如今，AI 的蓬勃发展正促使众多职场人士重新审视自己的职业规划。作为一名资深数据科学从业者，Thu Vu 结合自身行业经验与对 AI 发展的深刻洞察，为大家提供了关于如何在 AI 时代明智择业与持续成长的深度思考与启发。
高盛预测到 2025 年全球 AI 投资将达到 2000 亿美元，各大公司争相布局，招聘平台上 AI 岗位层出不穷。这股浪潮让不少数据科学从业者也开始思考：是否该转型 AI?
表面上看，数据科学和 AI 都在是一项处理数据和模型的工作,但它们之间的区别就像汽车设计师和机械师。虽然都在同一个领域,但专业知识和工作方式大不相同。通过分析 300 多万条招聘数据发现，AI 相关职位确实呈现上升趋势，从 2024 年 1 月不到 2000 个岗位增长到 2025 年 1 月约 5000 个。这个增长背后有着深层原因：一方面 GPT-4、Claude 等生成式 AI 模型的崛起让企业看到了 AI 实实在在的应用价值，同时 AI 技术的门槛也在降低，通过 API 就能调用强大的模型。
那么，AI 工程师究竟需要什么技能？通过对招聘数据的分析发现，Python 技术、云平台(如AWS、Azure)相关经验、深度学习框架(TensorFlow、PyTorch)使用能力，以及自然语言处理知识是最受欢迎的技能组合。但随着行业发展，除了技术能力，AI 应用评估、业务整合等软实力也越发重要。
有趣的是，数据科学家的很多技能其实可以平滑过渡到 AI 领域。比如在评估工作中，数据科学家擅长的指标分析、数据测试等能力就能派上用场。如果你所在的公司正在开发 AI 解决方案, 参与对它们评估工作不失为一个很好的切入点。
但转型 AI 并非所有数据科学家的选项。随着 AI 的发展，反而更需要扎实的数据基础，这意味着传统数据角色仍将发挥重要作用。选择权在于个人，如果你热衷于用数据和统计解决业务问题，完全可以继续深耕数据科学。如果对构建AI解决方案充满热情,现在确实是一个转型的好时机。
在我看来,与其焦虑是否要完全转型,不如思考如何在现有工作中拥抱AI元素。毕竟,未来的数据科学工作必然会与AI有更多交集,培养相关技能总不会错。重要的是找到适合自己的节奏和路径,在这波技术变革中把握机遇。
