百万年薪的人才泡沫？关于程序员向AI转型的事儿，这几位老司机是这么说的

2017 年 7 月 18 日 黑智 AI科技大本营

陆奇说，这个时代终将是技术驱动的。作为程序猿们，也该考虑考虑怎么转型AI的事儿了。但是，AI时代真的是一场泡沫吗？转型AI，机会和问题又在哪里？

AI时代的开发者，面对的究竟是百万年薪，还是虚假繁荣？首先，你得了解这个AI时代到底有什么特点，机会在哪里，以及最大的需求是什么，以及如果转型，会遇到的问题和技术实操。7月15日，在AI100社区的沙龙上，极客帮创始合伙人 & CSDN创始人蒋涛，以及CSDN副总裁孟岩，跟现场众多程序员们聊了聊开发者转型和AI时代的那些事儿。而这，或许对每个开发者而言，都值得借鉴和思考。黑智现摘录如下。

口述 | 蒋涛、孟岩

来源 | AI100社区

蒋涛：AI时代，B端比C端更有机会

这几年我也在做投资，从一个比较宏观的角度给大家讲一下，就是说为什么人工智能这么重要。

上上周，百度开了一个开发者大会，叫Create大会，是由史以来中国最像开发者大会的开发者大会。

为什么像开发者大会？

因为有很多大会打着开发者大会的名义，其实都是在推销自己的东西，并没有真正提供给开发者实际的资源。

第二个也没有建立所谓的开发者生态，因为我们开发者生态都是建立在国外的公司的基础上。

百度这场会含义还是非常深的，也是陆奇去作为百度的二号人物，第一次大的亮相，他讲了一句话：未来属于创作者，AI的未来属于开发者，开发者成功才是百度真正的成功，这句话有一定的逻辑关系，我后面给大家解读一下，为什么开发者变得这么的重要，然后AI为什么成为百度的一个重要的基石。

PC时代回顾

首先让我们来回顾一下历史。

历史上，最大的开发者大会是微软1992年开的，为什么？

因为这是PC时代，PC时代最核心的是入口就是操作系统，或者是Windows的桌面，它是建立在X86因特尔的芯片技术上。围绕着这个，我们才有了PC时代，也诞生了开发者的时代。

他们为开发者做了什么东西？

在PC时代，我们看最大的一个公司，出现了几类：

一个是行业，公司百亿级别，如IBM，Oracle，SAP，他们为企业提供信息化的软件和工具，包括数据库、ERP，还有做外包，因为各个行业都需要信息化。

另外一个就是C端的业务，服务个人。在个人市场只产生了两类大的公司：

一类是做游戏的，暴雪公司，EA，这是PC游戏行业，也是非常大的一个产业。

还有一类是工具厂商，如图像工具Adobe。

移动互联网时代

接着我们迎来了移动互联网时代，大家都开始找入口，一开始是门户，后来发现不是门户。

比如，一开始最厉害的是新浪，三大门户，还有网易。

后来随着时间的发展，发现最重要的入口是搜索引擎。谷歌和百度等掌握了绝大部分流量的分发权。

电商也是很大一块入口。比如淘宝，58同城，大家一般都直接去到淘宝，而不是用百度搜索，因此不会被百度卡了脖子。

这是整个PC互联网的发展，这时候我们开发者在做什么呢？

他们在建立各种各样的网站，但是你的网站呢，很重要一点是要服务这些C端的用户。

第二个，可能要做好跟搜索引擎之间的关联。

这是PC互联网，到了移动互联网，才是一个开发者大显身手的时候。

到了移动互联网时候，入口变成了APPSTORE，就是说你做一个应用，原来是关健词搜索，现在是你的应用名字比较重要，你的应用名字能不能在用户之间建立它的认知。

微信作为一个巨大的入口，对开发者没起什么作用，倒是对内容起到一个巨大的作用，不少内容生产者立足微信做创业。

因为PC互联网跟人的连接还是比较远一点，而手机是随身携带的，因此移动支付发展起来。

跟生活比较贴近的，如做天气的APP，也发展得很好，因为它跟生活连在一起，就可以接入更多的服务。

现在APP已极大丰富，APPSTORE上有150万个APP，你现在需要分走用户的注意力比较难了，基本上能做的都被大家做了一遍。

第二个用户没有增长了，获得新用户的成本越来越高。

这是整个APP移动互联网时代。

AI时代

今天什么百度要提出这么一个战略？

因为百度发现，它在移动互联网的时候抓瞎了，因为它不是入口，入口变成APPSTORE、变成微信，变成小米手机，手机成为一个入口，还有应用宝商店，腾讯开了个应用宝，百度买了个91也不是很成功，所以在移动互联网上，百度就Miss掉。

Miss掉以后，O2O战略也不是很成功，这次他们下了很大的决心要做AI的OS，做AI的生态。

那AI的OS是什么呢？

以后所有的东西都要和互联网连接。摄像机可以连网，摄像机带人脸识别。摄像机识别以后，怎么跟你互动呢？

百度提了一个口号叫唤醒万物，你说Hello索尼摄像机，它就知道是在叫它。这个大概三年内就会发生，这就是说，语音会作为一个入口。

有了入口以后，后面是什么？

你把它唤醒了，它得和你进行交互，它得有算法在背后，而这个算法是要靠大量的硬件驱动。

百度认为，未来的每个行业，每个硬件都可能变智能，而智能化一定要有一个核心的OS来驱动它，所以这就是一个是入口。

但是现在这个生态刚刚开始，机会在哪里呢？

第一个你要做C端的应用，还是很有挑战的，因为现在做人工智能的应用，要有数据，没有数据你的算法就没有办法做出精确度。

那么数据在哪？

数据都在BAT手上，他们有大量的数据，有一大堆C端的公司，他们每天都产生大量的数据，饿了吗，滴滴，摩拜等。有了信息，他就能判断你的意图。比如，现在亚马逊在美国就能根据你过去的购买记录，预测你会喜欢什么样的书，于是它会提前把书送到你家。你回家就能看到5本新书，想看就留下，不想看就退。

所以在C端，实际上我们的机会就不是很大了，因为这些公司手上的数据太大了。其实在B端，AI时代产业B端布局会比移动互联网更大。

AI时代，B端机会更大

为什么这么说B端机会更大呢？

我来详细解释一下。

移动互联网大量解决的是C端的问题，而B端有很多问题没有解决，B端也面临巨大的变革，他们做了第一步的信息化，但是他们没有把业务进行重构，但是人工智能来了以后，会有一个非常大重构的机会。

这其中最大的重构就是无人驾驶汽车，这是一个上万亿美金的市场，围绕着它配套的产业，光售后就有八千亿，如果汽车都变成无人驾驶了，现有的很多服务都会瓦解。

所以我们看到有很多大的公司在这里面下重注。

这是从投资角度看到的一个非常大的机会。

深度学习可以做什么

那从整个产业的角度，人工智能为什么现在变得这么热？

当然第一个原因是阿法狗在去年打败了李世石。

实际上，真正历史性的转折点在2012年。

在2012年Imagenet比赛中，深度学习的使用，将识别错误率大大降低，引起了人们的关注。也就是说，原来人工智能技术被一道墙堵住了，过不去，进步很小，但是采用深度学习后，这个墙相当于被凿开了一个窟窿。下图中紫色代表采用深度学习，蓝色代表传统方式，可以看出其中的跨越式的变化。

如下图，计算机采用深度学习可以做到精确的识别，把这张图描述出来。

我们常说代码时代结束了，其实它指的不是所有代码，而是原来我们是用各种各样的规则和技术，现在可以用深度学习，用神经网络来建立模型，用以取代原来人工设立的规则。

这是很大的一个不同，而且这个技术不是说只是用在识别领域，它可以用在非常多，以及看起来很小的领域。

这是Google发布的数据源，展示出自己内部哪些项目用到了深度学习。

从2012年开始，他们就开始用，一开始几个项目，到2015年Q3已经有1200个项目使用深度学习。到2016年，已经有2700个。目前Google内部的所有项目，80%以上都用到了深度学习来改进。

比较小的地方，大家意想不到的地方，比如做缩略图的时候作，同比例放缩就看不清楚人了，所以用深度学习技术来改进。

如上图，图片里有人头，当你同比例缩小的时候，就有点看不清了，不方便浏览。于是，我就可以用深度学习来识别头像，以此在缩放的时候，做一个调整，让人像看起来吐出一些方便查找。

还有做压缩，利用这个技术，还可以再压缩30%，因为机器会学习，知道哪里更重要，压缩的时候主要内容保持质量，其他次要内容进一步压缩。

现在我们已经进入到新应用时代。

图片上这个人是深度学习的网红，原来在Open AI，刚刚跳槽到特斯拉做无人驾驶的首席科学家。

他曾经拿托尔斯泰的作品来做一个学习，用机器去模拟，程序只有几百行，但就能让机器创造出来作品，虽然还达不到托尔斯泰的水平。

很多行业，都面临着这个巨大的挑战。

围棋行业已经被颠覆了，后面还有律师、金融，包括程序员，美国已经有不只一家公司做自动化编程，取代程序员的一部分工作。

上图是调用了Google的API做识别，这个人是斯坦福机器人研究室的一个博士，花一百美金左右买了这些设备，就做出来原来需要花50万美金的东西。这说明什么，说明智能应用时代是真的来临了。

这是来自YC的分析图。从上图可以看出，学术界的突破在2012年，从2014年起进入创业高峰期，2017年进入爆发期。

AI现在被我们捧得非常热，但是要很好地解决我们实际面临的困难和问题，达到大家期望，还需要经历一个过程，我们把它分三个阶段。

AI发展的三个阶段

目前还是算法红利期。现在大家都下重注去挖算法的优秀人才，年薪开到上千万美金，这是一个优秀算法掌舵的时代。

学术界的进步对我们非常重要，因为论文的一个突破就可能带来技术上应用上的一个大突破，一个快速发展期。

不过这个阶段很快会稳定下来，变成局部很小的改进，不再是大的突破。

这之后是工程技术期，会在2到3年后到来，这个时期就可以真正去做出各行各业的应用，而且对这些行业会产生比较大的价值。

再后面才是平台，谁拥有最多的数据，谁就拥有最大的商业资源，谁就更强大。

我记得我很早时，跟微软谈事的时候，他们内部就说过，我们公司没有10亿美金以上收入的项目，都不会列入我们的计划。但是无人驾驶他们是可以杀进去的，这是一百亿一千亿的市场，但是我们可以在很多行业都找到这样的机会往里去切入，但是等到这个市场变得非常巨大的时候，你不一定打得过平台，或者你要先把这个平台要做的事做好，才有空间。

现在AI是同样的情况，我们可以调用谁呢？

Google是在这个领域做得最好，百度是目前最大，我把他们做了个对比，开放的能力大家可以去看一下，包括百度推的语音唤醒，Google现在还没有。视频内容比较分析，就是一个视频封面，我刚才讲，你怎么去选视频里面的哪一帧，作为你封面的展示页，百度也把它公布出来了，这些都是他们很大的积累了。

所以呢，这些技术的丰富，包括框架的成熟，就像安卓1.0时代，2.0时代，也不太成熟，我大概是3.0参加了Google IO大会，那时候才有了点气象，也不是像现在这样，安卓一定会胜利，大概是在4.0的时候会确定。

孟岩：人工智能的泡沫与啤酒

著名财经作家吴晓波最近发表了一篇文章，《为什么新科技的风口总火不过一年》，在文章中引用了Garner技术发展曲线，他认为人工智能目前处在第一波峰的顶点，那么很显然，马上就会面临泡沫的崩溃。如果他的判断是正确的，那么这将是第三次人工智能的泡沫破灭。

人工智能产业有没有泡沫？

作为财经作家，吴晓波非常的博学，而且也特别的聪明，他能够很快的从一个现象当中抓住足以引爆舆论的点。但从专业角度分析的话，这个判断有问点题。从这幅图上来看，无人机、机器人和物联网已经开始爬坡了。

那问题来了，如果无人机、机器人和物联网即将迈上迅速成长的阶梯，你怎么可能想象人工智能会崩溃呢？因为无人机，机器人本身就是人工智能的应用平台，而物联网则是大数据的最大来源，会有力的推动人工智能的发展。大家要理解，在无人机、机器人、物联网这样的技术浪潮当中，人工智能将扮演很重要的角色。

所以我直接说我的观点，人工智能目前没有泡沫。

具体的分析一下。

第一，本轮人工智能技术的红利还没有吃完。今天人工智能的热潮，是技术上主要是深度学习的突破引发的。深度学习理论上的突破是2006年，所以大家会问一个问题，11年过去了，深度学习的红利是不是已经吃完了？

我们来看，这张图是吴恩达在一本书叫 Machine Learning Yearn的书里面一幅著名的插图，纵坐标是算法的表现，横坐标数据量。从这个图中你可以看到，对于大规模的神经网络来说，数据量越大，它的性能就会越高，也可以说它的能力越强。我问过在这方面非常顶尖的专家，目前有没有看到顶点？他告诉我说，他们有人已经做到上万层的深度神经网络，还是没有看到这个顶点在哪里。深度学习它的红利是很厚的，目前还远远没有吃完。这是第一点。

第二件事情，最近DeepMind公布了两分钟的Video，他们利用深度增强学习，教会虚拟空间的木偶走路、跳跃、跨越，甚至在漂浮的木条上保持平衡和跳跃。这些木偶并不知道什么叫走路，仅仅是给它目标，给他激励，他就自己学会了走路，自己学会了跨越障碍物，甚至可能在一些复杂情况下比人的表现要好得多。这充分展现了深度学习的潜力。

所以我们不需要看每天 arXiv 上那么多的论文，就从这些新闻事件上来看，都可以得出结论，这一代技术的红利还远远没有被吃光。

另外，我们不能光看技术，还要看这个产业。

这个是来自麦肯锡的一个报告，2013年到2016年里面，AI这个领域获得的外部投资增加了3倍，2016年的总规模达到了260亿到390亿美金之多。投资的效应是累积的，这些投资将会对 AI 的发展产生很大的拉动。

一个重点的行业是自动驾驶。同样来自麦肯锡的报告，预测从2015年到2010年，自动驾驶和半自动驾驶车辆的数量将从100万上升到1000万台。汽车这是一个几万亿美元的产业，单单只要考虑这一个产业的转型，对于 AI 就足以产生巨大的牵引力。

所以我完全不担心这次 AI 的泡沫会崩溃。

今天的 AI 整体是什么水平呢？如果你反推，从现实需求出发来对 AI 提要求，你会发现，它有很多事情确实做不到。但是如果你正推，从AI今天已经具备的能力出发，来看看我们能够解决什么问题，你会发现，在今天的AI的能力范围之内，已经可以解决很多问题，可以激发很多行业的变革。

所以如果你们认为AI有泡沫，我告诉你，泡沫只会来的更凶猛，这是第一个问题，AI是不是有泡沫？我的回答很明确，AI没有泡沫。

人工智能人才薪资虚高吗？

第二个问题，人工智能的人才薪资是不是虚高。PingWest 最近发表了一篇文章，作者花了很大的功夫去做调研，写出来一篇强文，题目是《百万年薪的人的泡沫与人工智能的虚假繁荣》。文章写得很棒，我读了好几遍，也推荐所有人都去看。

这个文章的核心意思，是说现在很多 AI 的人才在市场上拿到高薪，但是却没有为企业赚到钱。有些挂着高级学术头衔的人，跑到企业里先拿个高薪爽几年，然后可能拍拍屁股就回学术圈了。

我们怎么看待这个问题。

首先，AI 和数据科学人才的高薪是个全球现象，他们现在就是在享受薪资溢价，这个是事实。我接触的很多 AI 界的人也是这么看。

我们看一下美国的情况。

在美国，AI、机器人，机器学习与数据科学人才薪资水平目前快速增长中。你如果是程序员，你的薪资平均水平是九万一千美金，不过图中代表众数（mode）的那根柱子靠左，说明更多的人是略低于这个水平的。这说明少数的超高薪的程序员把多数低工资的程序员给平均了。而算法工程师，尤其是数据科学家，他们整体收入水平很高，均值十三万美元，而且图中代表众数的那个柱字偏右，说明超过这个收入的人群在他们整个这个人群当中也是多数。在招聘网站上，把 AI 方面人才的广告挂出去，5天时间招不到人，显著高于其他职业。意味着什么？供不应求。这个是美国的情况。

英国是全球人工智能的另一个中心。从2014年开始，英国的AI人才需求迅速的直线的上升，就是需求量迅速的上扬。

然后看印度，他们对程序员和机器学习专家的收入做了一个对比。结果呢，机器学习专家的收入不仅始终高于开发者，而且差距还越拉越大。

我们再从另外一个侧面来看一下，我们知道这个AI开发者使用的主力语言主要是Python。

这是从2005年到2016年，这三个语言薪资水平之间的一个对比，排在上面的是遥遥领先的是Java，它在整个企业应用，电子商务开发的地位，很难被撼动，目前它的薪资是排名第一的。排名第二名的是世界上最好的语言，PHP，这个语言跟Java一直是并驾齐驱，保持不是很大的一个差距，但是到2014年，15年之后，出现了一个死亡交叉，Python语言在收入上开始超过PHP，我相信Python开发者的薪资水平超过是Java是迟早的事情，在最近两三年之内就会发生。

中国会怎样呢？大家看这幅图，也来自麦肯锡，在世界地图上蓝色越深的地方，当前劳动力当中可以被机器和人工智能取代的比例越高。墨西哥、玻利维亚、秘鲁这些国家，它整个自动化程度很低，所以有大量的手工工作都是可以被机器所取代的，他们是深蓝色。然后呢，像美国、加拿大、澳洲这样的国家，他们的自动化程度很高，所以他能够被机器所取代的工作的比例并不是特别高，所以是浅色的。

你看我们中国呢，是比较深的，是49%到51%，就是在我们中国的话，AI和自动化取代人力是非常有潜力的。所以呢，我认为在未来的相当长的时间里面，中国的做AI的这帮人，都将参与到一场劳动力替代当中，而且是占据优势地位的一方，享受高薪是必然的。

但是刚才那篇文章里所说的薪资泡沫也很确凿，因为我们看到呢，很多的企业，现在花了很多的钱去雇了一些一流的博士硕士，但是 AI 这个产业的规模还没有起来，这些高薪基本上是靠投资人撑着，这合理不合理？

我认为事情的本质是人才结构的问题。这张图是我和蒋总讨论了很久以后我们列出来，其实一个成熟的，在未来5年以后真正赚到很多钱的人工智能企业，它的人才结构应该是这个样子的，应该是AI专家学者，机器学习的博士们，资深专家比较多；然后呢，应该有一大堆AI的机器学习工程师，AI的产品经理、架构师在这里。更重要的底下有大批的开发者，数据工程师，运维人员，行业人员，这是一个合理的结构。

但是实际情况，目前市场上独立的人工智能初创企业，普遍严重缺乏优秀的产品、工程和运维人才。有些公司非常得意的宣传说，你看我的团队里，一流名校博士占百分之多少，比 Google、Facebook、微软高多了。但其实这样的构成恰恰有问题，这种团队的工程化、产品化能力会成为瓶颈，从而制约他们赚钱的能力。很简单，用户只会为产品和服务买单，不会为论文、算法和你们的学位买单。正是这样的反差，让一部分人觉得这里头有泡沫。

那么怎么办呢？我主张不要着急，把这个事情交给市场。投资者不傻，他们很清楚，现在我们处在算法红利期，算法领域还不断的有突破，所以我们先把懂算法的人找来，花钱养着他，先把论文看懂，先突破，往前突破。

但是算法红利期还有个两三年可能就要结束了。这不是说算法不会有进步了，还是会有很大的进步，但是呢，从算法的突破，到工具化，这个转化路径现在变得很顺畅，两三年之后会更顺畅。如果你有一个算法突破，发表论文出来，很短的时间内，几个月，甚至几周内，Github 上会有实现出来，甚至你可能会看到百度、谷歌把新的算法放在自己的开放API里面，这就意味着，企业竞争主要拼的就是工程能力和产品能力了。到那个时候，整个 AI 产业里的薪资水平会有更合理的分布。

我说一下我的结论。所谓的人才泡沫问题，只是一个暂时性的现象，是发展的一个必然过程，不需要担心。

数据科学向左，人工智能向右

我再说第三个问题，选择方向的问题。

我们现在叫广义 AI，其实里面大致包含两个工作性质差别挺大的方向。一个是商业分析与优化，一个是智能产品与解决方案。

两者主要的不同是谁来做决策，人做决策还是算法做决策，这个决定了自动化程度的高低。

商业分析与优化技术的应用的周期当中，人仍然在里面扮演很重要的角色，数据分析是用来辅助人类决策的，自动化水平受到人的决策的制约，不会太高。

另外一个方向叫做智能产品和解决方案，自动驾驶、扫地机器人、自动广告投放系统，都是这类。整个产品的执行过程基本上是完整的，很少需要有人干预，决策主要由机器来完成，自动化程度接近 100%。

大家很快会面临方向上的选择，你是走左分支，还是走右分支，这件事情你们要好好的想一想。左边这一支走下去，你可能会成为数据分析师、数据科学家、CDO。右边这一支走下去，你应该会成为 AI 工程师、AI 产品经理，CTO。

走左分支，你的关键是获得高质量的业务数据。在中国，这个事情难度很大。

这个是最近的一个全球数据开放度调查，美国排名第8，中国排名第93。如果你们想走左分支，尽可能加入到一些具有数据访问特权的机构，否则想在中国想低价拿到别人的数据是很难的。

那么怎样选择行业呢？麦肯锡给了六个原则，

第一，数字化高度成熟；

第二，业务规模巨大；

第三能够把AI用在自己的核心业务里边，而不是一些边缘业务；

第四，它能够同时的去接纳多项科技，不仅仅是AI，可能还有区块链，还有物联网，还有其他的科技，都能够去接纳；

第五，它更加注重增量，而不是存量；

第六，领导对AI的应用有强有力的支持。

选择方向的时候，用这六把尺子来量一量，就会有一个大致的判断。这是麦肯锡的一个行业分析，排在第一名的，叫做高科技和电信，就是它各个领域里面绿的比较多，如果你们在这个领域做AI比较容易。今天大部分在互联网领域里，你们可能在这个领域里面做AI比较容易，因为数据也比较全，各方面的支持也比较到位，人的意识到位。随后分别是汽车和生产线、金融、电力、娱乐传媒、零售等行业。我们现在很多人都在谈医疗的大数据，医疗的AI化，但是其实呢，这个行业的准备度是不足的，做这个方向，要克服很大的难度。

其他的行业不一一解释了，谢谢大家。