人工智能（AI）与大数据是最近几年科技界乃至商业社会最火的词。正如阿里巴巴创始人马云所说，我们已经步入了数据技术时代（Data Technology），数据的重要性和威力越来越显现出来。随着大数据存储和计算的迅猛发展，AI技术像是插上了翅膀，理论和应用层面都在近几年取得了很大的突破。我们在现在和未来看到越来越多的商业落地，如机场的人脸识别、搜索推荐、人机交互的智能语音音箱等，这些技术与应用正在从方方面面改变着人类的生活。

AI和大数据技术的发展和应用中，最核心的是人才。笔者在美国学习与工作多年，并在谷歌公司担任数据科学家，对此深有体会，所以通过本文，从以下几个方面对人才这个话题做出探讨。

市场对AI和大数据人才的需求

市场对人才的需求一般分为两类：研究型人才和应用型人才。

研究型人才一般是知名人工智能研究机构的重点招募对象，比如大家耳熟能详的谷歌大脑、脸书的研究部、阿里的达摩院等，都对研究型人才求贤若渴。研究型人才大部分是国内外知名学府计算机、电子工程、统计学、数学等专业的博士背景，他们侧重于架构的创新（比如大名鼎鼎的MXNET、Spark、Tensor Flow），或者算法的创新（比如计算速度、准确率、普世性等），在各自的研究领域钻研得比较深。这类岗位的录取标准很高，基本都要求发表顶级会议论文（比如神经信息处理系统大会NIPS、国际机器学习大会ICML、电气和电子工程师协会IEEE等）。

很多知名人工智能研究机构会和海内外高校有合作关系，比如滴滴和密歇根大学，商汤科技和香港中文大学。和高校不同的是，人工智能研究机构一般会有短期和长期的落地规划。具体说来，研究机构最终要么是希望研究成果与现有产品结合，打磨出更好的产品，比如谷歌这几年力推的谷歌助手；要么是为未来推出新产品做技术积累。目前研究型人才相对稀缺，所以很多刚毕业且学术做得很好的博士生会有很不错的工作邀约。

另外，学校里的教授也是这些研究机构非常看重的一批人。近些年来比如多伦多大学的杰弗里·欣顿（GeoffreyHinton）、斯坦福的李飞飞、卡耐基梅隆大学的安德鲁·摩尔（AndrewMoore）等学术大牛都在谷歌等大公司的研究部门带领团队做创新。他们走出象牙塔，一方面致力于推动科技落地，变成看得见摸得着的产品，造福人类；另一方面致力于推动科技民主化，使科技让更多的人了解并且掌握，形成百家争鸣、百花齐放的场面。这些高素质的博士生和教授引领着前沿技术的探索，推动着产品的创新。

至于应用型人才，就数量而言，比研究型人才要多得多。这些人才通常至少是理工科背景的硕士或者博士，从事数据科学或者算法工程师这类工作，他们为产品的最终落地而服务。

这类人才需要有扎实的数理统计功底和编程能力（包括算法和性能调优），对产品也需要有一定程度的了解。一个只懂产品却不能动手，或者不懂产品只照着别人所说而写代码的人，都不能称之为理想的AI与大数据人才。除了这些硬功夫外，如何与人沟通、领导团队、管理上下级期望、如期完成工作，也是十分重要的环节。

当然，顶尖的人才，除了具备上述能力外，还需要具备在不确定性中决策的能力，比如如何通过数据确定产品该做什么，不该做什么，使用什么技术栈（一系列技术的集合），怎么高效实现整个流程管理，如何评估产品，确定产品迭代方向，怎么跨部门协作调动资源完成整个项目等。这类能带领一个较大团队打出胜仗的人才，在市场上屈指可数，他们一般也因此得以在大公司担任重要职位。

至于经验稍浅的，比如刚毕业或者工作仅仅2~3年的人，他们通常能把别人布置的任务做好，但缺乏思考深度和整体性。不过这些侧重写代码或做分析的，也是公司不可或缺的人才，培养几年，一定会有优秀者冒出来，这部分人在美国被称为Individual Contributor（个人贡献者），主要担任技术类职位。

企业如何找到人才

合适的人才通常拥有优秀的背景，比如亮眼的学历、顶级公司的工作经历、带领过重大项目等。通过这些大致可以判断候选人应该放在企业的什么位置上。

对于研究型人才，企业通常可以去学校招聘、通过导师推荐或者学术会议交流来认识。对于应用型人才，尤其是核心候选岗位，可能最靠谱的方式，是通过朋友介绍或者招揽以前有过交集的人才。

另外，笔者认为，通过猎头、各种会议、职业社交网站，也是企业发现人才不错的渠道。当有了目标候选人以后，企业代表可以通过发邮件甚至约出来喝咖啡面对面沟通，更好地增进彼此的了解和信任。这种方式在美国硅谷颇为常见，企业常常主动邀请候选人前往公司参观，和高管以及团队主要成员沟通，让候选人了解公司的方向和对人才的态度，打消候选人的顾虑。毕竟对于人才而言，跳槽也是有风险的，尤其是比较资深的员工，自然不希望去一个不适合自己的地方，浪费几年宝贵时光。

候选人的情况一直在变，给候选人良好的面试体验，有助于吸引优秀人才的注意。当然，笔者认为，企业还要尊重每位候选人的时间和诚意，对候选人而言，除了思考薪酬、抱负的实现、自己的研究兴趣和企业氛围都是需要重点考量的因素。

文章内容来源于网络，如有侵权，请及时联系，三天内务必删除内容！