一、人工智能专业就业前景和薪酬？

就业前景不错，薪酬待遇高，人工智能在当下以及未来几十年，是一个十分火热的就业方向。

在中国，目前正处于人工智能大发展大应用阶段，随处可见的网络摄像头、电子交警的使用、自动驾驶、智能农业、智能物联网、现代化医院系统等，都是人工智能应用的实例，所以就人工智能就业这块，根本不是个问题

二、人工智能的薪酬如何？

同是码农，待遇不同在后端开发、前端开发、移动开发和人工智能四个领域中，人工智能是平均薪酬是最高的，平均比其它三个领域高三分之一左右。人工智能岗位竞争没有其它领域激烈人工智能领域平均一个职位收到 24.7 份简历，相比之下，移动开发领域最高，平均收到 130.3 份简历。应届生做人工智能拿 9k，做移动开发仅 6k和传统技术岗位相比，新兴的人工智能领域在不同经验阶段都提供了优厚的薪酬，一个应届毕业生进入人工智能行业，平均可拿 9k，而移动开发则只有 6k；10 年以上优质人才，人工智能的薪酬比后端开发翻了近一番。人工智能目前是一个快速增长的领域，人才需求增长迅速，但相比其它技术类岗位，比如前端开发、移动开发，人才的供应还没有跟上，求职者对同一岗位的竞争不那么激烈，薪资也水涨船高。------由GET写作整理而成------

三、人工智能相关的岗位薪酬状况如何？

笔者简介：美国应用数学|运筹学硕士，德国海德堡大学数学|组合优化博士，博士研究方向为离散优化在计算机视觉的交叉应用。读博期间创办 @运筹OR帷幄 以及 @DIY飞跃计划 俩个微信公众号/社区。现于德国某车厂自动驾驶部机器学习组，担任计算机视觉研发工程师。

一、人工智能不同岗位及薪资差异（附案例）

如高赞回答 @晓飞 所说，要谈人工智能待遇，先得讲清楚人工智能都有哪些岗位

从职能上划分：

1.研发科学家（Research Scientist）

2.软件工程师（Software Engineer）

通常1需要博士学位，2硕士甚至本科都可申请。

2在国内一般会叫算法工程师。

从部门上划分：

1.AI研究院（Research Lab）

2.公司研发部门（R&D）

3.公司产品部

1的代表：Facebook AI research Lab (FAIR)、微软亚洲研究院(MSRA)、百度AI Lab等

1中既有研发科学家“发明”全新的AI模型和底层的优化算法，也有软工协助科学家们实现算法跑实验，或是把这些前沿的模型做成Prototype（样品）推销给公司2和3的研发、产品部。

2和3有些公司没有严格区分

3的代表：微软小冰、微信、腾讯王者荣耀等

工资待遇一般情况下按上面的数字递减～

案例一

国内某一本自动化专业本科，国内某985硕士（研究方向：动态优化+并行计算）

毕业于普通的一本院校，非985，非211，专业也是普通的工科专业，本科期间学习成绩良好，但是也没有学过任何与人工智能相关的内容。硕士期间从事的是CUDA并行计算的研究，将一些优化算法通过GPU并行加速。

Offer1:

顺丰科技，第一年16*15K，CUDA高性能计算，只招聘两人，顺利拿到Offer。主要工作内容是将一些人工智能的相关算法并行加速。

Offer2:

华为C++测试岗，第一年 16*15K，由于具备良好的C++编程基础，所以拿到大厂的Offer基本不成问题。

这个案例告诉我们，找到一份好工作对学历是有一个基本的要求的，但是要求并不是很高，身边很多的人也都是普通本科出身，通过自身的学习和努力一样能得到好的工作机会。另外对专业的要求也并不是很严格，因为国内目前基本还没有人工智能专业，只要是工科相关专业，或者数学统计专业，乃至于经管类专业都可以比较容易的转行到人工智能。

案例二

国内某985硕士（硕士课题研究方向：多目标优化算法）

Offer1:

图森，第一年22*15，参与自动驾驶的研发

Offer2:

Momenta，第一年 20*15，参与自动驾驶系统的研发

曾参与了并完成了优达学城自动驾驶课程，并由此获得了滴滴自动驾驶的实习机会。

这个案例告诉我们，硕士的研究课题其实很多时候和找工作关系并不大，因为目前国内的硕士教育依然是偏重学术研究。本案例中的同学硕士研究方向和自动驾驶没有什么关系，但是他通过自学并参与了优达学城自动驾驶课程并由此获得实习机会。如果没有参与课程的话仅仅依靠其硕士研究的内容是很难找到好工作的。

案例三（我自己）

德国Top3 数学博士

申请德国某Tier 1 AI Lab，被拒

Offer 1：

德国某Tier 1 Corperate Research（可以理解为研发部）机器学习组， 应用方向有安防、机器人、自动驾驶，8W欧元左右/年

Offer 2：

某车厂自动驾驶系统部门（可以理解为产品部）机器学习组，产品为自动驾驶系统中的各个模块，7W欧元左右/年

P.S.，一欧元约等于8块人民币

二、全球范围各大厂人工智能方向薪资及高薪揽才计划

人工智能、机器学习最近几年有多火？

从各大互联网公司先后创建人工智能研究院，以及以下这些高薪揽才计划便可略窥一二。

1.阿里星计划

年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会

2.百度少帅计划

IDL部门（机器学习、深度学习），年薪100w+，每年9人，30岁以下，工作地北京、深圳，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队

3.滴滴新锐计划

滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等

4.腾讯技术大咖

要求，全球TOP100 CS相关硕士博士毕业，人工智能相关，待遇：上不封顶offer，深圳市还有“孔雀计划”160w的奖励

5.Google/Amazon/Facebook/Apple等

硅谷科技公司巨头，如斯坦福这样的名校毕业硕士，去Google就有可能达到20W刀/年的package

最近网上流传AI行业人才可能有一些饱和。

个人认为，表面上人才饱和的状态是AI里面相对基础的一些岗位，而高端人才永远是稀缺的。

事实上，AI领域的技术更新非常快，无论什么位置都需要不断的学习和提升，对应聘者提出了更高的挑战。

更详细的全球AI薪资汇总，可以参考我在这个问题下的回答：

全球 TOP 互联网公司及学术界人工智能方向薪资、高薪的揽才计划有哪些？

三、转专业人工智能工业界的经验和建议

因为自己本科数学，硕士应数、优化理论，博士研究其实更偏运筹学、组合优化，因此可以说非人工智能科班出身。

这里大概讲讲自己的转专业经历。

先说点宽泛的、上纲上线的东西。

人工智能、大数据这些新兴"专业"，是随着工业界与日俱增的需求而随之出现的（中国最近批准了第一批试点的几十所高校开设人工智能专业）。其实任何专业都是这样一个需求导向的过程，包括微电子，计算机，还有什么房地产专业，几十年前可能根本不存在这些专业。

但是自然科学如数学、物理、化学、生物长盛不衰，是有其道理的，这也是为什么我们初高中我们都在学这些东西。

反之，某些专业，一定会随着市场需求的锐减而减少甚至消失。

这些专业名词在刚出现的时候往往是“凭空造诣”或者是强加术语，然而知识是需要积累的，每个新兴专业都是建立在一些基础科学的基础上，这也是我下面的回答要强调的--学习人工智能非一朝一夕，而是要从最基本的数学基础开始打好地基。

1.数学基础

微积分（求导，极限）和线性代数（矩阵表示和运算）是基础中的基础

2编程技能

人工智能任何模型和算法的实现，当然需要编程了，因此C/C++/Python任选一门（推荐Python，因为目前很多库和Library都是用python封装）。

数据结构：建议学学，让你编程更顺手更高效。

算法：建议上，任何人工智能任何产品的Code都是无数算法的集合体。

数据库：存储数据，人工智能通常需要用到海量数据，因此如何更高效的存储和管理以及调用数据，就显得尤为重要。SQL等数据库，以及Hardoop，Spark等并行计算的框架，是最近的热点，推荐学习。

3.数学（统计、优化、机器学习）模型和深度学习

概率论+统计：很多传统机器学习模型基于统计模型

线性规划+凸优化：或者只学一门叫numerical optimization，统计和人工智能，到最后几乎都会归结为求解一个优化问题，当然也有纯优化模型不用统计模型的

关于优化类课程的综述，欢迎关注我的专栏：

机器学习:其实传统机器学习，通篇都是在讲用一些统计和优化来做聚类、分类和预测这三个人工智能最常见的应用

深度学习：卷积神经网络的复兴掀起了深度学习席卷全球的号角，毫无疑问，它是目前人工智能的核心，必学！

学到这里，你基本就会发现，学这一门课中间会穿插着很多其他课的内容。恩，知识总是相通的嘛，特别是这些跨专业的新兴学科，都是在以往学科的基础上由社会需求发展而来。

4.人工智能的应用

以上所有课程基本都还是理论、数学模型层面的，虽然讲理论的同时会穿插一些应用案例，但是系统学习某一应用领域还是非常必要的，再加上一些项目和实习经历，基本就是转到AI工业界的敲门砖了。

人工智能应用领域按方向包括：

计算机视觉、语音识别、自然语言处理、知识图谱等

按行业：

汽车行业（自动驾驶）、制造业（次品识别）、安防（人脸识别）、机器人（SLAM）等

5.我个人转专业AI工业界的经验

由于应用数学+运筹学的背景，加上本科研究生修过一些编程和算法课程，因此我转战人工智能就只缺机器学习/深度学习+实战训练了。

我所在的海德堡大学数学与计算机学院，有海德堡大学图像处理中心，因此我很方便地旁听和选修了机器学习、深度学习、计算机视觉三门课程+一些研讨班。

另外由于博士课题是关于图像分割的，虽然博士论文用的是传统机器学习和组合优化交叉的算法，但在博士最后阶段，一位合作教授提议将这个方法应用在时下很热的语义分割（在自动驾驶和医学图像等领域都有应用）方向，于是又顺理成章地获得了一部分深度学习的经验。

事实证明，最后的这个深度学习小项目，是面试官最感兴趣的部分。而我现在工作的主要内容，也和此项目息息相关。

对于这段经历感兴趣的同学，欢迎收听我和牛津大学医学图像博士后渡博士（牛津大学实验物理博士）联合举办的关于转专业AI的知乎Live

6.对转专业的一些建议

个人感觉，理工科背景的小伙伴，在有了一定的数学和编程基础之上，要转到人工智能领域并非难事。

以上个人经验，更适用于刚进入研究生或博士阶段不久的同学，有着充裕的时间打好数学和编程基础，循序渐进、逐步提升。

但是对于那些快要毕业，或者已经在工作岗位上从事其他专业的小伙伴，或许不是那么适用。

一方面，如果按照以上关卡一道道通关地自学，很容易被前期枯燥的数学和编程基础所累，导致前功尽弃。

另一方面，AI中的软件、算法工程师职位，大都不需要那么多数学基础，因此很多课程可以只挑重点看。

所以对于希望“速成”的同学，可以需要一个课程 list，通过比较系统的课程先入门，最好有项目可以练手，进入这个行业后再慢慢提升。找到第一份AI工作，通常是机器学习工程师。

这时候，网上一些系统性的网络课程或许比较适合。

例如Coursera，优达学城，景略集智等等。

一方面把一项职业所必须的技能树都涉及到，另一方面设计了难度适中的作业，让自学过程中可以及时检验成效。

最重要的是，还有考试，以及pass考试后，会有“证书”（简历加分利器）！！

四，总结

人工智能正以我们意想不到的速度蔓延到各个行业以及社会的方方面面，农业、制造业、医疗、交通无不有它的身影。

或许不久的将来，他会像蒸汽、电力、电脑、手机、互联网一样，成为我们日常生活必不可缺的一部分。

是的，我们已经处在这一次科技革命之中，而人工智能，正是这一次科技革命的根源并且将被载入史册。

难道你，不想成为这次科技革命的一份子么！？

四、薪酬专员的薪酬类型？

有直接货币薪酬、间接货币薪酬和其他的货币薪酬。其中直接薪酬包括工资、福利、奖金、奖品、津贴等;间接薪酬包括养老保险、医疗保险、失业保险、工伤及遗属保险、住房公积金、餐饮等;其他货币性薪酬包括有薪假期、休假日、病事假等。

五、薪酬管理中薪酬窄带含义？

　　窄带薪酬,是通过岗位定薪的方式来确定薪酬级别，这种薪酬制度级别多、幅度小，薪酬制度的灵活性和适应性不足，适合层级组织结构，传统的劳动密集型企业。而宽带薪酬是以员工绩效和技能为驱动来设定薪酬水平的，这种薪酬制度级别少、幅度大，薪酬制度的灵活性和适应性强，适合现代企业组织结构扁平化的趋势，适合知识型企业。

　　宽带薪酬，是一种新型的薪酬结构设计方式，是对传统的带有大量等级层次的垂直型薪酬结构的一种改进或替代。

六、薪酬体系和薪酬制度的区别？

薪酬体系是指薪酬的构成，即一个人的工作报酬由哪几部分构成。一般而言：员工的薪酬包括以下几大主要部分：基本薪酬（即本薪）、奖金、津贴、福利四大部分。 薪酬管理是指在组织发展战略指导下，对员工薪酬支付原则、薪酬策略、薪酬水平、薪酬结构、薪酬构成进行确定、分配和调整的动态管理过程。 薪酬体系是人力资源管理六大板块薪酬管理中的一部分。

七、薪酬等级及薪酬标准表？

薪酬等级表是薪酬设计的基础文件，公司所有员工岗位工资必定对应某个等级，3PM薪酬设计薪酬等级表有3种形式：等比薪酬等级表、等额薪酬等级表、系数薪酬等级表。

等比薪酬等级表即各薪级之间岗位工资是按比例增长的，这种薪酬等级表适合薪酬等比调整需要。

等额薪酬等级表即同一职等内不同薪级之间薪酬差距是等额的，这种薪酬等级表适合薪酬等额调整需要。

薪酬等级表中数据用一系列系数来表示，这个系数再乘以薪酬基数就得到每个岗位的薪酬数额，薪酬基数根据公司效益情况及时调整，可增可减。

（一）等比薪酬等级表

设计等比薪酬等级表的过程如下：

（1）根据薪酬调查结果以及公司制定的薪酬策略，估算企业在未来较长时间内，岗位工资可能的最高值和最低值。

（2）根据最高值和最低值的差距、外部薪酬调查数据以及公司拟采取的薪酬策略，确定不同职等薪酬差距，一般情况下，职等之间薪酬增长在30%～60%之间，本案例职等薪酬增长率为50%。

（3）选定某一基准等级，比如第5级，确定各职等对应的薪酬数据，如表中一职等第5级至八职等第5级分别是：1200、1800、2700、4000、6000、9000、13500、20000。

（4）根据公司薪酬调整策略，确定薪级增长率，一般为3%～6%，较小的增长率可以实现频繁晋级激励，但需要更多的薪级来保证相邻职等的重合度。本表中薪级增长率为3%。

(5)根据薪级增长率，将各薪级向上、向下进行数据填充，考虑到不同职等应有一定的重合度（20%～50%），确定足够的薪级数目。本案例薪级数目是22个，职等重合度30%左右。

经过上述过程，就可以得到等比薪酬等级表。

（二）等额薪酬等级表

等额薪酬等级表薪级增长是一个固定值，但不同职等增长数额不一样，职等越高增长数值越大。这种薪酬等级表适合同层级岗位薪酬的等额调整需要。

等额薪酬等级设计过程与等比薪酬等级设计过程类似，在此不做赘述。

八、薪酬缩写？

薪酬的英文是salary，没有缩写形式，缩写适用于词组和较长的单词。

九、薪酬读音？

薪酬 - 拼音xīn chóu

薪酬是员工因向所在的组织提供劳务而获得的各种形式的酬劳。狭义的薪酬指货币和可以转化为货币的报酬。广义的薪酬除了包括狭义的薪酬以外，还包括获得的各种非货币形式的满足。

十、如何利用薪酬调研进行薪酬管理？

进行薪酬调查，比较常用的方式有以下几个方面：

1. 企业之间的相互调查。根据要调查的岗位，了解同行业或其他行业存在同类岗位的企业的薪酬信息，在实施的过程中可以向保持良好关系的外部企业直接获取相关信息，或通过非官方的渠道了解信息。一些企业为了实现信息资源的共享，还会在企业间建立一些非正式的组织，定期进行包括薪酬信息在内的信息交换和共享，实现信息的互通。

2. 通过招聘获得薪酬数据。人力资源管理者在招聘过程中，必然会接触到求职者以往任职企业的薪酬信息，可以将该信息进行收集，甄别参考使用。另外，各大招聘网站上各信息发布的招聘信息中，对于薪酬定位和区间的描述信息也有很好的可借鉴意义，如果信息收集的数据比较多，采用频率分析法进行分析后，我们也会看到对于调查的岗位其薪酬区间的分布情况。

3. 通过专业的机构进行薪酬调查。当通过其他渠道很难获得系统性强、可信度高的数据时，委托专业的人力资源咨询公司进行调查也是常用的方式，这种方式需要一定的花费，但相对来说获得数据的专业度和系统性都会更好。除了付费方式，一些机构也会定期发布免费的薪酬报告，可以注意收集使用。

4. 采集社会的公开信息。政府部门、有关协会、学会等也会定期提供薪酬调查数据，这些信息往往在公开渠道就能够获得，但这种方式针对性不强。

5. 发放调查问卷方式进行薪酬信息的调查。面向特定岗位的群体，发放薪酬调研问卷，对收集到的信息进行分析，获得较为准确的薪酬信息。

在实际的操作过程中，往往是多种方式结合使用的，通过不同渠道采集的信息也起到互相印证、参照的作用，增加信息的可信度和参考价值。

• 一、在薪酬设计时，首先要进行薪酬调研。（详见上述方法）

• 二、确定薪酬设计的目的和策略

• 1、薪酬设计的目的是为了吸引和保留优秀员工，还是鼓励员工提高能力？激励员工高效率工作？或者是平衡企业发展与薪酬成本的关系。不同的目的应设计不同的薪酬体系。

• 2、确定企业的薪酬策略，包括核心的薪酬价值观、薪酬总量目标、重点激励人群、本次薪酬改革的目标、水平策略、结构策略等。依据薪酬设计的目的和策略进行薪酬设计。

• 三、岗位序列划分和价值评估

• 1、首先需要将企业所有的岗位划分为不同的序列，如经营序列、管理序列、生产序列、研发序列、营销序列等，不同的岗位序列其薪酬结构不同、激励方式不一样，如经营层一般实行年薪制，激励周期长，而营销人员可实行低底薪、高提成方式，激励其作出业绩。

• 2、然后对所有岗位进行岗位价值评估，目的是确定岗位在企业的相对价值，并据此建立岗位价值序列。一般是根据岗位在组织中的影响范围、职责大小、工作强度、工作难度、任职条件、岗位工作条件等维度进行评价。

• 四、薪酬体系设计

• 1、薪酬体系文件有哪些？

• 包含两类，一是薪酬制度性文件，二是本次调薪的说明文件。

• 1.1制度文件包括总的薪酬管理制度，再分别设计不同群体的具体薪酬发放办法。办法中规定工资、奖金、津贴、福利各部分具体的核算方法、计算公式、发放办法。

• 1.2调薪说明文件是本次调薪的说明性文件。内容包括本次调薪原则及方法、调薪前后薪酬总量对比、各层面人员收入水平对比、与市场薪酬的对比、关键岗位调薪前后对比、个人二次归位的方法、特殊人员及特殊情况的处理方法等。

• 2、薪酬结构设计即要考虑薪酬的保障性，保障员工基本生活需求；又要考虑薪酬的激励性，通过薪酬设计激励员工做出业绩、提高能力。薪酬一般分三类：一是基本薪酬，如基本工资、岗位工资、职务工资、技能工资；二是激励薪酬，如绩效工资、计件计时工资、奖金等；三是间接薪酬，如补贴津贴、社保公积金、年假、过节费等。通过这几类薪酬的组合，设计不同的薪酬结构，一般有岗位薪酬体系、技能薪酬体系、绩效薪酬体系。

• 3、不同层级、不同岗位序列的激励重点不一样，比如生产员工关注产量，可以用计件工资，有的企业对质量或安全非常重视，可以加一块质量奖或安全奖。高中基层激励的重点和周期不同，高层激励周期长，关注企业长期持续盈利，可以用年薪、超额利润分享、期股权激励等形式；而基层员工一般采用月薪。

• 4、注意薪酬设计的公平性，充分考虑到老员工和新员工、高层和基层、不同序列岗位之间、不同地域的单位之间薪酬的平衡，不要让员工感到不公平、不合理。

• 5、对薪酬水平做好定位，处理好薪酬的市场竞争性和企业人工成本之间的关系，既能保持薪酬水平在区域和行业的竞争力，又不能使企业承担过高的人工成本。

• 6、平衡员工薪酬增长与企业效益增长、劳动绩效增长之间的关系，三者应保持一致，企业效益提高了，劳动生产率提高了，员工的薪酬才能相应增长。

• 7、公司利润与员工共享，对重要岗位、骨干员工和有良好业绩的员工进行分享。

• 企业是个利益共同体，利润大家创造，收益共同分享。因此，企业利润要拿出少部注意分配适度。分享过少，不利于激励员工，过多则影响企业发展。