为什么一线互联网公司的校招高薪都是算法类，工程岗校招很难拥有高薪吗？...

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达本文整理自知乎问答，仅用于学术分享，著作权归作者所有。如有侵权，请联系后台作删文处理。

观点一

作者｜知乎用户

https://www.zhihu.com/question/411985480/answer/1393814925

我来给一下这个问题的正确答案: 高端工程类岗位所需要的能力，高校很难培养出来。中低端工程类岗位，可能确实不太值钱。

在学校写的那两行代码，实验室那点活儿，质量如何，大家也都心知肚明。能demo交差就行，对于效率，兼容性，可维护性，基本上不管不顾。而且由于老师往往自己就不懂工程，导致没有正确的指导。再加上近几年，很多更容易上手的语言兴起比如python，毕业生的c++能力越来越糟糕，对于底层的知识也越来越少，而python在生产环境，评价就是四个字，难堪大用。工程类的毕业生进公司，往往需要从最无聊的逻辑干起，之后在处理效率或者容量的需求时，会让人慢慢进步。可以这么说，只有大公司才培养的出好的工程类人才。

而算法类因为一些历史遗留问题，大公司之前懂得人不多，而学校确实有些老师是行家里手，学生也可以在某一个小领域，做到精通。这推高了前两年算法领域的校招价。然而，随着公司相关人才越来越多，算法类的稀缺性也在下降。另外，现在很多技术比较好的组也比较认清了，高端算法类毕业生已经不能靠论文数量，甚至已经不能靠发的会议质量了，比如ACL NIPS CVPR近些年论文在贬值。还是需要专业的人士审视一下算法类毕业生在研究生阶段的工作。

下面一些个人经历：

1、我在2018年校招的时候，我觉得我就是当时最懂 对话机器人的毕业生之一。由于发了一些很好的文章，也在公司实习了很久，我也拿到了当年校招最好的offer。但是我也深知，我自己的这个领域，大家期待太高，目前技术撑不住，创业公司肯定尿，大公司想靠这个赚钱也是xjb扯。于是，没有在1948年加入国民党，果然在2020年公司的部门黄了不少，创业公司更是惨。

2、最近在微软研究院和产品部门一起合作一个深度学习的解码器，感受到了c++写的好的程序员能把程序优化的多快。在大家都用cpu单线程跑的情况下，一份好的c++代码可以比python快几十倍，也可以比一般人的c++快七八倍。工程解决方案很多时候还得看过猪跑，很多技巧虽然不难，但需要知道，都是手艺活。

观点二

作者｜知乎用户

https://www.zhihu.com/question/411985480/answer/1393814925

最近又到校招季，各种 offer 相关的问题又充满了时间线。  

其实高薪不高薪的，归根到底还是供需关系。那句话怎么说来着？个人的努力什么什么的，也要看历史的进程什什么的。你看《大国重器》里雕刻火箭火药的高级工程师，年薪搞不好还不如一个刚毕业的算法小萌新，这就是历史的进程了。当整个行业的市场都在萎缩的时候，想要高薪也不容易；当整个行业都在刮大风的时候，猪也就飞上天了。而人工智能，很显然就是最近这两年刮大风的行业了。  

为什么人工智能这么受到追捧？因为他给老板们画出许多大饼，可香可香了，老板们一高兴就剁手，啊不，就投投投，撒钱比喝水还快，风口的风使劲刮。这才是最近两年算法岗身价坐火箭背后的逻辑。  

不过至少从今年看，风向正在发生变化。今年疫情对所有行业都摧残了一波，人工智能领域也不能幸免。本来嘛，算法是属于「投资未来」的方向，在疫情压力下，许多老板不得不「面对当下」了，要是饭都吃不饱马上就要饿死了，你给我说明天有个可香了的肉饼，那也没用呀。我不要你未来的肉饼了，我只要这顿饭哪怕只有个饼皮子先挨过去再说。 

在这样的大环境下，不少行业巨头也变得务实起来。许多一时火热的「AI 巨头」日子也不好过，拼命在找产品落地场景。人工智能行业与几年前相比，供需关系正在改变。在这种情况下，反而对候选人工程方面的技能提出了新的需求了。各家公司都手握许多 SOTA 的模型，客户上门问能装到我的手机上跑一下吗？你总不能说对不起我这里只有一个 jupyter 的 demo 是吧，这多尴尬。  

熟悉我的人都知道我现在在快手做图像算法。我自己也是面试官，从我自己的经验来看，如果遇到某个候选人直接掏出手机说我给你演示一下我这个模型的实际应用，而不只是一个 jupyter demo 的话，那我肯定非常高兴，至少我这一关是毫无问题能通过了的。不过从这几年实际面试接触的候选人情况来看，有这样能力的候选人实在是凤毛麟角。  

我不知道别的公司如何，至少快手是很看重算法的实际落地能力的。最先进的算法是一条腿，最扎实的工程是另一条腿。我想大概这也是为什么，今年我们的「快 star」项目，是「特别技术人才计划」，而不叫「算法人才计划」，不仅面向优秀的算法同学，也面向优秀的工程类技术同学。只要你有能力，就都有机会获得高新。  

所以，回到题主的问题。不用担心，只要你工程能力扎实，肯定也配拥有高新的。顺便也给我们组打个广告，虽然我们是算法组，但也有工程化的人员和岗位。

观点三

作者｜知乎用户

https://www.zhihu.com/question/21664179/answer/18928725

显然，软件有bug，需求来了难改，这些影响赚钱吗？不影响。

但是发什么广告给你你会看，这个就很重要了。

市场需求问题。

观点四

作者｜马尾胡

https://www.zhihu.com/question/411985480/answer/1391001310

本人中科院某所应届毕业硕博生，工程老博士，沉默的大多数。我来尝试回答一下这个问题。

N 年前我以最高分跨专业考入中科院某所，开启硕博连读生涯。第一年我在国科大接受统一教学培养。当时人工智能的浪潮刚刚掀起，加之实验室在该方向上有一定的背景，我选修了多门相关课程，并取得了不错的成绩。然而，一系列的机缘巧合使得我并未按照学术博士的路线继续前行。第二年，我开始进入实验室项目组做事，恰好赶上实验室开展产学研转化，要求尽快落地核心技术，创造价值。于是我被收编至刚成立的工程组中进行产品研发。这一走就是五年，直到工程组的组长离职才回到实验室进行科研。这五年虽然在博士研究方面进展几近为零，但工程能力上有质的飞跃，参与了多个开源项目并主导了一些研发方向，在社区中也形成了一定的影响力。同时，在实验室产品孵化的进程中，我耳濡目染了很多产品落地的方案，参与了多个一线项目，从开始的需求接触，立项，到驻场开发测试，验收交付均亲力亲为，明白了产品化的运作流程。此外，我花了五年的时间不断打磨完善开发工作流，将枯燥的"垃圾活"转变为有趣的"人体工学实验"，效率上有极大的提升，能更积极地面对各式各样的任务，逐渐成为了解决问题的小能手。通过持续的挑战与探索，不断学习和接触新事物，我的行为逐渐形成了惯性，能够提供幸福感和意义感，不再感到焦虑。

回首博士生涯，自我认知是核心能力。我在切换成工程博士后就发生了认知错误，并没有很快适应，导致中途耗费了大量精力在闭门造车，努力而没有结果。这是工程博士最容易犯的错误，即利用战术上的勤奋来忽略战略上的懒惰。在这条路上，我见到太多的工程博士花大量精力造出的轮子得不到认可，无法获得实验室支持，项目搁置，论文无进展，甚至连论文的题目都写不出来。庆幸的是，某一刻我忽然认清了自身所处的环境与赛道。在认清自己的能力与诉求之后，许多决策都变得一目了然。我利用长时间训练的动手能力和对体系结构的理解，很快参与到开源社区当中，并从中探索出了研究方案。基于此并围绕开源生态，我在实验室内部孵化出了两个系统，同时开展了产品化工作。另一方面，读博期间专注工程的训练同样是一种意志的锤炼，即追求极致，不放过任一优化细节。这个习惯帮助我在开源项目中发掘了许多优化点。该项目提供了非常好的试验田，帮助我找到了博士的三个创新点，最终达到了毕业要求。

随着毕业的临近，去年我也加入到了秋招队伍当中。工程博士的主要去向是工业界，不少人取得了非常好的发展。目前越来越多的科研机构开始孵化公司，进行产学研转化，也有大量的博士参与其中。如题所述，虽然算法岗位在目前看来要高于工程岗位，但该轮 AI 浪潮已逐渐进入冷静期，人才供应方面也有饱和趋势。此外，一个算法要落地，其核心部分只占 10%，而剩余的 90% 都是系统工程。互联网公司里有很大一块需要工程岗位来支撑，只是不外显。如今各大互联网公司都开始注重针对系统工程相关的竞赛，例如阿里中间件大赛、TiDB 性能挑战赛、易观 OLAP 大赛等等。总之，工程赛道并不逊色于算法赛道，只要掌握关键的专业知识，能解决高难度的技术问题，无论在哪个赛道上都将具有很强的竞争力，也可以获得丰厚的报酬。由于读博期间我收获了扎实的工程能力以及在开源社区中做了大量的贡献，使得整个找工作过程十分顺利，收获了几个满意的 Offer。具体而言，我通过参与项目交流，技术大会以及开源 Meetup 等方式，结识了一些互联网公司核心技术部门的负责人。当然这其中也有缘分，我在一次 Meetup 中结交了一位互联网大厂的师兄兼本科校友，相当投缘。随后进行了多次交流与合作，对他的部门有较深入的了解，方向上也十分的匹配。虽然有不少其他大厂向我抛来橄榄枝，但我对缘分一词颇有执念，相信眼缘。目前，我就职于该互联网公司，也开始了普通的码农生活。虽然年纪稍长于身边的同事，但工作氛围十分融洽，环境宜人且福利丰厚。我在入职第一周即接到了有挑战的项目，和小伙伴协同合作取得了不错的成效。作为大龄应届生的我很快便适应了忙碌而充实的生活，公司在背后也不时给予了贴心关怀，相比读博期间多了许多人情味儿。目前我与周围的伙伴们又站在了同一个赛道上，一起奋斗，也祝福和我一样的工程博士们能顺利毕业，早日加入工业界大展宏图。

观点五

作者｜Eleven

https://www.zhihu.com/question/411985480/answer/1389955690

工程岗更看重经验，水平不行的多练几年也能出来，校招也不是没有高薪，比较稀缺而已，

算法岗看重天赋，也不好培养，属于少而精类型，看上去普遍招聘的收入高，但是岗位也少的，现在也是红海一片。

港真，现在校招出个80w、90w、100w年薪的，都是能上新闻的，标本太小其实没有太多的为什么的，不具备参考性。

在这里感慨工程岗的高薪少，说到底是个选择问题，谁能预测到几年后的市场和技术需求，自然能占据先机了。说来惭愧，当年我985大学毕业就几千块月薪，真是无颜答题了。。

观点六

作者｜名隐

https://www.zhihu.com/question/411985480/answer/1390737143

既然提到了互联网高薪，那就不得不说近年来互联网的各家公司都在搞的“大佬计划”，比如前不久特别火的200w华为的天才少年，再比如阿里的阿里星（我看也有人提到过），腾讯的技术大咖，以及一些新兴互联网独角兽们，快手的快star，拼多多的超越计划等等等等。

这些特殊人才计划应该代表了互联网行业的应届薪酬天花板了吧，甚至可能并不止互联网行业。

所以如果想知道工程岗位可不可以高薪，看看特殊人才计划招不招工程岗就行了，我，逻辑达人√计划通√

正好因为之前天才少年的事，我也特别好奇的翻了翻各家top互联网企业的“XX计划”，但是不认识啥互联网的HR，所以都是公开在网上的信息，我只是互联网记忆的搬运工罢了。

首先上一个汇总图——

总结发言：找了7家有“XX计划”的top级互联网公司，除了阿里实在对外信息较少之外，每家的计划里都有工程岗位的，按照宣传的篇幅来看（实在不知道别的信息了，只能看篇幅了，万一说错了千万别来打我yyyy），除了快手和小米是岗位比例是1:1，拼多多的工程岗位较多之外，其他各家都是算法更加多一些。

所以，工程岗也可以高薪的！

至于机会问题，去岗位多的公司不就得了，计划通√

（但我也不知道哪家公司岗位真的多，大家可以多打听打听。）

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉优质源码，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

整理不易，请给工坊点赞和在看！