打算毕业投 AI，项目做过不少，怎么还是被拒呢？

前一阵子心血来潮去某研究机构面试，面的是不限方向的「机器学习研究员」。前半段聊得很顺利，主要介绍我开发过什么库写过什么论文，想要继续做什么。面试的中段面试官问：“那你的这个方向用深度学习怎么做？”我很老实，说这个方向暂时无法大规模应用深度学习，某些因素还不成熟。对方显得很失望，强调他们需要每个人都做深度学习研究，发深度学习相关的会议，因此这个机会自然也就泡汤了。

讲这个故事的目的是为了说明：AI 领域的岗位正在朝精细化发展，而候选人的竞争力更多的是和岗位的「契合度」，而不是你本身有多好。这要求候选人的技能下沉，能在岗位上解决实际问题。

再早几年，这个行业的招聘是走粗放模式的，只要你会 ABCDE，学历不错，那么欢迎你。但这几年随着热潮回归理性，以及企业变得越来越“精明”，它们已经逐渐明白了需要什么样的人，明白了 AI 相关的岗位本身就不是靠员工数量，而是靠质量取胜的。比如做手机上图片识别的，它的目标候选人就是明白如何把成熟的识别模型部署到手机上的人，而不需要一个自然语言处理的大牛，也不需要一个对机器学习理论研究很深的专家，更不需要一百个普通程序员。这不是说你不够好，而是说你不适合。而大部分人的求职是公司导向的，知名公司一个不落下，使用“鸟枪法”。而不是技能导向，寻找和自己相关性高的雇主。所以在这个回答下你会看到两种截然相反的看法：

1. AI 相关的工作很难找，为什么我条件这么好也被拒
2. AI 相关的工作遍地都是，我水平一般照样斩获很多录取

抛开所谓的个例不谈，我猜测出现相反结论的原因可能是因为大家对于「契合度」的关注程度不同，就是你面试的岗位和你的经历与经历有多大的相关性，你是否可以很快为团队做出贡献。我猜测不少面试不顺利的人可能都属于有了广度，缺少深度，也就是“万金油”。比如某个候选人可能是：TF 也会用一些，NLP 的项目做过 2 个，刷过两个 Kaggle，人脸检测学过教程，Cousera 上的证书也拿过几个。这就属于缺乏特点，和所面试的岗位之间关联性不够强，竞争时自然后力不足。

对于明白自己喜欢和了解的领域是什么的人来说，只要朝契合度高的方向使劲就好了。而对于只有了知识广度，却还没有确定自己的发力方向的人来说，最重要的是明白：你的特点是什么，你有什么优势，你打算怎么利用这个特点脱颖而出。换句话说，「你和别人有什么不同」。从我自己面试别人的经历来看，最重要的是你有什么长处，而不是你的技能有多均衡。越是有经验的业内人士越是看候选人的长处，而忽视短板，与木桶原理相反。「什么都会一点」=「什么都不擅长」。

随着行业进入进一步细分和专业化，靠刷刷题，调调包，做几个相关项目，上几门课程，就能进大厂和明星创业公司的机会只会越来越低。我们都需要开始思考发力点，就是你与别人有所区别的地方，争取成为一个「小领域的专家」。即使无法成为专家，找亮点也比追求全面开花要好，比如：

1. 对 A 领域感兴趣，是否可以在 A 领域发一些有意义的论文
2. 对 A 领域感兴趣，是否有实现 A 领域缺失的经典算法，并封装以供他人使用并获得关注
3. 编程能力很强，尝试做偏向底层的设计，比如保证机器学习算法在移动设备上高效运行
4. 明白自己的擅长的技能在什么公司有用武之地，专注于这些雇主

说到底，任何风口行业都有降落的时候，求职本身就是“小马过河”，your mileage may vary。同时随着行业逐渐成熟，中高端岗位的求职重点肯定会朝专业性和契合度上发展。所以重点不是你会多少武功可以表演，而是你有多少必杀技可以一招毙命。