AI人才争夺战,华尔街入局:豪掷百万美元年薪抢人

继硅谷之后,华尔街也入局**“AI人才争夺大战”**。

他们的目标非常明确——抢的就是高精尖的AI专家。

在这里插入图片描述
图源:Business Insider

现在这条“街”上,不论是银行、对冲基金还是私募股权公司都已纷纷下场,可谓是豪掷千金,大抢特抢。

能有多豪?

奉上一组“最热Top 5岗位”薪酬数据:

  • AI/机器学习工程师:最高年薪30万美元(约217万元)

  • 云安全leader:最高年薪30万美元(约217万元)

  • AI产品经理/工程经理:最高年薪65万美元(约470万元)

  • 技术和运营leader:最高年薪七位数(单位:美元;未公布具体数值)

  • AI运营高管:最高年薪200万美元(约1448万元)

而且在挖人过程中,华尔街的金融公司们也直言不讳地表达了他们这么做的目的:

用AI技术,要么实现降本增效,要么在市场多分一杯羹。

之所以如此,正是因为金融公司们在目睹了像OpenAI、谷歌、微软、Meta、英伟达等科技巨头引爆的AI fever之后,认为AI是破解市场密码的关键所在。

甚至有对冲基金公司更是直接开始“点名”

我们特别想要英伟达的技术专家,用他们的经验帮助我们在内部打造专属的AI大语言模型,用于交易、研究和风险管理等。

在这里插入图片描述

而在“盛产”AI人才的科技界这边,从去年至今似乎一直在上演着裁员大戏。

谷歌、微软、Meta、亚马逊、IBM、特斯拉等等,频频曝出大裁员消息,动辄便上万人的那种;根据Layoffs.fyi的统计,仅是2023年,全球科技行业裁员总数为224503人。

或许很多人会认为,这不就正好给华尔街招募AI人才提供了“天时”吗?

但事实却并非完全如此。

“庸才,供应过剩”

一方面,科技公司的大规模裁员(尤其是硅谷)确实向市场反流了大批的劳动力。

根据Business Insider从数位猎头公司相关人员得知的真实情况是:

与过去几年相比,每个空缺职位的申请人数都增加了一倍。

以前金融圈想从硅谷吸引技术人才很难,现在变得容易多了。

在这里插入图片描述
图源:由DALL·E 3生成

从业务角度来看,除了我们刚才提到的对冲基金公司,像银行、投资公司等企业对于大语言模型的需求也是逐渐增多。

也正因如此,越来越多的金融公司会将AI工程人才安插到前台和投资组合经理团队,以便开发定制的软件。

这些软件夸张地来说就是“今天开发,明天使用”,可以快速“上岗”投资组合经理、交易员或研究员的日常工作。

总而言之,金融公司非常渴望在科技公司的成功基础上再接再厉。

但另一方面,大量AI技术人员涌入市场,反倒给金融公司的招聘工作添加了一定难度。

用招聘相关人员真实的反馈来说就是:

科技行业的大规模裁员造成了平庸人才的供应过剩。

首先从投简历的数量上来看,每个空缺岗位申请人的数量翻倍,这也定然造成了HR在筛选、审核简历工作上的难度。

加之随着AI技术本身的发展,也有不少求职者利用它开始在简历上做手脚,例如造假、群发等。

诸如此类的消息和新闻也是层出不穷,此前就有人亲述了自己用AI投120份简历的经历:

在这里插入图片描述
图源:Business Insider

其次在筛选候选人的过程中,HR们的工作也因为科技公司大裁员而发生了相应的变化。

以金融公司招聘网络安全人才为例,现在就变得越发审慎,在评估能开多少薪水的时候也会变得更加谨慎。

而且“职业角色合并”也成了现在金融公司AI人才岗位的一大趋势。

在过去,金融公司可能会针对不同技术或业务招聘安全技术人员,但现在他们更倾向于招聘更全能的AI人才。

一位华尔街HR的真实反馈是:

我们不会招聘15个专门负责应用安全和云安全的工程师,而是需要4个职责更广泛的安全技术人员。

他表示,随着人才趋势向更集中和统一的结构转变,求职者需要清楚地说明他们所具备的能力范围:

这意味着候选人在申请网络安全职位时,需要展示他们在以往工作中所承担的更广泛的责任范围,以及他们如何跨部门协作和影响业务。

在这里插入图片描述
图源:由DALL·E 3生成

由此可见,即便看似金融圈是在科技公司大裁员的背景下“大浪淘沙”,但他们真正要抢的还是那批高精尖的AI人才。

也就不难理解HR们发出“平庸人才供过于求”的感慨了。

也正因如此,即使科技巨头们在大裁员,不论是华尔街还是硅谷,AI专家依旧是这场“人才争夺战”中的核心。

硅谷也在疯狂抢人

其实在华尔街之前,硅谷一边裁着员,另一边也早已上演**“豪华阵容出演”**的抢人大戏。

豪华到什么程度?就连马斯克都发出感慨:

AI的人才争夺战是我见过最疯狂的!

在这里插入图片描述

事因是特斯拉视觉科学家Ethan Knight离职,加入到了马斯克的xAI公司。

然而马斯克却爆料期间的曲折内幕:

他本来是要去OpenAI的。

OpenAI一直在积极招募特斯拉的工程师,并提供巨额薪酬,不幸的是,在少数情况下取得了成功。

而这位让马斯克亲述详情的Ethan Knight,还不是网友口中的“特斯拉视觉主管”,是团队中的一位科学家。

在这里插入图片描述

OpenAI这边,挖人也是有够疯狂,甚至奥特曼本人也亲自下场打电话招员工,主打一个诚邀您来。

在这里插入图片描述

打电话招聘的老板可不止奥特曼,还有谷歌创始人之一的谢尔盖·布林

此前他就被曝出为了挽留即将离职转投OpenAI的员工,也是亲自出马打起了电话,又是谈加薪又是给福利,只要能留下,条件均可谈。

除了打电话,还有CEO用个人邮箱写邮件抛出橄榄枝的——Meta老板扎克伯格

他亲手写信给DeepMind的研究员,诚邀他们跳槽加盟Meta。

而且Meta这边为了狂揽AI人才也是下足了功夫,例如提供免面试入职的机会。不仅如此,就连一些“潜规则”也开始被打破。

比如,以前Meta不会用升职加薪来留住想要跳槽的员工,但现在,情况变了。

在这里插入图片描述

科技巨头老板们除了亲自下场之外,薪酬方面也是出手阔绰。

有加入OpenAI的员工表示,比起上份工作他的年薪加了10万美元(约72万人民币),还有望在几年内拿到股权。

Levels的数据还显示,OpenAI向一些高级工程师支付的薪酬,能达到140万美元(约1013万人民币)。

而OpenAI的总薪资中位数已经达到了92.5万美元(669万人民币)。

当然,AI初创公司也是这场“人才争夺战”中不可忽视的“战力”。

比如Anthropic,一位提示工程师透露出他的年薪水平是25万-35万美元区间。

用Tribe AI老板Jaclyn Rice Nelson来说就是:

科技公司会给从事人工智能相关工作的人提供绩效奖金和大量的股权薪酬。

经常看到轻轻松松超过100万美元(约720万人民币)的薪酬方案。

嗯,身处AI时代,最大的“淘金热”仍然是人才”。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

123?spm=1001.2014.3001.5501)这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

  • 21
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值