半岛彩票要谈人工智能的待遇，得先清楚人工智能岗位都有啥，基于我的理解，我个人觉得分为以下几个：
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。我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。
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（我发现很多业务组里就1个做AI算法的……）所以，要想进入AI行业，不能只是只懂表面的调包侠，对底层技术的一定理解是必要的。
更多我对AI工程师的职业发展的思考，我曾做过一个关于职业发展的直播，可以从24分36秒开始观看。
因此，如果不是真的对AI感兴趣，其实不是一定要在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 :)
听我说一句，请相信我，转行互联网的请别理会下面所有回答，学好数学，写好代码，提高沟通能力，充分了解社会政治和金融系统，业余学习如何烤生蚝，摆地摊，做淘宝。
1中既有研发科学家“发明”全新的AI模型和底层的优化算法，也有软工协助科学家们实现算法跑实验，或是把这些前沿的模型做成Prototype（样品）推销给公司2和3的研发、产品部。
国内某一本自动化专业本科，国内某985硕士（研究方向：动态优化+并行计算）
毕业于普通的一本院校，非985，非211，专业也是普通的工科专业，本科期间学习成绩良好，但是也没有学过任何与人工智能相关的内容。硕士期间从事的是CUDA并行计算的研究，将一些优化算法通过GPU并行加速。
顺丰科技，第一年16*15K，CUDA高性能计算，只招聘两人，顺利拿到Offer。主要工作内容是将一些人工智能的相关算法并行加速。
华为C++测试岗，第一年 16*15K，由于具备良好的C++编程基础，所以拿到大厂的Offer基本不成问题。
这个案例告诉我们，找到一份好工作对学历是有一个基本的要求的，但是要求并不是很高，身边很多的人也都是普通本科出身，通过自身的学习和努力一样能得到好的工作机会。另外对专业的要求也并不是很严格，因为国内目前基本还没有人工智能专业，只要是工科相关专业，或者数学统计专业，乃至于经管类专业都可以比较容易的转行到人工智能。
曾参与了并完成了优达学城自动驾驶课程，并由此获得了滴滴自动驾驶的实习机会。
这个案例告诉我们，硕士的研究课题其实很多时候和找工作关系并不大，因为目前国内的硕士教育依然是偏重学术研究。本案例中的同学硕士研究方向和自动驾驶没有什么关系，但是他通过自学并参与了优达学城自动驾驶课程并由此获得实习机会。如果没有参与课程的话仅仅依靠其硕士研究的内容是很难找到好工作的。
德国某Tier 1 Corperate Research（可以理解为研发部）机器学习组， 应用方向有安防、机器人、自动驾驶，8W欧元左右/年
某车厂自动驾驶系统部门（可以理解为产品部）机器学习组，产品为自动驾驶系统中的各个模块，7W欧元左右/年
从各大互联网公司先后创建人工智能研究院，以及以下这些高薪揽才计划便可略窥一二。
年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会
IDL部门（机器学习、深度学习），年薪100w+，每年9人，30岁以下，工作地北京、深圳，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队
滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等
要求，全球TOP100 CS相关硕士博士毕业，人工智能相关，待遇：上不封顶offer，深圳市还有“孔雀计划”160w的奖励
硅谷科技公司巨头，如斯坦福这样的名校毕业硕士，去Google就有可能达到20W刀/年的package
个人认为，表面上人才饱和的状态是AI里面相对基础的一些岗位，而高端人才永远是稀缺的。
事实上，AI领域的技术更新非常快，无论什么位置都需要不断的学习和提升，对应聘者提出了更高的挑战。
全球 TOP 互联网公司及学术界人工智能方向薪资、高薪的揽才计划有哪些？
因为自己本科数学，硕士应数、优化理论，博士研究其实更偏运筹学、组合优化，因此可以说非人工智能科班出身。
人工智能、大数据这些新兴专业，是随着工业界与日俱增的需求而随之出现的（中国最近批准了第一批试点的几十所高校开设人工智能专业）。其实任何专业都是这样一个需求导向的过程，包括微电子，计算机，还有什么房地产专业，几十年前可能根本不存在这些专业。
但是自然科学如数学、物理、化学、生物长盛不衰，是有其道理的，这也是为什么我们初高中我们都在学这些东西。
这些专业名词在刚出现的时候往往是“凭空造诣”或者是强加术语，然而知识是需要积累的，每个新兴专业都是建立在一些基础科学的基础上，这也是我下面的回答要强调的--学习人工智能非一朝一夕，而是要从最基本的数学基础开始打好地基。
人工智能任何模型和算法的实现，当然需要编程了，因此C/C++/Python任选一门（推荐Python，因为目前很多库和Library都是用python封装）。
数据库：存储数据，人工智能通常需要用到海量数据，因此如何更高效的存储和管理以及调用数据，就显得尤为重要。SQL等数据库，以及Hardoop，Spark等并行计算的框架，是最近的热点，推荐学习。
线性规划+凸优化：或者只学一门叫numerical optimization，统计和人工智能，到最后几乎都会归结为求解一个优化问题，当然也有纯优化模型不用统计模型的
机器学习:其实传统机器学习，通篇都是在讲用一些统计和优化来做聚类、分类和预测这三个人工智能最常见的应用
深度学习：卷积神经网络的复兴掀起了深度学习席卷全球的号角，毫无疑问，它是目前人工智能的核心，必学！
学到这里，你基本就会发现，学这一门课中间会穿插着很多其他课的内容。恩，知识总是相通的嘛，特别是这些跨专业的新兴学科，都是在以往学科的基础上由社会需求发展而来。
以上所有课程基本都还是理论、数学模型层面的，虽然讲理论的同时会穿插一些应用案例，但是系统学习某一应用领域还是非常必要的，再加上一些项目和实习经历，基本就是转到AI工业界的敲门砖了。
汽车行业（自动驾驶）、制造业（次品识别）、安防（人脸识别）、机器人（SLAM）等
由于应用数学+运筹学的背景，加上本科研究生修过一些编程和算法课程，因此我转战人工智能就只缺机器学习/深度学习+实战训练了。
我所在的海德堡大学数学与计算机学院，有海德堡大学图像处理中心，因此我很方便地旁听和选修了机器学习、深度学习、计算机视觉三门课程+一些研讨班。
另外由于博士课题是关于图像分割的，虽然博士论文用的是传统机器学习和组合优化交叉的算法，但在博士最后阶段，一位合作教授提议将这个方法应用在时下很热的语义分割（在自动驾驶和医学图像等领域都有应用）方向，于是又顺理成章地获得了一部分深度学习的经验。
事实证明，最后的这个深度学习小项目，是面试官最感兴趣的部分。而我现在工作的主要内容，也和此项目息息相关。
对于这段经历感兴趣的同学，欢迎收听我和牛津大学医学图像博士后渡博士（牛津大学实验物理博士）联合举办的关于转专业AI的知乎Live
个人感觉，理工科背景的小伙伴，在有了一定的数学和编程基础之上，要转到人工智能领域并非难事。
以上个人经验，更适用于刚进入研究生或博士阶段不久的同学，有着充裕的时间打好数学和编程基础，循序渐进、逐步提升。
但是对于那些快要毕业，或者已经在工作岗位上从事其他专业的小伙伴，或许不是那么适用。
一方面，如果按照以上关卡一道道通关地自学，很容易被前期枯燥的数学和编程基础所累，导致前功尽弃。
另一方面，AI中的软件、算法工程师职位，大都不需要那么多数学基础，因此很多课程可以只挑重点看。
所以对于希望“速成”的同学，可以需要一个课程 list，通过比较系统的课程先入门，最好有项目可以练手，进入这个行业后再慢慢提升。找到第一份AI工作，通常是机器学习工程师。
一方面把一项职业所必须的技能树都涉及到，另一方面设计了难度适中的作业，让自学过程中可以及时检验成效。
最重要的是，还有考试，以及pass考试后，会有“证书”（简历加分利器）！！
人工智能正以我们意想不到的速度蔓延到各个行业以及社会的方方面面，农业、制造业、医疗、交通无不有它的身影。
或许不久的将来，他会像蒸汽、电力、电脑、手机、互联网一样，成为我们日常生活必不可缺的一部分。
是的，我们已经处在这一次科技革命之中，而人工智能，正是这一次科技革命的根源并且将被载入史册。
BOSS直聘发布了《2018四季度人才吸引力报告》，这份报告的统计时间是2018年的10月到12月。虽然正处年底，裁员之声哀嚎遍野，2018年四季度人才需求还是上涨的，只是涨幅出现回落，同比增长21.8%，环比增长14.5%。
在所有岗位之中，人工智能和数据科学相关岗位十分“多金”，平均月薪大约在3万上下。
其中，平均月薪最高的岗位是推荐算法，达到了33570元；其次为架构师，30510元。
而深度学习、自然语言处理、机器学习、图像算法和语音识别等岗位的平均薪资也在25k~28k之间。
月薪平均3万上下，许多科技公司还会发几个月的年终奖，再加上股票/期权，只要没有倒霉遇上零点几个月的年终奖，算下来packege只多不少。
怪不得，许多人喊着“我要转行AI”，不知道TensorFlow学会了没有。
不过，这些数据是“平均招聘薪资”，具体能要多少，还看个人技术能力和讨价还价能力。
虽然3万的平均月薪已经让量子位羡慕好一阵了，不过，AI、互联网、IT相关行业更多在北上广深杭集中，看着这几个城市的高房价，月薪3万也会觉得压力巨大。
整个IT互联网行业，平均月薪虽然是所有行业中第一的，但相比人工智能相关岗位的月薪3万，却只有三分之一，10490元。
年薪12万，互联网人组成的家庭年收入大约20几万。一位投资人曾经向量子位开玩笑说，北京的贫困线万，看来可以恭喜平均水平之上的互联网人收入越过贫困线了。
排名第二的行业则是金融，其次是专业服务、电子通信、制药/医疗、教育培训、文体娱乐、能源化工环保、汽车和房地产/建筑，这些岗位的平均月薪都在7000以上，如果不在高房价城市，7000以上可以过得不错了。
不过，这里的人才吸引力指数是“通过BOSS直聘平台四季度人才供需情况，求职者对企业的主动查看、收藏等行为数据建模得出”，可能受到BOSS直聘平台本身的用户属性影响。
不过IT软件行业的吸引力要高于互联网行业，紧随其后的则是教育培训、文化娱乐、交通物流、电子通信、汽车、制药/医疗、机械制造和金融行业。
PS：细心的你可能已经发现了，计算行业薪资的时候这份报告将互联网/IT分为了一类，而计算人才吸引力的时候“IT软件”和“互联网”则分为了两类。BOSS直聘告诉量子位，这是因为在计算平均薪资时使用的是一级行业，计算人才吸引力时使用的是二级行业。
深圳和杭州紧随其后，平均招聘月薪都在9500以上，想在这两个城市月入过万比较容易；
武汉排名第九，剩下的平均招聘月薪前十名城市三个名额全被长三角地区占据，它们是苏州、宁波和嘉兴。
不过，按照前面提到的那套人才吸引力指数计算方法，得出的城市排名和招聘月薪排名略有不同。
这两份城市排名让人觉得，中国的城市产业结构正在悄悄发生着变化，产业吸金能力也在悄悄变革中。
光问工资多高，不问应聘多难，这个是培训班骗人的常用手法。你怎么不问北京三套房收租工资多高呢。
还有“人工智能”是个海大的范围，用来唬外行的。你好歹说个“机器学习”也行啊。
