关于算法工程师职业发展的思考近年来人工智能技术取得了巨

近年来人工智能技术取得了巨大的突破，应用到工业界的场景也越来越多，吸引了大量的人才涌进算法研究领域。我认识的很多朋友也投身其中，在学术界做研究的有，在工业界搞应用研究的也有。同时因为工作的原因，我也接触了很多算法方向的候选人，有些是学生，有些是来自于工业界的其他公司。更深的接触则是来自于与Hulu内部算法团队的同事们，不论是日常的研究还是人员晋升时让我有机会和大家有很多深入的交流讨论，其中就包括了算法工程师/研究员在工业界职业发展的问题。算法工程师/研究员作为一个比较新的职业，还没有成熟的职业发展路径做参考，所以我在这个领域的很多朋友、同事都会遇到这个问题："接下来，我该怎么办？我的出路有哪些？"
我今天的分享不会给大家指出具体的路径，因为每个人和每个公司都不一样，但希望通过提出一些具体的问题，引发算法工程师/研究员群体对未来职业发展的思考，最终找到一条适合自己的职业发展路径。
我今天的分享会分为三部分：

公司组织架构
人才模型
值得思考的问题

01
公司组织架构
很多人可能会有疑问，聊个人职业发展为什么要先介绍公司的组织架构？它和职业发展有什么关系呢？我想说不仅有关系，关系还挺大。首先，每个公司的组织架构都不同，不同的架构决定了不同的晋升通道，第二，职业路径规划是为了在职场上走的更高更远，所以脱离实际的晋升通道谈规划是不实际的。你在做职业路径规划时，首先就要了解所处公司的架构情况，明确可能的职业路径有哪些，然后才能确立目标并为之计划和执行。
接下来我就简单介绍下三种常见的组织架构：

文章插图
第一种是AI LAB 。这种模式在大公司很常见，老牌的有以MSRA为代表的外企研究机构，国内的如百度的深度学习研究院、阿里达摩院、头条的AI LAB等。 AI Lab可以算是工业界中顶级的人工智能研究机构，汇聚了众多的业界大牛和顶尖人才，做出很多根植于工业界的研究贡献。在这样的结构下，你向上走需要具备的技能和产出、能达到的高度肯定与在研发线的同学是不一样的。

文章插图
第二种的AI团队是在研发线，位于CTO下面，支持不同产品线和公司级别的AI需求。对这个架构下的AI团队，公司希望它提供的是一种通用的类似于中台的能力。

文章插图
第三种的AI团队位于不同的产品线上，这种结构在大公司常见。产品线比较丰富，且用户量较大，因此需要有专门的AI团队进行支持。比如在现场与我沟通的一个小朋友，他是腾讯看一看团队的算法实习生，听他介绍了解到腾讯里面团队分工很细致，算法团队和工程团队是分开的，算法团队又分为独立的召回团队和排序团队，每个团队在自己的方向上做的很精细。

文章插图
以上三种结构是比较普遍的，大家可以对照想一想你们团队在哪个架构下面，你又在团队的什么位置上。两三年后你肯定是想往上晋升的，那在现有的晋升通道下需要具备什么样的技能和产出呢？在向上呢，还需要怎么做？继续向上又如何呢？这些都是需要大家提前思考的。
02
人才模型

文章插图
接下来给大家介绍一下人才模型，在给定了公司架构后，你要怎么做呢？大家可以看这个图，一个大写的字母“T” 。这是我经常给Hulu的同事讲的，我们要想象我们的技能就像一个“T-shaped” 。也可以比喻为大家熟识的“wide --tt-darkmode-color: #8897AB;">有一类人，尤其是我们今天的受众，应该是倾向于偏深的，从而成为一个专家型人才。比如有一个人，他想成为一个专家，我们对话如下：
我问：5年之后你想干什么？
他答：我想做一个专家；
我问：那10年之后呢？
他答：更专的专家。
想成为专家很好，但只说专家是不够的，假如说要成为Machine Learning的专家，好像有点太泛了。所以接下来还要问自己另外一个问题，那就是我要“专”什么？对于技术同学来讲，大概有三个维度上的专家：