为什么硅谷对算法和 AI 方向的人才需求远远没有国内这么大？

谢邀

看到问题详情中贴出来了我当年毕业的艰辛求职经历，还是一定要来回答一下避免误导大家。

先说结论：硅谷大小公司状态不同，两者对于机器学习相关人才的需求都极大：大公司体系成熟门槛高，优先招资深工程师，New Grad 以优秀 PhD 为主；而小公司往往机器学习业务刚刚开始，组都不大，主要招能够独当一面的资深工程师，对于业界经验偏少的 New Grad 需求并不大。

那篇经验文章写于2014年底我作为硕士毕业生艰辛地找工作的阶段，那时候的我没有太多的工业界经验，虽然赶上了时代的浪潮，依然找工作非常坎坷。如今 New Grad 的毕业生浪潮不再，自然抱怨声四起：

所以看起来，湾区哪怕是搞最火热机器学习的也不容易找到工作。但事实并不是这样。

2016年底到2017年，**我带着2年多的工作经验，在湾区看了不少中小型公司的机器学习岗位，火热程度令人惊叹。**虽然媒体把 AI 相关理念炒的很热，但很多中小企业中到底如何让机器学习落地，如何搭建体系结构帮助数据驱动，如何使用机器学习改变核心用户体验这些问题，都没有答案，而他们，都热切地期待有人能够解决这些问题，愿意开出极高的薪资水平。换句话说，**他们期待找到的人，是一个知道如何结合技术需求与商业需求，帮助算法上线的人。**而对于这样的人的需求，一般以有3年+的工作经验为基本条件。

另一方面，**虽然不少新锐公司的规模已经慢慢变大，但是很多和机器学习相关的业务的组却并不大，组越小，就越不容易招没有工作经验的 New Grad。**组小就需要每个人都能够独当一面，而没有工作经验的人不仅仅是很难带来贡献，还有很大的风险带来负输出，可以参考以前的答案 陈然：2017年美国CS就业形势差的原因（根本、直接）是什么？。所以为了保证产品质量，公司愿意花极大的成本招聘有工作经验的人，而基本不看工作经验较少的人。

总体来说，我感觉硅谷虽然就业火热，但是招聘相对于国内的激烈程度还是偏保守。更多地还是追求科学可持续的项目管理，在相关业务小的时候高薪招资深大牛搞好基础设施建设，随着业务飞速地扩张，很难找到足够多的资深工程师时，再考虑招聘经验不够的自己培养。一开始就 All-In， 不看行业经验疯狂招人的情况并不多见。

对于刚入行机器学习的从业者，想办法通过任何方式积累行业经验，努力成为可以解决实际问题的专家。市场永远期待那些有真材实料、可以帮助公司解决实际问题的人。

--

by @陈然