AI行业看似热火朝天，实际上是大部分公司之间的模仿和重复，噱头多，落地少。真正的技术突破很少很慢，只有几家AI巨头在做创新，凑热闹的居多。而且现在AI行业的热钱有了流出大于流入的趋势，AI行业不会一直这么火热，也会进入正常的行业周期。这是现在的AI行业背景。
下面谈谈人工智能行业的待遇和工作分类。
要谈人工智能的待遇，得先清楚人工智能岗位都有啥，基于偶的理解，偶个人觉得分为以下几个：
AI research组
AI 应用组 （研究，系统）
业务组 （算法工程师）
AI research组由科学家和工程师组成，科学家包含NB的博士+教授，而工程师协助前面的大牛加速研究进程。举个例子，大牛A有了几个NB的idea，于是面了1、2个NB的硕士工程师干活，最后发顶会paper。偶简单看了一下这些硕士工程师的背景，属于名校名项目里最top的那些硕士，他们以硕士身份加入，但已经具备很强的科研能力，只是没有读博罢了。
AI research 组做的都是最前沿的技术，而真正短期要落地到产品的还是AI应用组。里面根据方向分自然语言处理，计算机视觉，大规划机器学习平台之类的，里面集结了各种有专才的牛博牛硕做深度学习模型算法+系统平台优化的工作，他们要么在某个特定领域有所积累，要么熟悉c++，分布式高性能计算。前者主要还是博士和教授，后者硕士就多了。
以上2个组在公司里人都不多，但是这年头学AI的人多了，高手云集，博士间竞争已经特别激烈，硕士就更难了，于是大部分人其实是前往业务组做AI。
业务组里通常只是使用AI应用组已有的模型和框架，加上自己对业务的理解，提出一定的优化和个性化训练，大的公司有的组还是需要自己造轮子，比如广告算法组，博士占比超过一半，各种个性化算法模型。但大部分组的算法工程师，大概率只是做特征工程+微调模型+业务逻辑就足够了，一般不至于去到改深度学习模型的那一步。
最后回到题目，AI岗待遇。 AI research组大牛 > AI 应用组大牛 ~ 牛逼业务组大牛 > 知道怎么改模型的小牛 > AI调包侠 > 普通产品组工程师。
所以想要提高自己的待遇，理想情况下就是名校名导读博，发几篇顶会，然后自然会被邀请到AI research组工作了。
对于名校NB的硕士生，为了具备和博士竞争的资格，建议在一个细分领域(nlp, cv之类的)深入沉淀，出点paper，然后争取去AI应用组或者NB的业务组里去写模型。
对于普通的AI背景一般的非博士生，如果想做系统还好，要是想做模型……努力提升自己争一个好的业务组AI岗的机会吧。（什么是好的？要么发展快可以升值，要么牛人多可以学习）
对于非名校+非大牛+转专业，建议甚至思考自己是不是要做机器学习。这是一个有门槛的，竞争非常激烈的领域，现在AI待遇高，但那是有泡沫的。一旦各种成熟的机器学习平台搭建好了，就不再需要太多调包侠调参侠，业务组不需要那么多AI工程师（偶发现很多业务组里就1个做AI算法的……）
所以，不是一定要在AI上面挤，去学分布式系统，云计算，移动端开发其实也挺好的。就算一定要搞AI，作为程序员的基本功还是得学好，在成为所谓的AI工程师之前，首先先成为一名优秀的软件工程师，写出高质量的代码吧 ????
最后附上AI行业的相关调查统计图，以供参考??
