼籲著“增強AI人才建設”的時候，另一種聲音也悄悄出現：從2018年起，就開始有了“CV方向人才供大於求”、“19年/20年校招演算法崗競爭異常激烈”的說法。一些企業官媒或個人員工，例如京東白條、格靈深瞳，也釋出過類似“簡歷數量多、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“演算法工程師”一崗的平均薪資下降了9%。

雖然從以上的資料無法證明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絡，用人需求整體縮減，自然各個領域的需求都會呈現出不同程度的縮減。

但除此之外，這幾年以來還發生了什麼，緩解了AI領域的人才渴求?

第一， AI企業向服務型轉變。

這幾年AI企業，包括大量以往的科技網際網路提到的最多的就是“賦能”、“產業網際網路”等等關鍵詞。服務產業、服務傳統行業，已經成為了一種主旋律。尤其這些企業已經將種種AI能力打包成“軟、硬、雲”一體的解決方案，AI能力的獲取已經不再那麼困難。就算是小型企業，往往也能透過AutoML式的工具方便的製作自己需要的模型。

成熟企業的服務意識增強，自然截胡了其他產業“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出自然下降趨勢。據投中研究院與崇期資本聯合釋出的《2019中國人工智慧產業投融資白皮書》顯示，2019年前三個季度中國人工智慧領域的總體融資規模僅僅為577億人民幣，但去年這一數字達到了1189億。在2017年，騰訊研究院和IT桔子聯合釋出《2017 年中美人工智慧創投現狀與趨勢研究報告》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。

產業規模的緊縮，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行業誘人的薪資引來了大量“offer狩獵者”，一些以往從事JAVA、C++開發的程式設計人員開始轉型，包括以往火熱但後來畏縮的iOS、Android開發也加入了AI行列。不僅如此，雖然人工智慧專業剛剛開始招生，但統計學、電腦科學、物聯網、智慧科學等等專業同樣也屬人工智慧對口專業。

這樣看來，AI領域自然不會缺乏新鮮血液。

培訓機構的暴擊：區別於移動網際網路時代的非勞動密集型技術

這種現狀在對於剛剛進入AI專業的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。

關於AI培訓機構的套路，行業裡已經有了諸多介紹。其中的槽點都大同小異，比如廣告上說的是學演算法開發，實際上課程表裡只有基礎Python。良心一點的培訓機構也會提供後續不同方向的演算法課程，只是需要學生繼續付費。

在“拉人頭”時把就業案例講的天花亂墜，可當學生真正開始找工作時才發現，成功的就業案例不僅在培訓機構上過課，還擁有對口專業和優秀的學歷。而機構裡承諾的“包就業”，往往是讓學生去遠在貴州的大資料企業做標註員，或在爬蟲企業做資料探勘。

針對這種現象，筆者也採訪了一位曾在2018年參與過AI培訓的程式猿，對方表示這種短期培訓班更適合的是已經有了一定工作經驗和開發經驗的“老司機”，而且很多人參與培訓的目的以及最終實際就業的去路，也並非是AI演算法崗或機器學習工程師，而多半是和推薦演算法、資料分析等等相關的崗位，累積經驗再向更好的職位衝擊。

他也提到，由於一線城市的開發者對於就業情況已經相對比較瞭解，培訓機構很少真的能“忽悠”到人，於是很多培訓機構開始專注於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。在他所在的求職群裡，甚至看到過這樣的經歷：受培訓者在交了高價“學AI”後，很快發現以自己的學歷並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生維權，最後的解決方案是，培訓機構“贈送”了他UI開發課程，如今這位學生已經在成都當上了一名UI設計師。

其實如果我們拋開“培訓亂象”這一表象之後，會發現所謂培訓機構對於AI就業的定位和現實情況是極為不符的。培訓機構對於AI崗位的定位或許和移動網際網路時代的“UI設計”、“iOS開發”等等概念一樣，普適性強、需求高。就像現在每個品牌或機構都需要一款App，有App就意味著需要iOS開發和Android開發、需要UI設計等等。但現狀卻是AI本質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都需要應用AI，但並不是每一家企業都需要演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“前車之鑑”，是否也意味著今年這些人工智慧專業只會加重AI領域的供不應求?現在甚至有人戲謔調侃，說AI專業就是當年的“生物科學”，聽起來高大上，可真到就業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，往往都是演算法工程師，而“AI科學家”的HC卻永遠向整個社會開啟。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。開發者像“人”一樣從GitHub複製貼上，不斷調參之後呈現結果很容易，但像“人才”一樣對於技術創新卻很難。

因此不論是高校還是學生自己，都應該注重AI創新型的人才塑造，而非匆匆打造一批投放於勞動力。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，或是內容從業者如何更好理解推薦演算法等等。AI雖然不需要勞動密集，卻因其普適性而需要“認知密集”。或許培養認知，會和培養勞動力一樣重要。