2017年,你们想知道在人工智能领域的薪资有多高?

百家 作者:数据分析 2017-12-14 03:53:39

如果说 2016 年是互联网 AI 领域井喷的元年,2017 年整个 AI 领域全面爆发,来潮汹涌的趋势相较 2016 年可以说是有过之而无不及。

算法相关人才在市场上呈现出严重的供需不平衡的状态,一个人同时被四五家一线互联网企业或是明星独角兽争夺是常态,而各家给到猎头的需求更是只要是算法类人才,哪怕是刚刚毕业不满一年也可以推荐,这意味着哪怕是初级算法工程师,通过猎头获取的人才每个人的招聘费用也在 5 万元左右,而显然各家 HR 都认为这笔钱花得划算,从侧面也说明算法人才的抢手程度。

在各类招聘企业当中,第一梯队的是 Google、Microsoft、Facebook 等世界知名企业的 Global 及本土研究院的招聘,这类企业在口碑、薪酬和技术等多个方面都是首屈一指;

第二梯队就是 BAT 三家,靠着巨大的体量和资金支持在市面上横扫各类人才;

而其他几类公司的实力也不容小觑:以 TMD 三家为代表的一线互联网企业都给出了更高的薪酬与 BAT 竞争,其中今日头条以日新月异的发展速度和高出市场 30% 的薪酬包为筹码具有很强的竞争力。

而在 AI 细分领域兴起的各类新兴独角兽也受到了人才和资本的青睐,包括图像领域的 Face++ 、商汤、依图和云从,芯片领域的深鉴、地平线、寒武纪和比特大陆,语音领域的科大讯飞等等;

新老牌硬件厂商也加入了人才争夺的战争,华为、中兴、海康威视、大疆几家基本对算法类人才采用大包大揽的政策,不仅高薪招聘上层业务算法的相关人才,底层硬件加速的人才薪酬也相应水涨船高;

而 Intel、IBM Watson 等老牌外企巨头也雄踞一方,其下的 Research Lab 靠着不低的薪酬和相对宽松的工作氛围同样笼络住了一批人才。


一、校招薪酬对比

为了吸引人才,各厂纷纷开出了天价薪酬,先来看今年校招的算法类大 SP 的 offer,这都是笔者从各个渠道了解到的今年各厂给到的最高 offer(各位读者中不乏认识比表格中薪资更高的大牛):

企业

薪酬

岗位

候选人背景

腾讯

60万+和北京户口

机器学习基础研究

985博士,TOP2硕博

腾讯

80万+(深圳)

图像识别算法研究

港系博士+顶会Paper

百度

30-35K月薪

图像识别算法研究

985博士/海归博士

微软

50-55

机器学习基础研究

TOP2博士

谷歌

50-55

人工智能研究员

TOP2博士

美团

32K月薪+北京户口(北斗计划)

机器学习基础研究

985硕士,专业rank3

滴滴

50万+

研究员

985博士

滴滴

25K(新锐计划)

算法工程师

985硕士

今日头条

30-35K+住房补助

AI Lab研究员

博士

网易

45

人工智能研究员

TOP2硕士

华为

50万(25K月薪+奖金+补助)

算法研究员

211博士

大疆

35K

算法研究员

985博士

Face++

35-40

Researcher

985硕士

Face++

50+

Researcher

博士学历

商汤

35-40

Researcher

985硕士

     

除此之外,可以对比一下今年普通研发和算法工程师在薪酬上的差别: 


企业

普通研发岗

算法研发岗

腾讯

批发:13.5K

SP16.5K

SP18.5K

另外有一部分人有每年15k房补

批发:16-18K

SP22K左右

博士单谈

百度

批发:14K

SP16-18K

批发:16-18K

SP20-22K

博士单谈

美团

统一批发:14.5K-16.5K

SP16-20K,算法拿到SP的概率更高

京东

批发:13-17K

SP17-20K

20-25K

23KSP25KSSP

滴滴

批发:15-17K

SP19K

批发:19K

SP20-25K

今日头条

批发:18-20K

SP22K

批发:22K

SP25K

SSP26-28K

网易

批发:14-15K

SP16-18K

批发:16-18K

SP18-22K

华为

批发:13-15K

SP16-18K

SSP20-22K(云计算)

批发:16-17K

SP18-20K

SSP20K+

大疆

批发:16-18K

SP18-25K

批发:18-20K(本科)

SP20-25K(硕士)

SSP28-35K(博士)

商汤

14-18K

25K

  

从以上数据可以很明显地看出,算法类岗位相比其他岗位在薪酬上至少高出 20%,对于顶级人才更是不遗余力地通过高薪和户口政策来吸引。一些博士毕业的人才可能初入职场就跨过了所谓月薪 3 万的大坎儿,直接「走上人生巅峰」。


二、社招薪酬概况

在校招薪酬再创新高的同时,社招的岗位需求和提供薪酬也相较去年有了明显的涨幅。根据 100offer 近两年的数据显示(注:100offer 主要服务于北上广深杭,工作 2 年+,年薪20W+ 的互联网技术人。平台用户的薪资水平高于市场平均水平。)

1、2017 年,100offer平台上算法岗位的申请展示人数对比2016年,增长 24%。

2、2017年,企业在 100offer 平台给算法人才发送的面邀总数略高于2016年。

3、100offer 平台上算法岗位入职前和入职后的平均年薪,均高于非算法技术岗位,且这种差距在逐渐拉大。

根据市场反馈,硕士毕业 3 年的机器学习算法专家薪资算上股票收入普遍可以达到年 60-80 万,而硕士毕业 8 年/博士毕业 5 年如果发展到算法总监的岗位,薪资普遍在 150万以上。

而不同方向的算法岗位起薪也不尽相同。排序、广告、推荐等应用类算法,由于会需要更多的实际项目经验,所以在起薪上不如 NLP /图像识别高,但随着工作经验的增长,薪酬可以基本追平,而这更要靠个人的努力和发展机遇。

NLP 和图像识别方向的算法,由于在安防、智能客服、自动驾驶、机器人等多个高科技领域均有应用场景,又因为国内人才储备不足,因此刚刚毕业的硕士博士也可以有很高的薪酬,同时直接参与甚至负责核心项目。

值得一提的是,由于微软亚洲研究院在这两个领域的提前布局,内部有多名专家进行了超过 10 年的研究,产生了大量的研究成果,这些专家现在是市场上顶端的人才,如果挖角至少会有 300-400 万的薪酬收入。

当然,这些高端人才许多会选择创业的道路,新兴创业公司的出现从侧面又加剧了人才的竞争。


三、学术界概况

虽然企业界开出了如此诱人的薪酬,但并不是所有人都会选择进入企业。每年的博士毕业生中,依旧会有一部分人选择进入高校做研究员。虽然在薪酬上和企业给出的水平相差甚远(多数研究员刚刚毕业时的薪酬只能达到 10-20 万),但更浓厚的学术氛围也会吸引一部分对研究更感兴趣的人。

同时由于现在许多企业会和学术界合作,共同参与项目,在这个过程中学术界也可以进一步了解工业界落地需求,同时获得许多相关数据。

如果研究员在某一方面研究取得了重大进展,在知名期刊或是顶会上有 Paper 发表,在业界造成一定的影响力,此时考虑企业机会就很有可能获得较高的职级和权限,也不失为学校研究员的一条发展道路。


四、海外人才争夺战

对算法类人才争夺的战火从国内一直蔓延至北美,以硅谷和西雅图为中心,兼顾纽约、波士顿等地区,中国企业纷纷在美国东西海岸建立研发中心,中国互联网企业出海已成为趋势。

其中,由于云计算与人工智能人才的聚集以及相对低廉的地租成本,阿里 iDST、百度 AI、腾讯、华为、滴滴、今日头条、Face++ 均在西雅图设立了大型 Office ,其规模与硅谷俨然形成平分秋色的趋势。

国内企业的入驻毫无疑问为在美国的华裔工程师提供了更多的选择,面对 Google、Facebook 的高薪竞争,中国企业也显示出了自己的「土豪」属性,算法类人才只要愿意加入,通常都能拿到 50% 以上的涨幅,优秀资深的研究员更是可能实现薪资的 Double。

据悉,某常春藤院校博士毕业 FMAG 中某家 5 年研究经验的高级研究员曾经拿到过国内某大厂年薪 75 万美金的 offer。另一方面,Intel、IBM、Nvidia 等老牌硬件大厂的员工,由于其专业的个人素质和较高的性价比,同样也成为国内企业重点挖掘的对象。

可惜,国内企业虽然在地域上走出了国门,然而人员构成和管理模式却依然保持相当大的本土特色,在北美的招聘对象也依然是以华裔第一代移民为主。中国企业想要达到真正的国际化的人才流动,真正实现全世界人力资源的互融共通,这或许还需要相当长的一段时间。


五、未来趋势预测

毫无疑问,2017 年是互联网人工智能领域热火朝天的一年,而人工智能也一定会成为未来发展的主流方向之一,但这是否就意味着 AI 相关的算法人才会一直受到如此青睐呢?笔者斗胆做出预测:

1、AI 算法岗位的数量在 5 年内会持续增加,会有更多的公司参与到 AI 的这次浪潮当中,同时,人工智能也会不断结合其他领域,在更多方面展现出优秀的科技成果。

例如华大基因利用算法进行的 DNA 分析;依图切入医疗领域,通过算法来辅助病症诊断;还有各个大型企业在基础设施上加入算法,实现了数据中心的自动检测和故障维护等等。这是技术人才在进行职业规划时不可忽略的一个趋势。

2、但也不可否认的是,算法类人才的数量也会在未来 5 年内出现爆发式增长。如果说过去几年只有十几个重点大学设立了相关的研究院并且每年有 20 余人(硕士+博士)进行细分领域的研究的话,这个数量在 2016 年开始猛增。几乎所有的重点大学都设立了相关的研究机构,而申请人数也是多了数倍不止。根据数据显示,人工智能相关的大学研究院已经超过了 60 个。

3、技术最终要与产品相结合。在算法模型日臻完善的条件下,最终具有竞争力的技术人才一定要拥有丰富的产品或是项目经验,能够解决实际问题是绝大多数企业招聘时的基本要求。这个道理同样适用于企业,一个人工智能企业只有拥有成熟的可盈利的产品才能最终在激烈的竞争中存活下来。

「大鹏一日同风起,扶摇直上九万里。」人工智能确实是近年来最大的风口,望各位能借势而起,也能稳扎稳打,拥有更广阔的未来。


转自:100offer 公众号;

作者介绍:克里斯蒂娜酱,互联网行业招聘专家,深耕技术领域,多年一线互联网公司和海外顶级人才探索经验。

END


关联阅读:

原创系列文章:

1:从0开始搭建自己的数据运营指标体系(概括篇)

2 :从0开始搭建自己的数据运营指标体系(定位篇)

3 :从0开始搭建自己的数据运营体系(业务理解篇)

4 :数据指标的构建流程与逻辑

5 :系列 :从数据指标到数据运营指标体系

6:   实战 :为自己的公号搭建一个数据运营指标体系

7:  从0开始搭建自己的数据运营指标体系(运营活动分析)

数据运营 关联文章阅读:  

运营入门,从0到1搭建数据分析知识体系    

推荐 :数据分析师与运营协作的9个好习惯

干货 :手把手教你搭建数据化用户运营体系

推荐 :最用心的运营数据指标解读

干货 : 如何构建数据运营指标体系

从零开始,构建数据化运营体系

干货 :解读产品、运营和数据三个基友关系

干货 :从0到1搭建数据运营体系

数据分析、数据产品 关联文章阅读:

干货 :数据分析团队的搭建和思考

关于用户画像那些事,看这一文章就够了

数据分析师必需具备的10种分析思维。

如何构建大数据层级体系,看这一文章就够了

干货 : 聚焦于用户行为分析的数据产品

如何构建大数据层级体系,看这一文章就够了

80%的运营注定了打杂?因为你没有搭建出一套有效的用户运营体系

从底层到应用,那些数据人的必备技能

读懂用户运营体系:用户分层和分群

做运营必须掌握的数据分析思维,你还敢说不会做数据分析

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接