机器学习穷途末路？裁员潮下大厂员工艰难「求生」

【导读】全球科技大厂裁员潮之下，AI/ML工程师们也在瑟瑟发抖。这个曾经风光无限的行业，真的要走下坡路了吗？

你敢相信吗？

曾经就业「钱」景最光明的机器学习市场，如今也很可能「卷」起来了。

这两天，杜克大学电子与计算机工程系陈怡然教授的一条微博，获得了数十万网友的关注。

他以一名前两天刚被Meta裁员的博士生举例，直言AI/深度学习工程师的求职黄金时代大势已去。

他还在下方贴出了一张现代管理学之父彼得·德鲁克（Peter F. Drucker）的名言「动荡时期最大的危险不是动荡，这是按照过去的逻辑行事」，暗示ML市场中的人才「亟需求变」。

陈教授所言绝非危言耸听。

根据裁员数据网站layoffs.fyi的统计：整个2022年，全美已有涉及788家科技公司的120,699名员工被「毕业」。

而近期扎克伯格断腕怒砍显示器、智能手表业务，亚马逊也缩减了人工智能助手Alexa等相关业务的开支，不少与AI/机器学习相关的工作岗位也因此受到了波及。

随着曾经被视为就业市场香饽饽的毕业生，也不得不面临「求职难」的窘境，那些在该领域深耕多年的工程师们——或许也该开始重新规划自己的职业生涯了。

机器学习不行了？国内外网友怎么说

在陈教授的微博下，不少网友畅所欲言。有客观分析，有对行业的忧虑，也出现了不少质疑的声音。

一位网友表示，自己也是「人在大厂，刚被裁员」，还请陈教授帮忙介绍新工作。可见Meta这波史诗级裁员，受波及的人真不在少数。

另一位网友表示「这集我看过」。他说自己当年是学通信工程的，是全校分数最高的专业，但等毕业时这个专业就已经凉了。

一位陈怡然教授的「五级铁粉」分析到：AI工程师愈发人满为患，是因为AI已经不能带来更多的business win了。

也有人含蓄地对陈教授微博中的案例表示了怀疑，认为该故事没有说服力。理由很简单：能进Meta工作的人，能力绝不至于沦落到找不到工作。

最后，面对网友们对最佳职业选择的询问，陈教授也给出了自己的终极建议——考公。

果然体制内才是最「香」的，这点就连在国外就职的选手也很难不认可。

考虑到东、西方文化的差异，对于「机器学习不行了」这件事，我们还是应该了解一下国外网友的看法。

在Reddit上，有网友就提出疑问，为什么现在一方面有不少AI初创公司宣布融到了钱，一方面科技公司的裁员潮愈演愈烈，AI方向的就业市场形势到底如何？开放职位的数量真的比之前大大减少了吗？

不少业内人士也是给出了自己对这个问题的看法。

有人表示，影响是肯定受影响的，周围有朋友读博时都在一家公司实习过好几期了，还在担心能不能转正。

肯定有很多不确定因素。我认识一些人，他们在博士期间在同一家公司做了多次实习，他们担心毕业时可能不会收到全职工作的邀请。我不确定他们的担心是否有根据，但这就是他们目前的前景。

还有人称，现在裁员多是正常的，很多机器学习的工作并不是必须的。我们公司还在招聘，但面试的大多数人都是最近从某个地方被解雇的，所以这块市场肯定受到了影响。

有人回复表示赞同：

确实，当市场不景气时，对于公司而言，抓住营收才是最关键的。人工智能和数据科学一般不会增加营收，像网络安全或甚至管理方面的事情也是如此（只需要这么多经理，多招经理也不会来钱）。

还有人表示，结合个人经历来看，这块市场见顶应该是在今年年初，他自己所在的AI公司已经准备接下来2-3年过苦日子了。

我在一家人工智能公司工作，我们在3月进行了裁员，并冻结了招聘。董事会告诉领导层要调整烧钱的速度，先维持个2-3年。

原来的计划是明年成功融到钱。所以，确实，市场在今年年初见了顶，大多数公司都在为未来至少2年的市场下滑进行调整。

不过下面有人回复，这会不会是你们公司的特例，还是说大部分AI初创公司都这样了？

还有人表示，像MAANG这种体量的巨头企业，和一般的科技或AI/ML企业所处的不是一个层面，不要看巨头裁员了就觉得自己也「危」了。

现在还是有很多公司对ML人才有需求，这不会因为MAANG为摆脱臃肿而大裁员而改变。也就是说，工作可能至少会变得「更有竞争性」，因为被解雇的人将会重新找工作。

你这个「更有竞争性」属于是轻描淡写了。就业市场上的工人供应增加了，且越来越多的人降低了对薪资的期望。招聘的公司会有很多选择，他们很可能会选择雇佣要价低的那些候选者。

有人更是提出了4点理由，表示现在AI行业虽然见顶，但比起别的行业，仍然是值得创业的，只是赚快钱可能没有以前那么容易了。

他的理由是：

1. AI工具可以让昂贵的人类员工被更便宜的算法所取代。

2. 第三方创业公司可以比微软和谷歌更低的价格出售AI工具包。

3. 如果你不指望创业公司在3-5年内赚到钱，那么市场如何其实并不重要。

4. 其他行业现在更不行。靠兼职吃饭的烧钱太厉害。终端用户在高通胀时期不愿再使用「方便大于一切」的初创企业的产品了，更不要说加密货币的烂摊子了。

实际上，健康医疗和ML仍是唯二投资仍有意义的创业领域。

不过现在去大厂搞ML，可能不是一个太好的时机。

观点：行业尚未饱和，只是低端人才太多

在上文的讨论中，对于机器学习，争论不休的网友们呈现出「前途无量」和「穷途末路」两种截然不同的观点。小编也特意搜集了一些国内外数据，供大家参考。

全球市场调查机构财富商业洞察力（Fortune Business Insights）的数据显示：

2021年，全球人工智能市场的总体规模为3,283.4亿美元，且预计将从2022年的3,874.5亿美元增长至2029年的13,943亿美元，年复合年增长率达20.1%。

另外与2019年相比，2020年全球市场暴增150%——与新冠疫情流行前相比，AI技术在所有地区的需求均高于预期。

总部位于美国的咨询公司大观研究（Grand View Research）发布的报告认为：科技巨头的持续研究和创新，正在推动AI技术与各个垂直行业的深度融合，例如汽车、医疗保健、零售、金融和制造业等。

2020年11月，英特尔公司收购了以色列公司Cnvrg.io.，该公司开发和运营的平台可供数据科学家构建和运行机器学习模型，从而推动AI业务。这说明AI已经将技术带到了组织中心，并有望成为各行各业的基本要素。

他们还预计，到2030年，医疗保健将成为机器学习的主要应用领域。目前AI技术已经在机器人辅助手术、减少剂量错误、虚拟护理助理、临床试验参与者标识符、医院工作流程管理、初步诊断和自动图像诊断等过程均有所涉及。

具体到我国，中国产业研究院曾预测，2022年中国人工智能市场规模将达2729亿元，人工智能产业的人才缺口总量在500万人。

人工智能技术仍处于与各个产业深度结合的爆发期，与各个行业的渗透度都在增加，却具有很大的人才缺口。

小编认为，对于「ML市场趋向饱和」的争论，某位知乎的言论还是比较具有代表性的。

他的大致意识是机器学习市场人才激增，是只会调用机器学习包做一些简单例子的应用型人才饱和了。以下三类人才，依旧会是市场上的「抢手货」。

1. 能灵活解决问题的人；

2. 能专精一个领域的人；

3. 能够把学术模型转化成工业模型的人。

对此，你怎么看？

参考资料：

https://weibo.com/2199733231/MewJxE9EZ

https://www.zhihu.com/question/54003912/answer/261459354

https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-market-100114

https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market