从AI热潮开始蔓延的一刻起，人才短缺问题就成了这一行业中的主旋律。数据显示，中国人工智能人才缺口超过 500 万，大数据人才缺口高达 150 万。对于这篇有着良好的信息基础建设和数据富矿的土地，人才的缺失仿佛已经成了中国AI发展的唯一阻碍。

需求缺口出现，供给自然会补上去。有关AI人才的培养不仅上升成为国家级策略，让各大高校争相开办相关专业，企业们也纷纷声明表示支持人才生态发展，就连各种打着“三个月学习AI年入 80 万”的培训机构，也如雨后春笋一般冒出了头。

尤其今年中国第一批共三十五所开设人工智能专业的院校正式开始招生，四年之后，中国第一批人工智能专业学生就将“投入生产”。在这种前提之下，我们可以重新审视AI人才这一话题，以及其背后的培训产业链。

AI解渴?

算法岗竞争为什么越来越激烈

每年一到校招时节，似乎都会有新闻夸张的渲染“今年共计有XXX万应届毕业生”，仿佛每个人都有毕业即失业的危险。而另一边在企业里，我们看到的却是人才荒，HC怎么都不够用。这种用人单位需求和人才能力之间的常见的不匹配，在AI领域显得格外突出。

就在社会各界都呼吁着“增强AI人才建设”的时候，另一种声音也悄悄出现：从 2018 年起，就开始有了“CV方向人才供大于求”、“ 19 年/ 20 年校招算法岗竞争异常激烈”的说法。一些企业官媒或个人员工，例如京东白条、格灵深瞳，也发布过类似“简历数量多、竞争较大”的言论。同时在BOSS直聘出具的《 2019 前三季度新一线城市技术人才洞察》中也提到，今年“算法工程师”一岗的平均薪资下降了9%。

虽然从以上的数据无法证明AI人才饱和，但可以肯定的是，2016- 2018 年间那种过热式的人才荒，似乎已经得到了一定的缓解。其中原因，首先是和整体资本市场走势有着密切的联系，用人需求整体缩减，自然各个领域的需求都会呈现出不同程度的缩减。

但除此之外，这几年以来还发生了什么，缓解了AI领域的人才渴求?

第一， AI企业向服务型转变。

这几年AI企业，包括大量以往的科技互联网提到的最多的就是“赋能”、“产业互联网”等等关键词。服务产业、服务传统行业，已经成为了一种主旋律。尤其这些企业已经将种种AI能力打包成“软、硬、云”一体的解决方案，AI能力的获取已经不再那么困难。就算是小型企业，往往也能通过AutoML式的工具方便的制作自己需要的模型。

成熟企业的服务意识增强，自然截胡了其他产业“AI自强”式的人才需求。

第二， AI领域热度的下降。

和任何一个“风口”一样，AI领域的热度，尤其是资本关注度会呈现出自然下降趋势。据投中研究院与崇期资本联合发布的《 2019 中国人工智能产业投融资白皮书》显示， 2019 年前三个季度中国人工智能领域的总体融资规模仅仅为 577 亿人民币，但去年这一数字达到了 1189 亿。在 2017 年，腾讯研究院和IT桔子联合发布《2017 年中美人工智能创投现状与趋势研究报告》中就提到，截止到 2017 年中，中美两国倒闭的AI企业就高达 50 家，这种趋势在类似自动驾驶这样的高投入领域中尤为如此。

产业规模的紧缩，带来的自然是人才紧缩。

第三， 海量其他领域人才转岗。

正如前文所说，AI行业诱人的薪资引来了大量“offer狩猎者”，一些以往从事JAVA、C++开发的编程人员开始转型，包括以往火热但后来畏缩的iOS、Android开发也加入了AI行列。不仅如此，虽然人工智能专业刚刚开始招生，但统计学、计算机科学、物联网、智能科学等等专业同样也属人工智能对口专业。

这样看来，AI领域自然不会缺乏新鲜血液。

培训机构的暴击：区别于移动

互联网时代的非劳动密集型技术

这种现状在对于刚刚进入AI专业的FreshMeat形成影响之前，先对市面上的海量AI培训机构造成了暴击。

关于AI培训机构的套路，行业里已经有了诸多介绍。其中的槽点都大同小异，比如广告上说的是学算法开发，实际上课程表里只有基础Python。良心一点的培训机构也会提供后续不同方向的算法课程，只是需要学生继续付费。

在“拉人头”时把就业案例讲的天花乱坠，可当学生真正开始找工作时才发现，成功的就业案例不仅在培训机构上过课，还拥有对口专业和优秀的学历。而机构里承诺的“包就业”，往往是让学生去远在贵州的大数据企业做标注员，或在爬虫企业做数据挖掘。

针对这种现象，笔者也采访了一位曾在 2018 年参与过AI培训的程序猿，对方表示这种短期培训班更适合的是已经有了一定工作经验和开发经验的“老司机”，而且很多人参与培训的目的以及最终实际就业的去路，也并非是AI算法岗或机器学习工程师，而多半是和推荐算法、数据分析等等相关的岗位，累积经验再向更好的职位冲击。

他也提到，由于一线城市的开发者对于就业情况已经相对比较了解，培训机构很少真的能“忽悠”到人，于是很多培训机构开始专注于在新一线或二线城市进行地推，向刚刚走出高校学生推荐价格高昂的住宿式封闭课程。在他所在的求职群里，甚至看到过这样的经历：受培训者在交了高价“学AI”后，很快发现以自己的学历并不能获得一份很好的工作，开始向培训机构争取退款甚至要求发生维权，最后的解决方案是，培训机构“赠送”了他UI开发课程，如今这位学生已经在成都当上了一名UI设计师。

其实如果我们抛开“培训乱象”这一表象之后，会发现所谓培训机构对于AI就业的定位和现实情况是极为不符的。培训机构对于AI岗位的定位或许和移动互联网时代的“UI设计”、“iOS开发”等等概念一样，普适性强、需求高。就像现在每个品牌或机构都需要一款App，有App就意味着需要iOS开发和Android开发、需要UI设计等等。但现状却是AI本质上不是劳动密集型技术，相反这种技术极易SDK化，就算未来每一家企业都需要应用AI，但并不是每一家企业都需要算法工程师或机器学习工程师——其实这也是上到BATH，下到AI独角兽们所期望的画面。

有了培训机构的“前车之鉴”，是否也意味着今年这些人工智能专业只会加重AI领域的供不应求?现在甚至有人戏谑调侃，说AI专业就是当年的“生物科学”，听起来高大上，可真到就业的时候却不够接地气。

但我们也要注意，在前文所有表示“竞争激烈”的岗位，往往都是算法工程师，而“AI科学家”的HC却永远向整个社会打开。AI不是劳动密集型技术，而是头脑密集型技术，因此AI需要的不是“人”，而是人才。开发者像“人”一样从GitHub复制粘贴，不断调参之后呈现结果很容易，但像“人才”一样对于技术创新却很难。

因此不论是高校还是学生自己，都应该注重AI创新型的人才塑造，而非匆匆打造一批投放于劳动力。而培训机构也应注意，与其将目光总放在“AI专岗培训”这块难啃易翻车的硬骨头上，不如转向泛岗培训，教会各个岗位的工作者如何与AI共事。比如教会售前工程师如何向客户解释AI技术，又比如教会HR如何与研究型技术人才沟通交流，或是内容从业者如何更好理解推荐算法等等。AI虽然不需要劳动密集，却因其普适性而需要“认知密集”。或许培养认知，会和培养劳动力一样重要。