AI工程师的自我修养

原创：晏茜

资料来源：Lee

AI 行业如今是一个炙手可热的行业，也许有一些正从事或曾经从事于其他行业的同学，希望能有一个更好的职业选择，而 AI 行业正如火如荼的发展，他们想加入 AI 发展的浪潮，也许还有一些已经从事于 AI 行业的同学，想进一步提升自己的个人能力，针对这两类同学的诉求，作者会在正式讲解 AI 工程师的自我修养之前，先介绍 AI 相关的知识和现状，为他们提供参考。所以，前三部分的内容会围绕 AI 相关的知识和现状来展开。首先，会介绍 AI 产业的发展概况和人工智能领域当今主流的技术方向，然后会介绍当下的热门应用，最后会介绍 AI 行业的岗位要求和薪酬画像。而第四部分的内容会集中讲解作为 AI 工程师的自我修养，应当如何提升产出的价值，如何提升岗位和个人的价值。最后一部分会基于作为导师的经验，向同学们传授一些面试的经验和方法。

1. 产业与人才发展概况

1.1 产业格局与生态体系

从产业生态的角度来说，我们通常会把人工智能产业链分为三层，分别是基础层、技术层和应用层。

三大产业生态结构

• 基础层

为人工智能产业链提供算力和数据服务支撑

基础层主要涉及数据和计算相关的内容。数据的收集、数据的存储、数据的运算都是人工智能发展的基础。具体来看包括智能芯片、传感器、大数据、云服务等等。传感器和大数据两个领域主要负责数据的收集，芯片和云计算负责基础服务的数据计算部分。

• 技术层

为人工智能产业链提供通用性的技术能力

技术层主要用来处理数据。数据的挖掘、学习，结合现在的一些智能手段进行智能处理，都是技术层的具体表现。它更像是连接基础层与应用层之间的桥梁，它也是人工智能行业发展的核心。技术层包含机器学习、类脑智能计算、计算机视觉、自然语言处理、语音处理等等。

• 应用层

面向服务对象提供各类具体应用和适配行业应用场景的产品或服务

应用层是建立在基础层和技术层之上的，将人工智能技术进行商业化应用的过程。应用层帮助实现技术和行业的融合发展，具体的应用场景包括机器人、智能交通、智能制造、智能医疗等等。应用层也是企业汇集最多的一层，也是大家接触最多的一层。

1.2 发展概况与产业规模

我们放眼国际的情况，最近几年，人工智能的热度持续升温，这种现象与各个国家的推进人工智能发展的政策是息息相关的。除了我们中国以外，国外很多国家对人工智能的重视程度也是非常高的，比如美国、英国、德国都是人工智能的强国。在这个时代，各个国家的人工智能的技术领域实际上都逐渐形成了跨界融合和共创分享的发展趋势。

具体来看各个国家的发展情况，不可否认美国的人工智能技术是更加雄厚的。美国是科研强国，它的人工智能领域的发展占据全球领先的位置，尤其是在智能芯片的研发，高精尖算法的公关，顶级人才的培养，还有人工智能核心领域上，美国都处于全球领先的位置。除了美国，英国的人工智能技术也是非常强大的，尤其是它的创新能力，从图灵到引发全球关注的 AlphaGo，可以说英国在人工智能领域做的也是非常出色的，并且它的服务业、医疗业和农业等传统行业，与人工智能的结合都是非常紧密的。

那么，来看一下我国人工智能的发展情况。

图表数据来自于《2019 新一代人工智能产业白皮书》的预测数据，可以看出，在 2019 年，我国对于整个 AI 产业规模的预期还是非常乐观的，总体上呈现增长的态势，并且短短 4 年间就呈现了翻 3 到 4 倍的发展趋势。到了 2021 年，当我们真正的数据被统计出来之后，我们其实会发现，在 2019 年的时间节点的时候我们还是小看了我国人工智能产业的发展和布局。从 2019 年以后，我国人工智能领域的相关布局和发展脚步都是越来越快的。2020 年，我国人工智能核心产业规模已经达到了 3000 多亿元，同比增长 16%，人工智能领域的融资情况整体达到了接近 900 亿的规模，同比增长了 50% 以上。截至 2020 年底，中国人工智能相关企业数量达到 6425 家；其中 22.3% 分布在基础层， 18.6% 分布在技术层，59.1% 的企业分布在应用层。就像我们在上一部分提到的，大部分企业实际上是分布在应用层的。产生这种现象的原因是，基础层和技术层对于公司的要求是非常高的，尤其是基础层。大厂给现在的技术环境带来了很多的便利，在他们提供的基础服务的基础上，企业可以更加便利地构建自己的应用层生态。

1.3 产业从业人员现状

对于 AI 领域从业人员的现状来说，我们国家现在的相关从业人员已经突破了 60 万，但是纵使 60 万的数字看起来很庞大，但实则也难以弥补当今整个市场对于人才的极度匮乏的状态。不管是第一梯队、第二梯队、第三梯队的企业，还是小厂也好，大家都缺乏人工智能领域的相关人才。当今很多的算法，也等待着我们去落地，寻找它的场景。用几个字来总结我们在这个领域现在遇到的问题，第一个就是缺人才，第二个就是缺场景。从区域角度来讲，一线城市汇集了 8 成以上的 AI 人才，而其他地区 AI 人才较为稀缺。

随着整个行业的迅速推进，我们对于 AI 人才的需求逐渐增加，甚至现在，人工智能领域的人才供需矛盾已经成为了该行业发展的制约因素。现在，无论是对于高校，相关的企业，还是整个社会的教育培训体系，都已经采取了相应的措施来加速整个 AI 产业人才规模化的培养。

这里给大家提供了来自《2022 年中国人工智能人才培养白皮书》的两组数据。这两个图表描述了岗位人才的供需情况。

岗位人才供需比的计算公式如下：

岗位人才供需比 = 意向进入岗位的人才数量 / 岗位数量

数值越小代表在这个领域越缺少人才。

第一个图表从技术方向展示了不同技术领域的人才供需情况，我们会发现语音和视觉的技术领域是非常缺人才的。第二个图表从岗位职能的角度展示了不同岗位的人才供需情况，可以看到人工智能领域的几个典型岗位，包括算法岗、应用岗、技术岗的相关人才都处于极度短缺的状态。AI 人才问题亟待解决。

2. 热门应用与技术方向

下面我们来看一看人工智能领域当下比较热门的应用以及技术方向。

2.1 技术篇

• 智能传感器

我们都知道传感器更多的是采集数据的功能，部分还会兼具上传的功能。智能传感器除了具备采集和交换信息的能力，还具备微处理的能力，也就是说，智能传感器是集成了微处理能力和数据采集能力的产物。它好比是人工智能的神经末梢，用于全面的去感知外界的环境。根据结构的不同，传感器分很多种，包括模块式的、集成式的、混合式的传感器等，根据技术的不同，还分为存储的、控制型的、诊断型的、感知型的传感器等。现在很多的具有智能属性的硬件上，必然搭载了智能传感器，甚至现在很多传统的机械设备上，也会搭载智能传感器，以便对设备的状况进行预警。

现阶段我国在智能传感器的这一领域颇有成就，相关领域的技术已经相对成熟。随着它的使用、制造和研发成本的逐年递降，智能传感器的使用场景会越来越丰富。在当下物联网技术迅速发展的时期，智能传感器在医疗、工业、海洋、航空航天、农业领域，甚至军事领域都发挥着非常重要的作用。

• 云计算

大家对云计算这个词一定不陌生，但是大家知道云计算是怎么来定义的吗？广义上来讲，云计算是一种以数据和对数据的处理能力为中心的密集的计算模式，它让我们能够通过网络，按需的访问云端共享的资源池。从狭义上来讲，云计算实际上就是提供了资源的网络，我们可以随时随地的访问云上的资源，可以按需使用，按量使用。

云计算也融合了很多传统的技术，它把许多的线下的技术放在云端上，比如，虚拟化、分布式存储、计算、大规模的数据管理、信息安全等等。云计算按照部署方式的不同，可以分为公有云和私有云。按照服务类型的不同，又可分为 SaaS、PaaS 等等。

最近几年云计算的发展还是很快的，无论是它的基础产品，操作系统层面，或是云端整个生态的构建，都是非常成熟的。甚至许多有强大技术基础的传统企业也有大量的数据和业务都在向云端迁移。云计算逐渐成为一种趋势。

• 机器学习

在不同的场景中，对机器学习的解释和定义是不一样的。对机器学习的定义主要分为两个层面。第一是广义的定义，作为人工智能解决方案，和现阶段最有效的实现人工智能的手段之一，机器学习是实现人工智能的工具和方法，它包含深度学习、计算机视觉、自然语言处理等。第二是侠义的定义，从岗位职能的角度来讲，机器学习又是一种单独的岗位类型，它是机器学习相关岗位的统称，包括算法、工程，以及测试相关岗位，这些都属于机器学习的职责范畴。

2.2 应用篇

我们来看人工智能具体的应用场景。

• 智能制造

第一个场景是智能制造，什么是智能制造呢？智能制造能帮助我们做哪些事情呢？实际上，智能制造是没有一个统一的定义的。作者更偏向智能制造是贯穿了整个设计、生产、管理、服务等各环节的智能系统。它具有信息感知能力，自动优化能力，以及决策能力。它是精准控制和自动执行先进制造过程的系统和模式的总称。

• 智慧城市

智慧城市实际上是运用物联网、计算机、大数据，和空间的地理信息，并把这些信息集成在一起，将城市的系统以及各项服务进行打通、集成，然后实现精细化和动态的管理。

目前来说，我们还缺少对于智慧城市理念和内涵的科学的统一的认知。智慧城市顶层的设计理论和方法，和它的可持续的动力机制和长效的运营发展模式都是相对模糊的。我们的智慧城市应该是什么样子，该有什么，都只是大家提出来的一些零散的概念。

• 智能运载工具

无人机、无人船、自动驾驶、地图测绘、管道巡检、海洋监测、农业植保等都是智能运载工具能做的事。公共安全与智能运载工具是息息相关的，甚至公共安全是依托于智能运载工具的。现在，交通安全、生活安全、食品安全、生态安全的监控其实都不是由人来做的，都是依托于无人机，让它们去采集这些数据，并进行实时的分析，最终产出结果的。

• 智能机器人

现在我们有很多用于不同作业场景的机器人，最常见的是智能客服机器人，还有许多水下的机器人，包括用于海上石油开发的机器人，用于海底矿藏勘探、海底打捞的机器人，空中的机器人，包括用于通信、气象、农业、广播等的机器人，还有一些微型机器人，可用于生物工程或者医学工程。

3. 能力素质与薪酬画像

接下来我们给大家介绍一下能力素质与薪酬画像。

3.1 岗位类型与职责

上图是岗位职责以及岗位间关系的示意图，这里我们主要分析 AI 相关的岗位，分别是算法研究岗，应用开发岗，以及实用技能岗。

算法研究岗是强调创新和突破人工智能算法和研究，将前沿的理论与实际算法模型开发相结合的岗位。应用开发岗是将算法和各项技术与行业相结合，实现相关工程化落地的岗位。实用技能岗要求的是理解 AI 的基本概念，结合特定的场景来保障 AI 的规模化的产出，和稳定的运行。

现在，没有哪一家公司会把他的岗位职责划分的特别的清楚，你会发现研发岗会让你做工程的工作，工程岗会让你做研发的工作，当然，测试相关岗位会相对比较独立一点，包括标注和数据分析等，而其他 AI 岗位或多或少都会有交叉的部分。

3.2 岗位技术能力素质

不管什么岗位，什么技术方向，都需要的几个能力的维度总结如下。

首先是综合能力，其次是专业知识、工具技术，最后是工程实践能力。这几个维度对于不同的岗位以及技术方向上，都会有不同的需求。

举例来说，如果你是算法研究岗的话，你可能要有扎实的理论基础，改造算法，实现算法，还有一定的算法的创新的能力。如果你是应用开发岗，那么你的计算机原理，并行计算，分布式的理论，这些是一定要知道的。不同的岗位会有不同的能力要求，但是万变不离其宗，你的基础能力、综合能力、专业知识以及你的应用能力，你所掌握的工具，这些都是非常重要的。

3.3 薪酬画像

AI 岗位薪资是按照技术方进行去划分的。大部分的薪资水平集中在 25k 到 30k 的区间，人工智能芯片的行业薪资会相对偏低一些，其他的主流领域的薪资水平都在 25k 以上。

4. AI 工程师的自我修养

4.1 角色与责任

作为 AI 工程师，我们每天要做什么事情呢？

• 业务调研，对业务需求进行数据建模

• 数据的开发与对接

• 根据业务需求进行算法模型的开发

• 评测实验，模型指标的迭代与优化

• 算法的工程化，性能调优，服务的部署与发布

• 业务系统的嵌入开发与联调

• 技术预研，前沿算法的落地实践

4.2 价值与能力提升

从 AI 算法工程师产出的价值来说，我们要秉承着始终以业务价值和流程提效的导向去安排我们的工作内容，提高我们的交付能力和交付效率，始终以业务指标为导向去优化解决方案。

AI 工程师需要有哪些能力呢？这里给大家解析了 AI 工程师的必备技能。

AI 工程师需要夯实机器学习理论基础，将计算机与作为理论支撑的基础学科知识内化于自己的知识体系。除此之外，工程能力对于 AI 工程师也是非常重要的。只掌握 Python 对于大部分的工作场景都是不够的，还需掌握一门工程语言，现在主流的 Java 或者 C 语言都是可以的。另外，要熟悉工程微服务框架工具，包括 flask，spring boot 等，因为你的模型做出来之后，模型的部署，给用户提供服务都需要依托于我们的微服务的框架工具。还要熟悉机器学习平台工具，包括 TensorFlow，Torch 等。除此以外，我们依靠公司的项目所实现的个人成长其实是非常有限的，我们自己一定要有内驱的动力或者内驱的意识，去寻找一些开源项目，以此来提升自己的专业水平。

AI 工程师要有大数据存储与处理的知识和能力，要了解系统的服务架构。另外，我们需要把其他领域的知识和机器学习的知识进行结合，以此锻炼我们的分析思维，创造性思维，和批判性思维。

AI 工程师的职业之路固然崎岖，但是也充满了让人很振奋的成就。

5. 面试准备与技巧

最后我们再来介绍一下面试技巧，这也是很多同学关心的话题。

5.1 正确的面试观

首先我们要树立正确的面试的观念，面试是面试者与面试官的平等交流，每一次面试都是一次双向选择的过程，公司在挑选面试者，而面试者也在挑选公司。不可否认，面试者在面试中往往是弱势的一方，但是我们仍然要保持乐观的心态，积极地去应对面试，以平等的姿态与面试官进行交流。

5.2 面试准备与技巧

首先，我们要认真的对待每一场面试，对自己负责，珍惜每次的机会，认真的准备面试，认真的去思考。

其次，我们要认识到，在面试过程中，我们要更加关注面试过程，保持平常心来面对我们的面试结果。胜败乃兵家常事，公司选人有自己的标准，我们也有自己擅长的领域，不要因为一两次的失败就否定了自己的能力。

再次，我们在面试前，要明确自己的工作诉求，想要进入什么样的公司，从事什么样的岗位，想要从事的具体的技术领域是什么，技术方向是什么。

最后，我们要对自己有一个客观的评价，要明确自己与岗位之间的差距。这样才能做到查缺补漏，实现自己的职业成长。