提前批来了，我应该投递哪类算法岗？

前言

大家好，我是鬼仔，一名互联网底层码农。提前批来了，想找算法岗的小伙伴们都摩拳擦掌地准备投递简历了，但一看岗位信息，瞬间觉得有点懵逼：

a公司的招聘JD写的是招AI研究员，感觉很牛皮，我估计连门槛都达不到；

b公司的招聘JD写的是机器学习工程师，岗位职责怎么写的跟开发工程师一样，进去是不是做算法的呢？

现在市面上的算法岗位名称可以说是五花八门，看得大家眼花缭乱，稍不留神可能就会被忽悠到一个自己不喜欢的岗位上。同学们在投递简历的时候一定要擦亮眼，多做功课去了解，选择适合自己的算法岗位。

以鬼仔的了解，在互联网行业，不同类型的算法工程师，工作内容确实有着很大的不一样。知乎上的一些大佬把算法工程师分为三类：业务导向的算法工程师、研究导向的算法工程师和狭义的研究员，这三类岗位的招聘需求依此递减。

鬼仔目前在微信属于是业务导向的算法工程师，自己身边的同学也有去中厂或大厂当研究导向的算法工程师，而研究员则比较少，一般求职的都是手握多篇顶会论文的博士大佬。

接下来鬼仔给同学们简单科普一下这几类算法工程师的岗位职责，并且分析下它们之间的利弊。希望同学们可以根据自身情况，看看更适合哪种类型的算法岗，做好充足的准备工作，知己知彼，才能找到满意的offer。

PS：以下观点只代表鬼仔个人，如果觉得描述得有偏差，欢迎在评论区一起讨论～

一、业务导向的算法工程师

属于最为典型的算法工程师，市场上招聘的大多是此类算法工程师，主要存在于公司内的业务部门。一些拥有独立业务的大厂技术部门（如百度NLP部门的百度翻译业务）也可能会有这种定位的小团队，研究院很少会有，除非公司真的缺钱了。这种岗位以快速解决业务中的算法问题为首要目标，创新成果可能写成专利。

鬼仔在微信主要是做公众号推荐的相关业务，解决的都是实际的业务问题，使用的算法往往都是学术界打磨很久的了，不需要花很大力气去做一些创新性的模型，但这不代表业务导向的算法工程师做的都是单纯经验性的体力劳动，而是会更关注产品的痛点和难点，更切合实际的从用户出发解决问题。

相比算法的创新性，我们更关注算法的性价比和效率。举个例子，如果一个简单的baseline的模型就可以让ctr提升两个百分点，而如果花更多时间和人力成本去训练一个ensemble model，可以在baseline基础上再提升0.5个百分点。在实际的业务场景中，我们可能会优先选择baseline模型，因为后者的性价比太低，而且如果模型太庞大的话，线上推理的时候就需要更多的计算资源，这些都是在实际业务问题中需要考虑的。

业务导向的算法工程师直接对业务负责，老板也只关注算法对业务的提升，而不care你的算法有多牛逼，所以业务算法岗可以看到整个业务的全貌，对问题会有整体的认知，这对以后往管理方向发展有很大的帮助。

在日常的工作节奏上，业务团队的需求会比较多，但目标很明确，需要快速迭代，因此要求我们业务算法工程师要有比较高的编程效率，熟悉业界常用的模型，能快速解决手中需求，跟上持续高速优化的业务节奏。同时，业务导向的算法工程师对开发能力也有一定要求，自己训练好的模型往往需要自行部署上线。

二、研究导向的算法工程师

主要聚集在大厂的技术部门，大厂研究院和大型业务部门也可能会有这种定位的小团队。这种岗位以重点攻克业务中的复杂算法问题为首要目标，研究成果一般以专利或论文的形式发表，也可能不发表。

研究导向的算法工程师处于纯研究和业务之间，他们的需求一般来自公司内部的各个业务线，解决的问题属于业务线的疑难杂症。和业务型的算法岗不同，研究型算法岗解决的业务需求往往是挑战大、研究性强的问题，需要团队投入数个月的成本投入，但是一旦解决则会带来较大的线上收益。举个例子，微信语音转文字，这个问题属于业界难题，做的不好不会直接导致这个功能不能用，用户可以根据自己的理解进行补充，但是一旦做好了，就会给用户体验带来巨大的提升，而且团队提出的方案有时可以写成paper，提升学术影响力。

三、狭义的研究员

主要聚集在大厂的研究院/AI lab，大厂技术部门也会有这种定位的团队或组，而业务团队很少会招聘真正意义上的研究员。这种岗位注重探索学术前沿，也会适当照顾业务线的长线需求，以打造业界影响力（paper为主要表现形式）为首要目标。

这类算法研究员大都从事基础研究，很少接触业务，其产出不会给公司带来直接的经济效益，反而还需要公司持续的重金投入。例如Google的Alpha Go和BERT，微软的ResNet都是经过许多研究员多年的付出才能得到的。但是做科研，就免不了会走很多弯路，但显然国内企业很难给你足够的试错时间，毕竟老板都是来赚钱的。

我认识一些博士师兄去了阿里的达摩院、腾讯的AI lab，跟他们聊天的时候，都能感受到他们的压力很大。他们的工作主要是脑力劳动，就和做科研一样，需要做一些创造性的成果，考核主要看其论文产出，如果辛苦半年投出的一篇顶会论文挂了，那就相当于这半年0产出了，即使中了，那么也只是达到预期，想要晋升加薪还得拼命卷。

特别是近两年互联网大退潮，各大厂不得不降本增效，很多业界的AI大牛纷纷离职重返高校或者投身创业，如腾讯AI Lab主任张潼，滴滴AI Lab叶杰，字节跳动副总裁、AI Lab主任马维英，京东AI开创者周伯文，阿里云AI智能首席科学家闵万，阿里巴巴副总裁、达摩院自动驾驶实验室负责人王刚，蚂蚁集团原副总裁、AI团队负责人漆远……

随着企业的持续高投入难以直接带来收益，目前各大厂的AI lab不得不逐渐调整为支持业务产业化落地，而狭义的研究员也逐渐转型为研究导向的算法工程师。