算法框架工程师的出路——一次不规范的统计

作为工程师，先深后广乃黄金法则。毫无疑问，职业发展需要深度耕耘，只有深研了技术，才能准确洞悉行业发展，进而规划自身职业发展之路。作为已经工作六年有余的老同学，几乎每年都会自问——下面的路该怎么走。论迷茫程度，不敢说完全没有，但至少比三年前清晰得多，下面把我身边的一些样本和一些思考记录下来，供参考。

不同技术选型确实会有不同的职业发展，前端和后端不同，算法和产品不同。有的人运气好，毕业就踩在了最火的专业方向上；有的人运气贼差，方向不火，却卷得昏天黑地。但技术选型一旦确定，80%的同学就基本沿着自己的那条路走下去了，从经验看这确实是成本最低的做法。这也基于一种普遍思路：先入行，赛道可以后面看机会再换。事实证明，这条路可取。

之前一直担心一个问题，就是一个方向做久了，会不会让我们选择空间变得越来越窄，失去跨行业的机会呢？从今天的角度看，并不会。事实上，在某个方向或者职位上经过4-5年深度耕耘之后，技术基础基本是够了，市场上竞争力十分明显。技术路线的判断能力也基本有了，因为boss对技术路线的判断，你也看在眼里，这点也很重要。此时向技术广度甚至是从事跨行业的业务（注意不是跨行业的技术），是十分合适的。再加上头部公司的名气和业务加持，可能性更多。

以算法框架这种看似比较精专的方向来看，出路也非常多，罗列如下。

• 创业公司

• 芯片行业
  

• 自动驾驶
  

• 私募量化
  

• 互联网大厂

创业公司

知名创业独角兽中，存在大量和算法或框架沾边的岗位。面试难度取决于个人水平和应聘的级别。非常好的现象是，这样的坑非常多，公司也不止一家。据我所知商汤，旷世等都在广纳贤才。算法应用、框架开发、平台建设，DL compiler等都在招人。

芯片行业

这算是换了个行业。在应届毕业的时候，谁能一下子就想到，算法框架的发展能给芯片带了新的春天呢？DL任务计算以矩阵为主，大规模并行计算不仅和软件有关，也和硬件的算力关系密切。虽然Nvidia的GPU如日中天，呈垄断趋势，但Google TPU也向世界证明了DL任务并非Nvidia GPU不可。相应地，大量的创业公司在重新设计AI芯片或者是通用GPU芯片，并且芯片的生态也需要软件的支持，这就又需要算法或框架的同学帮忙了。其实芯片的技术栈是非常深的，但AI的发展给软件从业人员提供了大量参与机会，趁机去学习，是横向扩充自己技术栈的绝好机会。虽然都是一些创业公司在做，但给的钱一点也不少。

自动驾驶

这也算是换了个行业，并且最近应该是井喷了吧，开的价格高的离谱。无论是互联网大厂的自动驾驶部门，还是专门的汽车公司，都需要大量的算法框架工程师。这里面涉及的东西包括算法建模，推理优化，甚至是芯片相关。蔚来汽车、理想汽车、小鹏汽车这三家都在抢这方面的人才，没错，就是从互联网行业挖人。此外，Momenta这类创业公司也求贤若渴。也大可不必担心进了这些地方还能不能出来。

私募量化

是的，金融行业也要算法框架技术人才，开的价格也非常高，毕竟是给私募基金做量化的，缺钱是不可能的。从猎头那边的需求来看，既招算法建模的人，也招推理优化，训练优化等系统优化的人才。你的那些DL Compiler知识还是非常用得上的。想去高大上的金融行业小伙伴们可以考虑这条通道，比如九坤私募，就在招聘这样的人。

互联网大厂

这条就不多说了，继续留在大厂里互相跳，腾讯阿里百度美团字节，看好机会，有没有带团队的可能，以及薪资的涨幅，股票配比，这些就不展开了。

即使是跨行业，这些方向的薪水也都不算低，年包基本都在150-200w左右，我觉得也都还可以了吧，工作年限长或者能力出众者还能更高。唯一需要注意的是，目前行情不好的时候，股票的配比十分重要，别自己画个饼给自己饿死。